█ 腦科學動態

Science：超加工食品并非肥胖宿敵

Cell：D&D-seq技術實現單細胞蛋白-DNA結合圖譜繪制

Nature：人類血液中線粒體DNA突變隨年齡增長積累

Cell：劫持細菌基因讓深海巨蟲可以五年不食

首個免于染色體異常的人類胚胎精準堿基編輯

本世紀末人均年損失58小時睡眠，氣溫升高正悄然偷走我們的休息

新型光遺傳學平臺利用紅移光敏蛋白實現無創心臟起搏

3D技術首度證實突觸小泡在學習中實時重組

新型散斑成像技術無需高速相機即可量化手術中的腦血流

為什么黃金標準RCT可能并不適合心理治療？

█ AI行業動態

GPT-Rosalind升級，OpenAI聯手諾和諾德提速新藥研發

Anthropic揭示的AI自我進化致命陷阱

█ AI驅動科學

OCTCube-M：診斷視網膜病變，預警心梗與中風的眼科AI

模擬不同療法下的患者未來：醫學AI利用世界模型推演疾病軌跡

基于大腦信號解析的客觀疼痛評估AI模型

新型人工智能模型SimLBR以極低訓練成本識別AI虛假圖像

大模型有望學會“心算”：隱式思維鏈首次獲得嚴格數學證明

經典心理學測試暴露AI缺陷：長詞表導致大模型注意力系統崩潰

集處理、存儲和發光于一體的超低電壓有機晶體管

被動依賴AI讓工作失去意義

引入范疇論，MIT研究人員為自修復AI探索系統注入數學靈魂

Memory Caching技術助RNN突破長文本召回瓶頸

腦科學動態

Science：超加工食品并非肥胖宿敵，多國專家呼吁重估超加工食品定義

超加工食品本質有害嗎？Faidon Magkos、Ciarán G. Forde和Eric Robinson等研究人員（哥本哈根大學、瓦赫寧根大學與利物浦大學）指出，現有試驗不支持超加工過程本身導致肥胖的結論，其危害主要來自其傳統的營養缺陷。

研究團隊系統回顧了美、英、丹、日四國的5項隨機對照試驗。結果表明，超加工食品（指經工業化加工并添加多種添加劑的食品）對體重的負面影響，完全可以用傳統營養特性解釋。在自由攝入試驗中，該食品的柔軟質地加快了進食速度，且其能量密度更高，這足以解釋多余的熱量攝入。在固定能量試驗中，超加工組體重增加實際源于對照組高纖維帶來的可利用能量減少，以及高鹽引起的體液潴留。在匹配了纖維和鈉的試驗中，兩組能量平衡并無差異。因此，政策指導應減少對加工程度的關注，轉向優先識別營養差、能量密度高且易快速消費的食品。研究發表在 Science 上。

#疾病與健康 #其他 #超加工食品 #隨機對照試驗 #膳食指南

閱讀更多：

Magkos, Faidon, et al. “Ultraprocessed Foods and Obesity: Interpreting the Evidence.” Science, vol. 392, no. 6802, June 2026, pp. 1020–22. science.org (Atypon), https://doi.org/10.1126/science.aef3495

Cell：D&D-seq技術實現單細胞蛋白-DNA結合圖譜繪制

探究基因如何被調控需解析DNA與蛋白質的相互作用，但單細胞水平上的弱或瞬時結合一直難以捕捉。Ivan Raimondi、Dan A. Landau以及Chi Wei-Yu等（威爾康奈爾醫學院）開發了名為D&D-seq的技術，成功在單細胞水平上繪制了弱和瞬時DNA-蛋白質相互作用圖譜。

? Credit：Cell.

D&D-seq技術將雙鏈DNA脫氨酶與靶向特定抗體的納米抗體結合，在蛋白質結合的基因組位點靶向實現胞嘧啶到尿嘧啶的堿基編輯，以捕捉弱或瞬時的相互作用。該技術克服了傳統染色質免疫共沉淀測序（ChIP-seq）無法應用于高通量單細胞分析的缺陷。在實驗中，團隊成功繪制了K562細胞中轉錄因子的結合圖譜，并兼容了單細胞多組學流程。此外，該技術成功揭示了突變體T細胞中CTCF結合的受損細節，展示出強大的單細胞異質性解析能力。研究發表在 Cell 上。

#疾病與健康 #其他 #單細胞多組學 #轉錄因子 #堿基編輯

閱讀更多：

Chi, Wei-Yu, et al. “Single-Cell Mapping of Regulatory DNA-Protein Interactions.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.014

Nature：人類血液中線粒體DNA突變隨年齡增長積累

人類血液中的線粒體DNA突變為何會隨年齡增長而積累？Rahul Gupta、Timothy J. Durham、Vamsi K. Mootha等（哈佛醫學院和麻省總醫院）通過分析大規?；蚪M數據，揭示了這一現象并非源于氧化損傷，而是由于隱匿性復制錯誤隨克隆性造血擴增所致。

研究團隊利用 mtSwirl 管道分析了約75萬名個體的全基因組測序數據。結果顯示，線粒體單核苷酸變異（mtSNVs）在60歲后急劇增加，但均處于低水平的異質性。其突變譜表現出強烈的鏈偏向性，更符合線粒體DNA復制錯誤而非氧化損傷的特征。全基因組關聯研究發現，高突變負荷與 TERT、TCL1A 等基因的生殖細胞變異及克隆性造血（CH）驅動基因密切相關。研究表明，線粒體DNA的隱匿性突變最初隨機發生，因克隆性造血導致特定細胞克隆隨年齡增長而擴增，才在整體水平上變得可檢測。研究發表在 Nature 上。

#疾病與健康 #健康管理與壽命延長 #線粒體DNA #克隆性造血 #衰老機制

閱讀更多：

Gupta, Rahul, et al. “Mechanism of Age-Related Accumulation of mtDNA Mutations in Human Blood.” Nature, May 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-026-10569-6

首個免于染色體異常的人類胚胎精準堿基編輯

為攻克傳統基因編輯易導致人類胚胎染色體異常的難題，Dietrich M. Egli、Stepan Jerabek和Jimin Kim等（哥倫比亞大學）利用堿基編輯技術對人類胚胎進行精準編輯，首次在不產生染色體改變的情況下實現了高效的基因修正。

研究團隊針對與心血管疾病相關的PCSK9基因和與血液疾病相關的HBG1/2基因進行了堿基編輯測試。他們對比了兩種遞送方式，發現以核糖核蛋白復合體形式遞送時，編輯效率極高，PCSK9和HBG1/2基因的編輯效率分別達到65%和52%，且未檢測到大片段DNA缺失或染色體異常。約三分之一的受精卵成功發育至囊胚階段，并成功衍生出三株多能性正常的胚胎干細胞系。然而，以信使RNA形式遞送卻導致胚胎全部發育停滯，提示了胚胎對特定RNA具有敏感性。盡管該技術仍面臨脫靶效應和遺傳嵌合體的挑戰，但它為單基因遺傳病的源頭預防提供了更安全的路徑。

#疾病與健康 #個性化醫療 #人類胚胎 #堿基編輯

閱讀更多：

Jerabek, Stepan, et al. “Efficient Base Editing and Development in Human Embryos without Chromosomal Alterations.” bioRxiv, 1 June 2026, p. 2026.05.30.728989. bioRxiv, https://doi.org/10.64898/2026.05.30.728989

Cell：劫持細菌基因讓深海巨蟲可以五年不食

深海巨蟲如何在極度缺食的深海維持巨型身體并生存數年？國科學院海洋研究所實驗海洋生物學實驗室李富花、相建海團隊聯合香港中文大學的朱嘉濠團隊揭示了其通過劫持微生物能量代謝基因ND1來調控代謝、耐受超長饑餓的機制。

? Credit：Cell.

研究團隊結合形態學、生理學與比較基因組學分析，發現深海水虱（Bathynomus jamesi）等深海等足蟲通過異常膨大的胃進行間歇性暴食，并展現出極低的基礎代謝率。其基因組中存在約1600萬年前從共生微生物水平轉移而來的能量代謝相關基因ND1。通過基因復制和啟動子區域組蛋白乙?；木苷{控，ND1在深海水虱體內實現了超高水平表達，其表達量在其全部基因中位列第一。在斑馬魚、線蟲和細胞系中的功能實驗表明，ND1能夠顯著下調宿主的內源性能量生產基因，使轉基因斑馬魚在低溫代謝抑制狀態下的饑餓生存時間延長了百分之三十七。這一發現解決了生物巨型化高能量需求與極端環境之間的能量權衡悖論。研究發表在 Cell 上。

#疾病與健康 #其他 #水平基因轉移 #深海生物 #代謝調節

閱讀更多：

Yuan, Jianbo, et al. “Deep-Sea Megafauna Co-Opts Microbial Energy Metabolism Genes to Withstand Ultra-Long Starvation.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.012

本世紀末人均年損失58小時睡眠，氣溫升高正悄然偷走我們的休息

面對全球三分之一人口正遭受的睡眠危機，Masoud Tahmasian, Vincent Küppers, Sarah Genon, Simon B. Eickhoff, Diego A. Golombek, Agustin Ibanez（德國于利希研究中心等）開展研究，首次提出了“一體化睡眠健康”多維整合框架，呼吁將睡眠作為全球健康的優先議題。

? 一體化睡眠健康框架的結構。Credit: Cell Reports Medicine (2026).

該框架融合了神經科學、環境科學與獸醫學，將人類睡眠、動物睡眠與暴露組視為互聯的整體。研究顯示，睡眠不足會導致五個工業國每年損失高達6800億美元。氣候變化引起的氣溫上升也威脅著睡眠，預計到本世紀末，全球人均每年將流失50至58小時的睡眠。從神經生物學角度看，7小時是維持大腦認知功能的最佳睡眠時長，睡眠不足會削弱腦內的膠質淋巴系統，增加阿爾茨海默病等風險。為此，研究者倡導積累睡眠資本（充足睡眠帶來的健康、社會和經濟效益的總和），并呼吁政府和城市規劃者采取延遲學校上課時間、減少城市光污染和噪音污染等具體措施。研究發表在 Cell Reports Medicine 上。

#疾病與健康 #跨學科整合 #健康管理與壽命延長 #睡眠資本 #暴露組

閱讀更多：

Tahmasian, Masoud, et al. “Elevating Sleep to a Global Health Priority: The One Sleep Health Framework.” Cell Reports Medicine, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.xcrm.2026.102828

新型光遺傳學平臺利用紅移光敏蛋白實現無創心臟起搏

心律失常如何引發大腦供血供氧不足并增加中風風險？Chao Zhou、Abigail Matt和Marcello Magri Amaral團隊（圣路易斯華盛頓大學）與Adam Bauer團隊（Mallinckrodt放射學研究所）合作，利用無創心臟光遺傳學技術控制小鼠心率，揭示了心律失常期間及之后大腦氧氣濃度的快速波動。

? 構建并進行光刺激表達 ReaChR 的小鼠品系。Credit: Science Advances (2026).

研究團隊培育了心臟特異性表達紅移光敏蛋白（ReaChR）的轉基因小鼠。通過使用10毫米直徑的617納米紅光，以低于1毫瓦每平方毫米的低輻照度安全穿透胸壁照射小鼠皮膚，成功在無創狀態下將心率控制在靜息心率的175%以內（6至14赫茲）。在誘發心律失常的同時，團隊利用光學固有信號成像技術，實時監測大腦皮層血紅蛋白的變化。結果表明，心律失常會迅速導致腦部含氧血紅蛋白濃度降低，同時脫氧血紅蛋白濃度升高。特別是在6赫茲和14赫茲的起搏頻率下，腦部血氧變化最為劇烈，且這種變化的幅度與起搏頻率同靜息心率的偏差呈正比例。該研究直觀揭示了心臟泵血異常對腦灌注的瞬時干擾，為探究心腦連接提供了全新工具。研究發表在 Science Advances 上。

#疾病與健康 #神經機制與腦功能解析 #心律失常 #光遺傳學 #腦血流動力學

閱讀更多：

Amaral, Marcello Magri, et al. “Noninvasive Optogenetic Induction of Cardiac Arrhythmias Alters Systemic Hemodynamics in Mice.” Science Advances, vol. 12, no. 23, June 2026, p. eaeb1092. science.org (Atypon), https://doi.org/10.1126/sciadv.aeb1092

3D技術首度證實突觸小泡在學習中實時重組

突觸層面的超微結構改變如何塑造我們的學習能力？Terrence J. Sejnowski、Guadalupe C. Garcia和Thomas M. Bartol等人在索爾克研究所（Salk Institute）開展研究，利用先進的3D重建與生物物理模擬技術，首次揭示了學習記憶的核心機制——長時程增強（LTP）過程中突觸前小泡密度的動態重組規律。

? 長時程增強作用會增加突觸前末梢和線粒體的體積，同時降低突觸小泡的密度，如圖所示（左圖為對照組，右圖為長時程增強作用組）。突觸的三維重建圖顯示，突觸小泡呈綠色球形，線粒體呈紫色，活性區呈紅色。Credit: Salk Institute

研究團隊通過序列切片電子顯微鏡觀察成年大鼠海馬體的突觸結構，并在誘導長時程增強（LTP）前后進行對比。借助新型3D重建技術與計算機模擬，團隊首次量化了突觸小泡在突觸前末梢的物理狀態。結果發現，LTP誘導2小時后，突觸小泡簇并非保持靜止，而是呈現分散狀態，小泡密度顯著降低，彼此間距變大。物理建模表明，這種密度的降低降低了簇內黏度，從而大幅提高了突觸小泡的流動性，促進了神經遞質的釋放。由于突觸功能障礙與阿爾茨海默病等神經退行性疾病密切相關，該研究不僅增進了對基本學習機制的理解，也為精確定位相關疾病的結構級突觸病變提供了全新視角。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #突觸可塑性 #長時程增強

閱讀更多：

Garcia, Guadalupe C., et al. “Transition of the Presynaptic Vesicle Cluster from a Compact to Dispersed Organization during Long-Term Potentiation.” Proceedings of the National Academy of Sciences, vol. 123, no. 22, June 2026, p. e2522754123. www.pnas.org, https://doi.org/10.1073/pnas.2522754123

新型散斑成像技術無需高速相機即可量化手術中的腦血流

手術中腦血流短暫中斷可致永久腦損傷，如何精準監測是一大挑戰。Hengfa Lu和Andrew K. Dunn等（德克薩斯大學奧斯汀分校）開發了正弦強度調制散斑成像技術，利用標準相機實現了無創、大視野的定量腦血流監測。

傳統的激光散斑對比成像（LSCI）技術只能提供血流變化的相對數值，且依賴昂貴的高速相機。為了突破這一硬件限制，研究團隊開發了正弦強度調制散斑成像（SIMSI）技術。該方法在每次相機曝光期間，以可控頻率按正弦模式調節激光光照強度，從而將原本會被平均掉的快速血流動力學信息編碼到散斑圖像中。通過數學模型重建，標準相機也能夠在長曝光下捕捉微秒至毫秒級的超快組織動力學。在微流控仿體實驗中，該系統測得的數據與高精度參考探測器高度一致。在小鼠大腦皮層的體內實驗中，該技術不僅成功區分了不同血管區域的光譜特征，還連續十天無創追蹤了缺血性中風后的皮層血流時空演變。這一技術有望降低臨床多項手術的監護成本并提升患者安全性。研究發表在 PNAS 上。

#疾病與健康 #其他 #腦血流監測 #激光散斑成像 #手術監護

閱讀更多：

Lu, Hengfa, et al. “Mapping Fast Tissue Dynamics with Long Camera Exposures via Intensity Modulation.” Proceedings of the National Academy of Sciences, vol. 123, no. 17, Apr. 2026, p. e2524940123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2524940123

為什么黃金標準RCT可能并不適合心理治療？

心理治療是否應當像藥物一樣接受隨機對照試驗的評估？曼徹斯特大學的 Sahanika Ratnayake 通過系統分析現有證據基礎的優勢與局限，撰寫了一篇反思性學術分析，指出將藥物評估標準套用于心理療法存在偏差，可能限制患者的選擇并誤導精神衛生服務的發展。

Sahanika Ratnayake 采用哲學與精神病學交叉的視角，對比了隨機對照試驗（RCT）的要求與心理治療的實際特征。結果表明，兩者存在本體論不匹配（評估工具的要求與被評估事物的本質特征不相符）。RCT要求治療手段標準化、針對特定診斷、有明確時限且結果可測量，這極契合藥理學研究，卻難以應對心理治療個性化、關系導向和非線性的特征。過度依賴RCT導致認知行為療法（CBT）在體系中過度主導，例如在英國談話療法項目中，僅有11%的高強度從業者提供非CBT方案，窄化了公眾的治療選擇。此外，短期癥狀評分易忽略人際關系改善和深層自我認知等難以量化的長期康復指標。因此，作者呼吁構建證據多元主義體系，將真實世界服務數據、作用機制研究和患者視角研究納入評估。研究發表在 The British Journal of Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #心理治療 #隨機對照試驗 #證據多元化

閱讀更多：

Ratnayake, Sahanika. “A Philosopher Asks Whether Therapy Should Be Evaluated like Drugs.” The British Journal of Psychiatry, June 2026, pp. 1–4. Cambridge University Press, https://doi.org/10.1192/bjp.2026.10674

AI 行業動態

更聰明更省token：GPT-Rosalind升級，OpenAI聯手諾和諾德提速新藥研發

繼今年4月推出專為生命科學研究設計的GPT?Rosalind系列后，OpenAI于近日宣布對該模型進行重大更新。新版GPT?Rosalind集成了GPT?5.5的智能體編碼與工具使用能力，在藥物化學、基因組學等核心藥物發現領域展現出更強的模型智能。為客觀衡量模型進步，OpenAI構建了由外部專家評判的全新評測基準LifeSciBench，從證據處理、分析、設計與優化等六個核心工作流出發，采用端到端視角評估模型的科學價值，確保其進步與真實科研場景對齊。與此同時，OpenAI還推出了兩款面向生命科學研究的插件，分別為Life Sciences Research和Life Sciences NGS Analysis，為模型的可重復科學工作流提供了實踐執行層。

在更具體的性能評測中，GPT?Rosalind表現亮眼：在模擬真實藥物化學工作流的MedChemBench上，該模型得分27.5%，優于GPT?5.5的25.1%，且token使用量減少了7.2%；在面向基因組學的GeneBench評估中，其準確率達到21.6%，比GPT?5.5高出1.2個百分點，token使用量更是大幅降低31%；在測試真實濕實驗輔助能力的LabWorkBench新基準上，GPT?Rosalind得分63.2%，顯著領先于GPT?5.5的55.8%，token用量亦減少5.3%。OpenAI表示將持續改進模型的生物學推理能力，并與全球領先生物制藥公司諾和諾德展開合作，通過GPT?Rosalind幫助研究人員更快分析復雜數據集、發現有用模式并驗證假設，從而加速藥物研發與生命科學探索進程。

#GPTRosalind #生命科學AI #藥物發現 #OpenAI #諾和諾德

閱讀更多：

https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind/

一邊沖刺萬億IPO，一邊呼吁全球暫停：Anthropic揭示的AI自我進化致命陷阱

Anthropic近日展現出極富戲劇性的雙重姿態：一邊秘密提交上市文件，尋求近9650億美元的估值；另一邊其聯合創始人Jack Clark卻公開呼吁全球暫停AI研發。這一矛盾的根源，隱藏在一個關鍵數據中——目前合并到Anthropi自有代碼庫的代碼中，超過80%由其旗下模型Claude自主編寫。Clark預判，到2028年底，AI能在無人類參與下完成下一代產品研發的概率高達60%，屆時將觸發“遞歸自我改進（recursive self-improvement，指AI系統持續自主優化自身算法與能力的過程）”的閉環。谷歌旗下DeepMind的模型已在不經人類干預下優化算法，為谷歌節省了全球0.7%的算力。安全與新興技術中心（CSET）的報告警告，AI驅動的研發效率可能比純人類研發提升千倍以上。

然而，AI的自我進化正面臨結構性失衡：在代碼、數學等擁有“可驗證獎勵”的領域，AI可通過自我博弈高速迭代；但在倫理、道德判斷與安全對齊等無法標準化驗證的領域，進步極為緩慢。麻省理工學院物理學家Max Tegmark將此比作司機在高速公路上閉眼踩油門。物理世界的限制也構成阻礙：算力擴張正遭遇電網負荷、芯片帶寬和散熱系統的硬天花板，費城半導體指數近日單日暴跌超10%便反映了這一矛盾。此外，AI研發鏈條呈現“鋸齒狀前沿（Jagged Frontier，指不同環節自動化程度嚴重不齊）”，數據科學、系統工程和安全對齊無法同步加速。盡管存在這些緩沖，但監管框架仍以“人類速度”運行。當機器開始自己譜寫代碼，人類修改錯別字的時間或許真的不多了。

#遞歸自我改進 #AI安全 #Anthropic #AI對齊 #暫停AI研發

閱讀更多：

https://www.economist.com/science-and-technology/2026/06/07/will-artificial-intelligence-soon-escape-human-control

AI 驅動科學

OCTCube-M：不僅能診斷視網膜病變，還能預警心梗與中風的眼科AI

面對眼部掃描產生的海量圖像數據，Aaron Y. Lee與Sheng Wang等研究人員（圣路易斯華盛頓大學、華盛頓大學和基因泰克公司）開發了新型人工智能系統OCTCube-M，實現了對視網膜疾病及全身健康風險的快速精準預測。

? 在歸納學習環境下對視網膜疾病預測的評估。Credit: Nature Biomedical Engineering (2026).

研究團隊開發的OCTCube-M是一個基于三維光學相干斷層掃描的多模態框架。該系統使用超過2.6萬個三維OCT體數據（包含162萬個二維切片）進行預訓練。結果顯示，與傳統二維模型相比，該系統在識別年齡相關性黃斑變性等八種主要眼疾時，準確率提升了4至6個百分點。此外，通過結合紅外視網膜成像和眼底自發熒光成像，該多模態模型在預測地圖狀萎縮的進展速度方面，比現有最先進模型平均提高了近50%。更重要的是，該模型還能僅憑眼底圖像特征，跨學科地預測心臟病發作、中風和腎衰竭等全身性系統疾病風險。研究發表在 Nature Biomedical Engineering 上。

#疾病與健康 #個性化醫療 #人工智能 #視網膜病變 #多模態基礎模型

閱讀更多：

Liu, Zixuan, et al. “A Three-Dimensional Multi-Modal Foundation Model for Optical Coherence Tomography.” Nature Biomedical Engineering, Apr. 2026, pp. 1–20. www.nature.com, https://doi.org/10.1038/s41551-026-01662-2

模擬不同療法下的患者未來：醫學AI利用世界模型推演疾病軌跡

針對臨床 AI 無法預測不同治療對疾病軌跡影響的瓶頸，北京大學、澳門理工大學的研究人員首次從世界模型視角重構疾病軌跡，發表了面向疾病演化動態預測的臨床世界模型綜述。

該研究將臨床預測重新組織為動態系統，包含了三大核心任務：預測當前治療路徑下未來的事實軌跡預測；模擬不同治療動作下演化路徑的反事實軌跡估計；以及評估臨床策略收益的策略級評估。此外，為解決治療與病情反饋、不規則隨訪等導致的偏誤，模型系統比較了深度序列模型、時間點過程和連續時間因果推斷等方法。綜述指出，臨床 AI 不能只追求預測準確，必須通過目標試驗模擬等手段提供決策級證據，并在證據不足時主動給出不確定性或拒絕外推，從而安全輔助決策。

#疾病與健康 #預測模型構建 #臨床AI #世界模型 #因果推斷

閱讀更多：

Feng, Pujun, et al. “From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction.” arXiv:2605.16927, arXiv, 16 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.16927

基于大腦信號解析的客觀疼痛評估AI模型

針對傳統疼痛評估依賴患者主觀報告、難以客觀量化以及無法應用于溝通困難群體的問題，Jinung An、Sung Chan Jun以及Euijin Jung等人（大邱慶北科學技術院與光州科學技術院）組成的研究團隊開發出一種基于人工智能的新技術，可通過分析熱刺激引發的腦電圖信號，客觀評估并分類疼痛強度。

? Credit: IEEE Transactions on Neural Systems and Rehabilitation Engineering (2026).

傳統腦電圖分析常受到患者自我報告偏差的干擾。為此，研究團隊采用了一種樣本選擇策略，利用兩個人工智能模型相互比對預測誤差與分歧度，選擇性地僅從高度可靠和信息量豐富的腦電數據中學習，從而過濾掉主觀噪聲。在對41名接受熱刺激的參與者進行的測試中，該模型在3類、6類及10類的細粒度疼痛等級分類中，性能均優于傳統基線模型，并在未訓練的新刺激環境中保持了穩定的泛化預測。此外，研究發現左側和右側前額顳葉電極處的δ波活動與疼痛強度密切相關。這為重癥監護室等溝通困難患者的實時疼痛追蹤提供了客觀的神經生理學基礎。研究發表在 IEEE Transactions on Neural Systems and Rehabilitation Engineering 上。

#疾病與健康 #大腦信號解析 #客觀疼痛評估 #腦電圖 #樣本選擇

閱讀更多：

Jung, Euijin, et al. “EEG-Based Pain Classification via Sample Selection to Mitigate Subjective Label Bias.” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 34, 2026, pp. 2480–90. IEEE Xplore, https://doi.org/10.1109/TNSRE.2026.3692232

新型人工智能模型SimLBR以極低訓練成本識別AI虛假圖像

生成式人工智能生成的虛假圖像日益逼真，導致傳統檢測器因過度擬合特定生成器特征而失效。為此，Aayush Dhakal、Subash Khanal、Srikumar Sastry、Jacob Arndt、Philipe Ambrozio Dias、Dalton Lunga和Nathan Jacobs（圣路易斯華盛頓大學與橡樹嶺國家實驗室）開發出一種名為SimLBR的新型人工智能模型，通過學習識別真實圖像的特征，實現了對未知生成器虛假圖像的高效、低成本檢測。

? Credit: arXiv (2026).

該研究提出了一種名為潛在混合正則化的方法。與在像素空間中訓練的傳統方法不同，該模型在預訓練的基礎模型DINOv3的潛在空間中運行，將圖像轉換為1024維向量進行高效學習。在訓練過程中，模型通過將少量虛假圖像信息融入真實圖像的潛在空間，強迫系統對未受干擾的真實圖像分布建立更緊密的決策邊界。實驗結果表明，該方法在具有挑戰性的Chameleon基準測試中，跨生成器的檢測準確率提升了24.85%，召回率提高了69.62%。此外，SimLBR在單個GPU上的訓練時間不足3分鐘，相較于最先進方法在8個GPU上訓練兩小時，計算成本顯著降低。研究還引入了基于夏普比率改進的可靠性指標，用于評估檢測器應對未來未知生成器時的穩定性。

#其他 #虛假圖像檢測 #對抗樣本 #生成式人工智能

閱讀更多：

Dhakal, Aayush, et al. “SimLBR: Learning to Detect Fake Images by Learning to Detect Real Images.” arXiv:2602.20412, arXiv, 23 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.20412

大模型有望學會“心算”：隱式思維鏈首次獲得嚴格數學證明

大模型生成顯式思考步驟會導致高延遲與高成本。為了解決該問題，Yixiao Huang、Hanlin Zhu、Zixuan Wang、Jiantao Jiao、Stuart Russell、Somayeh Sojoudi和Song Mei（加州大學伯克利分校與普林斯頓大學）通過研究證明，模型可通過隱式思維鏈將推理步驟內化于隱藏狀態中，實現高效的直接預測。

研究團隊基于 k-奇偶校驗問題（k-parity problem，一種用于測試模型多步推理能力的經典理論計算任務）展開研究。他們設計了一種名為 Log-ICoT 的新型訓練課程，將奇偶校驗的二叉樹結構與 Transformer 結構對準，每次成塊隱藏整層思維鏈，從而將訓練階段從傳統的線性步驟縮減至對數步驟。為攻克多層網絡訓練中的難題，團隊引入了門控連接來隔離各層信號，并結合整數量化防止誤差累積。實驗結果顯示，在具有30個輸入比特和16個校驗位的設置下，訓練完成后的4層模型在沒有任何中間步驟輸出的情況下，驗證集準確率達到了100%。數學證明也確認，該方法在測試時僅需單次前向傳播即可得出正確預測。

#大模型技術 #計算模型與人工智能模擬 #隱式思維鏈 #多步推理 #Transformer

閱讀更多：

Huang, Yixiao, et al. “Transformers Provably Learn to Internalize Chain-of-Thought.” Version 1, arXiv:2605.28600, arXiv, 27 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.28600

經典心理學測試暴露AI缺陷：長詞表導致大模型注意力系統崩潰

大模型是否具備人類的注意力控制能力？Suketu Chandrakant Patel、Hongbin Wang與Jin Fan等研究人員利用經典心理學測試發現，大模型在面對干擾時存在根本性的執行控制缺陷，無法像人類一樣持續專注于任務目標。

? 在 Claude 3.5 Sonnet 模型中，任務識別與任務執行之間存在分離，且無需明確提示。(a) 無提示對話的截圖（2025 年 1 月 10 日），模型識別出了 Stroop 范式并生成了詞-色關系映射，但在不一致詞表上的準確率僅為 70%。(b) 僅提供包含 10 個不一致詞的刺激圖像作為唯一輸入，沒有伴隨任何任務指令。這種分離表明，僅識別任務結構不足以啟動準確執行任務所需的沖突解決機制。Credit: Suketu Chandrakant Patel, Hongbin Wang, and Jin Fan

研究團隊使用斯特魯普任務（Stroop task，通過命名與字義不一致的文字顏色來評估執行控制能力的經典心理學測試） 對多個大模型進行了測試。在該任務中，模型需要忽略文字本身的含義并說出印刷墨水的顏色。結果顯示，當面臨不一致的干擾時，大模型的執行控制 表現出嚴重的局限性。在5個單詞的短列表中，大模型表現良好；但隨著列表長度增加，其性能急劇崩潰。例如，GPT-4o的準確率從5個單詞時的91%驟降至40個單詞時的15%。即使是較先進的Claude 3.5 Sonnet，在40個單詞時的準確率也跌至24%。在混合測試中，大模型在不一致項目上的準確率甚至降至接近0%，默認倒退回單純的單詞閱讀模式。此外，模型未表現出人類常見的一致性序列效應（congruency sequence effect，前一次試驗的一致性會調節當前試驗表現的自適應控制現象），表明其缺乏逐個試驗進行動態調整的控制機制。研究發表在 PNAS Nexus 上。

#認知科學 #計算模型與人工智能模擬 #大模型技術 #斯特魯普任務

閱讀更多：

Patel, Suketu Chandrakant, et al. “Deficient Executive Control in Transformer Attention.” PNAS Nexus, vol. 5, no. 6, June 2026, p. pgag149. Silverchair, https://doi.org/10.1093/pnasnexus/pgag149

集處理、存儲和發光于一體的超低電壓有機晶體管

如何將信號處理、存儲與發光顯示集成于單一柔性器件是可穿戴醫療的核心挑戰。Tae-Woo Lee和Zhenan Bao等研究人員（首爾國立大學和斯坦福大學）成功開發出一種超低電壓電化學有機發光晶體管，在單器件中實現了上述全部功能。

? 在晶體管工作過程中，會形成空穴溝道，同時在漏極處建立陽離子誘導的雙電層，使電子和空穴復合并產生光（電致發光）。這種現象的實現得益于活性層中引入的離子傳輸增強劑促進的陽離子自發遷移。由于這種穩定高效的基于雙電層的載流子注入機制，即使采用單活性層結構，該器件也能展現出明亮穩定的發光性能。Credit:Nature Materials.

研究團隊在單層有機發光晶體管的活性層中引入了離子傳輸增強劑。該設計促進了陽離子自發遷移，在漏極電極界面誘導形成了穩定的雙電層，從而顯著降低了電子注入勢壘。實驗結果表明，該器件在低于3.5 V的超低電壓下即可工作，改善了傳統器件需80至180 V高壓的缺陷。此外，器件實現了寬度達267微米的寬闊且位置固定的橫向復合發光區域，最大亮度達到826 cd m-2，并能由兩節1.5 V的普通電池驅動。該器件還展現出神經形態信號處理和突觸記憶特性，能夠累積并保持多次刺激信號。研究發表在 Nature Materials 上。

#疾病與健康 #計算模型與人工智能模擬 #可穿戴設備 #有機晶體管 #神經形態器件

閱讀更多：

Kim, Kwan-Nyeong, et al. “Ultralow-Voltage Electrochemical Organic Light-Emitting Transistors with Pinned and Wide Lateral Recombination.” Nature Materials, June 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41563-026-02613-7

被動依賴AI讓工作失去意義

職場人工智能的快速普及可能讓員工產生心理疏離。Yidan Yin、Elena Hayoung Lee、Nan Jia和Cheryl J. Wakslak（賓夕法尼亞州立大學、南加州大學）通過實驗發現，被動復制人工智能內容會嚴重削弱員工的心理所有權并加劇工作無意義感。

研究團隊通過 Prolific 平臺招募了269名專業人士進行寫作實驗。參與者在第一階段分別進行無輔助手動寫作、被動復制粘貼人工智能生成內容，或與人工智能主動協作（人類先撰寫草稿再由人工智能進行潤色）。研究評估了參與者的自我效能感、心理所有權和工作意義感。第二階段，所有參與者恢復純手工寫作。結果表明，被動使用組的心理所有權下降近20%，自我效能感和工作意義感下降近10%，且這種消極影響在恢復手動寫作后依然持續。此外，被動組在第二階段對成果的滿意度暴跌了21%，而主動協作則避免了這種下滑。研究發表在 Scientific Reports 上。

#認知科學 #心理健康與精神疾病 #工作無意義感 #自我效能感 #心理所有權

閱讀更多：

Lee, Elena Hayoung, et al. “Relying on AI at Work Reduces Self-Efficacy, Ownership, and Meaning While Active Collaboration Mitigates the Effects.” Scientific Reports, vol. 16, no. 1, Mar. 2026, p. 13583. www.nature.com, https://doi.org/10.1038/s41598-026-42312-6

引入范疇論，MIT研究人員為自修復AI探索系統注入數學靈魂

如何讓AI自主改變科學詞匯體系以應對理論失效？Fiona Y. Wang和Markus J. Buehler團隊（麻省理工學院）開發了一個基于范疇論的自修復科學探索框架，實現了科學表征體系的自動轉換與驗證。

研究人員將科學狀態建模為協變函子（copresheaf），將既定體系內的更新建模為自函子（endofunctor），而將科學發現建模為通過左伴隨Kan擴張（left Kan extension，一種在不同范疇間遷移數據的數學方法）實現的體系轉換。該框架在兩個系統進行了應用。在Builder/Breaker蛋白質力學系統中，AI在最小描述長度（Minimum Description Length，一種衡量模型簡潔度與數據擬合度的標準）閘門的約束下，自動修正了蛋白質力學世界模型，發現了模式條件順應性規律。在CategoryScienceClaw系統中，該框架被用于分析纖維網絡力學，通過赤池信息量準則（Akaike Information Criterion，一種評估模型擬合優度與復雜度的指標）閘門自動篩選并記錄了各向異性剛度代理模型。研究表明，該范疇論框架不僅為AI自主科學發現提供了嚴謹的數學基礎，也為其工程化落地提供了自修復規范。

#AI驅動科學 #自動化科研 #跨學科整合 #范疇論 #材料力學

閱讀更多：

Wang, Fiona Y., and Markus J. Buehler. “Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence.” arXiv:2606.01444, arXiv, 31 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.01444

Memory Caching技術助RNN突破長文本召回瓶頸

如何解決循環神經網絡在處理長文本時因內存固定而遺忘信息的問題？Ali Behrouz、Zeman Li、Yuan Deng、Peilin Zhong、Meisam Razaviyayn和Vahab Mirrokni團隊（谷歌及南加州大學等）提出了一種名為內存緩存（Memory Caching）的技術，通過緩存隱藏狀態快照，成功讓循環神經網絡的記憶容量隨文本長度動態增長。

該技術將長序列分割為多個片段，并在片段結束時將循環神經網絡（RNN）的隱藏狀態（即用于壓縮和存儲歷史信息的內存狀態）進行緩存。研究設計了門控殘差內存和稀疏選擇性緩存等四種聚合策略。通過在滑動窗口線性注意力和Titans等架構上進行測試，結果表明該技術顯著增強了循環模型的表達能力。在16K長度的大海撈針挑戰中，基礎Titans模型在S-NIAH-2任務下的召回準確率僅為75.4%，而引入門控殘差內存后提升至88.2%，極大縮小了與傳統Transformer架構的差距。

#大模型技術 #計算模型與人工智能模擬 #循環神經網絡 #長文本處理 #內存緩存

閱讀更多：

Behrouz, Ali, et al. “Memory Caching: RNNs with Growing Memory.” arXiv:2602.24281, arXiv, 27 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.24281

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

研究院在華山醫院、上海市精神衛生中心分別設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經科學研究院。

研究院還建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、科普視頻媒體「大圓鏡」等。