追问daily | 首款人脑细胞生物计算机上市；小鼠也有橡胶手错觉？Science：心脏类器官长出真实血管

█脑科学动态

Science：心脏类器官长出真实血管

Nature：大脑腹侧被盖区编码奖励预期时间

失眠新解：睡眠中清醒感实为正常脑活动

发现区分想象与现实的大脑机制

衰老大脑中发现新型逆转录酶编码RNA

小鼠也有橡胶手错觉？

█AI行业动态

全球首款人脑细胞生物计算机上市，售价3.5万美元

脑机接口新突破，Paradromics完成首例人体植入试验

谷歌Gemini 2.5 Pro：横扫所有AI榜单，编程推理能力封神

OpenAI首次回应人机情感依赖

█AI驱动科学

AI思考只是假象？苹果研究揭露大模型推理崩溃危机

算法解码大脑结构与功能的奥秘

AI预测大脑衰老轨迹，提前数年预警阿尔茨海默病

北师大团队开放双语认知fMRI数据集

如何判断AI是否在撒谎？新方法测试AI解释是否真

千种方案并行评估！MIT-NVIDIA算法重塑机器人决策速度

仿生视觉传感器弱光环境下轮廓识别准确率提升至86.7%

虚拟斑马鱼突破！科学家首次完整模拟全脑神经胶质动态

脑科学动态

Science：心脏类器官长出真实血管

类器官因缺乏血管系统难以突破3毫米尺寸限制。斯坦福医学院的Oscar J. Abilez、Huaxiao Yang和Joseph C. Wu团队通过优化培养方案，成功培育出含完整血管网络的心脏和肝脏类器官，尺寸可达5毫米，细胞类型媲美6周人类胚胎器官。

▷这个两周大的心脏类器官包含心肌细胞（绿色）和平滑肌细胞（白色），周围环绕着内皮细胞（洋红色），构成了逼真的血管网络。Credit: Oscar Abilez / Stanford Medicine

研究团队整合34种培养方案，使用荧光标记技术追踪干细胞分化为心肌细胞（cardiomyocytes）、内皮细胞（形成血管内壁）和平滑肌细胞（调控血管收缩）。最优方案"条件32"产生的类器官呈现三层结构：内部心肌和平滑肌细胞，外层形成分支状血管网络。单细胞RNA测序显示每个类器官含15-17种细胞类型，3D显微镜观察到直径10-100微米的功能性微血管。实验证实该血管网络能响应药物刺激——芬太尼暴露促使血管增生。技术成功拓展至肝脏类器官，血管化策略展现跨器官适用性。这些类器官可模拟人类胚胎发育早期（约3周）的血管形成过程，为研究器官发生和药物测试提供新平台。研究发表在 Science 上。

#疾病与健康 #再生医学 #个性化医疗 #发育生物学 #器官芯片

阅读更多：

Abilez, Oscar J., et al. “Gastruloids Enable Modeling of the Earliest Stages of Human Cardiac and Hepatic Vascularization.” Science, vol. 388, no. 6751, June 2025, p. eadu9375. science.org (Atypon), https://doi.org/10.1126/science.adu9375

Nature：大脑腹侧被盖区编码奖励预期时间

大脑如何精确预测奖励时机？日内瓦大学的Alexandre Pouget团队与哈佛大学Naoshige Uchida、麦吉尔大学Paul Masset合作，通过机器学习算法发现腹侧被盖区（VTA）神经元能以多时间尺度编码奖励预期。

▷多巴胺能神经元间折扣因子的多样性解释了质的不同斜坡活动。Credit: Nature (2025).

研究团队首先开发了包含时间维度的数学强化学习模型。通过分析小鼠执行行为任务时的神经活动数据，发现VTA多巴胺能神经元展现出惊人的时间编码多样性：部分神经元专注几秒内的即时奖励，另一些则编码分钟级甚至更长期的奖励预期。这种多时间尺度特性通过"折扣因子多样性"实现，每个神经元具有独特的折扣时间常数（discount time constant）。算法分析显示，这种机制能完美解释两类典型神经活动模式——由线索触发的瞬时响应和缓慢变化的"多巴胺斜坡"。特别值得注意的是，同一神经元在不同任务中保持稳定的时间编码特性，证实这是细胞固有属性。该发现不仅揭示了生物强化学习的精细调控机制，还为人工智能领域设计多时间尺度强化学习算法提供了生物灵感。研究发表在 Nature 上。

#AI驱动科学 #神经机制与脑功能解析 #强化学习 #多巴胺系统 #计算神经科学

阅读更多：

Masset, Paul, et al. “Multi-Timescale Reinforcement Learning in the Brain.” Nature, June 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-08929-9

失眠新解：睡眠中清醒感实为正常脑活动

失眠患者常抱怨睡眠质量差，但客观测量往往难以验证。日内瓦大学医院的Carlotta L. Schneider团队与Christoph Nissen等合作者发现，睡眠中感知清醒的现象其实与高频脑活动相关，且失眠患者与健康人群在此机制上并无本质差异。

▷睡眠-觉醒感知。该图可视化了共计 559 份健康对照组和失眠症患者的系列觉醒报告的结果。Credit: Scientific Reports (2025).

研究团队在睡眠实验室中对30名失眠患者和30名健康参与者进行多晚监测。通过振动手环在非快速眼动睡眠（NREM）阶段进行序列唤醒（最多12次/晚），并立即询问感知状态。结果发现两组均有约50%概率将NREM睡眠误判为"清醒"，且客观睡眠参数（包括睡眠连续性、架构、频谱功率等）无组间差异。关键发现是高频（β频段）脑活动——反映皮层唤醒的指标——能预测清醒感知，这种关联与是否患失眠无关。研究支持"睡眠-觉醒连续体"新概念，表明睡眠中可存在类似觉醒的生理活动。这些发现解释了为何现行一线治疗认知行为疗法（CBT-I）有效——因为患者的睡眠调节系统基本完好，症状可能源于认知行为机制。研究发表在 Scientific Reports 上。

#疾病与健康 #神经机制与脑功能解析 #睡眠科学 #认知行为疗法

阅读更多：

Schneider, Carlotta L., et al. “Multimodal Assessment of Sleep-Wake Perception in Insomnia Disorder.” Scientific Reports, vol. 15, no. 1, June 2025, p. 19328. www.nature.com, https://doi.org/10.1038/s41598-025-00995-3

发现区分想象与现实的大脑机制

大脑如何区分真实体验与想象？伦敦大学学院的Nadine Dijkstra、Thomas von Rein、Peter Kok和Stephen M. Fleming团队通过神经影像学研究，揭示了梭状回和前额叶皮层在现实判断中的关键作用。

研究团队设计了一项巧妙的fMRI实验，要求26名参与者判断屏幕上是否出现微弱图案（实际出现概率仅50%），同时想象相同或不同方向的图案。当想象内容与预期图案一致且生动时，参与者更容易将想象误认为现实。神经影像分析显示，位于颞叶的梭状回（fusiform gyrus）活动强度直接预测现实判断：其激活越强，参与者越可能声称看到了实际不存在的图案。研究还发现前额叶皮层的前岛叶（anterior insula）与梭状回协同工作，共同完成对现实的最终判断。研究人员提出的"现实阈值模型"认为，大脑通过监测中阶视觉皮层的活动强度来区分内外源信号，这一机制异常可能导致精神疾病患者的现实判断障碍。研究为开发针对幻觉症状的干预方法提供了神经科学基础，并可能优化虚拟现实技术的真实性评估。研究发表在 Neuron 上。

#神经科学 #神经机制与脑功能解析 #心理健康与精神疾病 #计算模型与人工智能模拟 #知觉康复

阅读更多：

Dijkstra, Nadine, et al. “A Neural Basis for Distinguishing Imagination from Reality.” Neuron, vol. 0, no. 0, June 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.05.015

衰老大脑中发现新型逆转录酶编码RNA

Sanford Burnham Prebys医学研究所的Juliet Nicodemus、Jerold Chun等团队发现衰老大脑中存在数百种新型截短LINE1 RNA变异体，这些变异体编码功能多样的逆转录酶，可能为阿尔兹海默病治疗提供新靶点。

▷使用 RNAscope 技术检测衰老人类大脑中由长散播核元件 1“跳跃”而产生的新型截短 RNA 的结果。长散播核元件 1 是一种已知能够利用自身逆转录酶将自身复制粘贴到基因组其他位置的基因序列。Credit: Jerold Chun, Juliet Nicodemus, Sanford Burnham Prebys

研究团队分析了31例阿尔茨海默病患者和正常衰老大脑的皮层组织。通过酶活性检测发现所有大脑都存在RT活性，但阿尔茨海默病样本活性降低，这与神经元退化特征一致。采用PacBio HiFi长读长测序技术，团队意外发现550多种新型截短LINE1（长散播核元件1）ORF2 mRNA变异体，数量远超人类参考基因组记录。这些单顺反子（仅含一个蛋白编码区）变异体实验证实可编码功能性RT，不同变异体的酶活性差异高达50倍。空间转录组学分析显示RT活性主要存在于神经元富集的灰质区域，与神经元ORF2表达水平正相关。值得注意的是，全长双顺反子LINE1转录本在样本中极为罕见（<0.01%），且80%以上为非编码序列。

这些发现颠覆了“LINE1需完整双顺反子mRNA才能发挥功能”的传统认知，揭示了大脑中RT活性的新来源。研究为理解阿尔茨海默病进展中的体细胞基因重组提供了新视角，并支持进一步探索FDA已批准的RT抑制剂（如HIV治疗药物）的潜在治疗价值。研究发表在 The Journal of Neuroscience 上。

#疾病与健康 #神经机制与脑功能解析 #个性化医疗 #阿尔茨海默病 #逆转录酶

阅读更多：

Nicodemus, Juliet, et al. “Sequence Diversity and Encoded Enzymatic Differences of Monocistronic L1 ORF2 mRNA Variants in the Aged Normal and Alzheimer’s Disease Brain.” Journal of Neuroscience, May 2025. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.2298-24.2025

小鼠也有橡胶手错觉？

截肢患者常因假肢缺乏身体归属感而放弃使用，法国国家科学研究中心的Zineb Hayatou, Hongkai Wang等团队首次在小鼠身上复现人类橡胶手错觉现象，建立了可量化的人工肢体具身化动物模型。

▷橡胶手错觉被移植到小鼠模型上。与人类一样，小鼠的具现化可以通过同步刷动小鼠真实前肢和假肢（黄色）来实现，从而产生匹配的视觉和触觉感知。Credit: Luc Estebanez

研究团队开发了自动化小鼠橡胶手错觉模型，将3D打印前肢复制品置于可见位置，同时隐藏真实前肢。通过机械装置对两者进行同步或异步刷动（visuo-tactile stimulation，匹配视觉与触觉输入），随后用高速摄像记录小鼠对人工前肢威胁（尖锐物体下落）的凝视反应。结果显示，接受同步刺激的小鼠凝视威胁时间显著长于异步组（p<0.01），行为模式与人类橡胶手错觉完全一致。进一步实验发现，当人工前肢形态接近真实肢体时，引发的防御反应强度是立方体状物体的2.3倍，证实形态相似性显著增强具身化效果。该研究首次建立了可量化的小鼠前肢具身化行为模型，未来可通过光遗传学等技术探索相关神经回路，为开发更易被大脑"接纳"的神经假体提供理论基础。研究发表在 PLOS Biology 上。

#疾病与健康 #神经调控 #知觉康复 #脑机接口 #跨学科整合

阅读更多：

Hayatou, Zineb, et al. “Embodiment of an Artificial Limb in Mice.” PLOS Biology, vol. 23, no. 6, June 2025, p. e3003186. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003186

AI 行业动态

全球首款人脑细胞生物计算机上市，售价3.5万美元

澳大利亚初创公司Cortical Labs推出了全球首款可编程生物计算机CL1，售价每台3.5万美元。该设备将人类脑细胞与硅芯片结合，通过亚毫秒级电信号反馈回路处理信息。CL1专为神经科学和生物技术研究设计，能够实时模拟脑细胞对外界刺激的适应、学习和反应能力。伦敦大学学院理论神经科学家Karl Friston认为，CL1不仅是首个商用仿生计算机，更是研究“微型合成大脑”的重要工具。

CL1的核心是80万个实验室培养的人类神经元，这些细胞来自成年捐赠者的皮肤或血液样本，可在生命支持系统中存活长达六个月。其低能耗特性（每台设备功耗仅850-1000瓦）使其在药物研发、神经计算和AI加速等领域具有潜力。Cortical Labs首席科学官Brett Kagan表示，CL1已吸引大学、初创企业和政府机构的兴趣，尤其在癫痫和阿尔茨海默病等疾病建模方面表现突出。

CL1的前身DishBrain曾成功训练脑细胞玩经典游戏《Pong》，证明了体外神经网络的自主学习能力。如今，CL1进一步优化了生命支持系统，并将信号延迟降至亚毫秒级。Cortical Labs计划逐步提升其性能，并探索生物智能的极限。Kagan强调，尽管技术前景广阔，但用户需通过伦理审查并具备专业实验室条件才能购买设备。

#生物计算机 #神经科学 #人工智能 #药物研发 #脑机接口

阅读更多：

https://spectrum.ieee.org/biological-computer-for-sale

脑机接口新突破，Paradromics完成首例人体植入试验

神经科技初创公司Paradromics宣布其脑机接口（BCI）技术首次成功植入人体。这项手术于5月14日在密歇根大学进行，受试者是一位正在接受癫痫相关神经外科手术的患者。手术过程中，该公司的Connexus系统仅用20分钟就完成了植入和移除，成功验证了其安全记录神经活动的能力。创始人兼首席执行官马特·安格尔（Matt Angle）表示，这标志着公司正式迈入临床阶段，为即将启动的临床试验奠定了基础。

Paradromics的脑机接口系统旨在帮助严重运动障碍患者通过计算机实现交流。与其他公司不同，Paradromics专注于在单个神经元层面记录大脑活动，安格尔形象地将其比作"在体育场内外放置麦克风"的区别。虽然该系统尚未获得美国食品药品监督管理局（FDA）批准，但此次成功植入已是一项重大突破。密歇根大学的奥伦·萨格尔博士和马修·威尔西博士分别负责了手术的临床和研究部分。

作为Neuralink的竞争对手，Paradromics已筹集近1亿美元资金，并与沙特阿拉伯的Neom建立了战略合作。安格尔透露，最终的演示设备已准备就绪，公司对即将到来的临床试验充满期待。在脑机接口领域，Paradromics将与获得杰夫·贝佐斯和比尔·盖茨投资的Synchron、Precision Neuroscience等公司展开竞争，共同推动这项革命性技术的发展。

#脑机接口 #Paradromics #人体试验 #神经科技 #医疗创新

阅读更多：

https://www.cnbc.com/2025/06/02/neuralink-paradromics-human-implant.html

谷歌Gemini 2.5 Pro全面升级：横扫所有AI榜单，编程推理能力封神

谷歌最新发布的Gemini 2.5 Pro（06-05）在短短一个月内实现了全面突破，不仅碾压了自家5月发布的旧版本（05-06），还在数学、编程和推理等核心领域刷新了多项基准测试记录。新版模型在LMArena排行榜上的Elo分数提升了24分，达到1470分，稳居榜首；在WebDevArena上的表现更为亮眼，Elo评分飙升35分至1443分。此外，Gemini 2.5 Pro在GPQA和「人类最后考试」（HLE）等高难度测试中展现了顶尖的数学、科学和推理能力，同时改进了回答的创意性和格式优化。开发者可通过Google AI Studio和Vertex AI的Gemini API使用新功能，包括新增的「思考预算」功能，以更好地控制成本和延迟。

新版Gemini 2.5 Pro的性价比也备受瞩目，其输出价格仅为竞争对手o3的四分之一，而性能却全面超越Claude 4和DeepSeek-R1等主流模型。谷歌还特别优化了函数调用等功能，并维持了原有的token定价策略。数据科学家Diego的实测显示，Gemini 2.5 Pro在编写Python代码模拟交通灯系统时表现优异，生成的动画效果远超GPT 4.5、Claude Sonnet 3.7和Grok 3等模型。此外，它还能通过Three.js创建逼真的3D DNA模型，展现了强大的多领域应用潜力。

#谷歌 #Gemini2.5Pro #AI #编程 #基准测试

阅读更多：

https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/

OpenAI首次回应人机情感依赖：ChatGPT正成为用户的“虚拟朋友”

OpenAI模型行为负责人Joanne Jang近日发表文章，首次系统回应了用户与ChatGPT建立情感联系的现象。她指出，越来越多用户将ChatGPT视为“朋友”，向其倾诉、表达感谢，甚至认为它是“活的”。Joanne Jang强调，随着AI对话能力提升，这种情感纽带会进一步加深，而如何在产品设计和公共讨论中精准定义人机关系，将影响未来的发展方向。她警告，若不加思考地依赖AI满足情感需求，可能会削弱人类之间的真实互动。

文章还探讨了AI是否具有意识的复杂问题。OpenAI将意识分为“本体论意识”（AI是否真正有意识）和“感知意识”（用户如何感知AI的“生命感”）。Joanne Jang认为，前者尚无科学定论，但后者可通过社会科学研究探索。她透露，OpenAI正努力改进模型回应方式，避免过度拟人化，同时保持亲和力。例如，ChatGPT会礼貌回应“你好吗？”，但不会虚构情感或背景故事，以减少不健康依赖。

未来，OpenAI计划深化社会科学研究，评估AI对人类情感的影响，并将用户反馈融入产品设计。Joanne Jang表示，随着AI与社会的共同演化，人机关系需谨慎对待，因为它不仅反映技术使用方式，还可能重塑人际互动模式。文章最后暗示，该文可能经过AI润色，引发网友对OpenAI自身立场的调侃。

#OpenAI# #ChatGPT# #人机情感# #AI意识# #Joanne Jang#

阅读更多：

https://reservoirsamples.substack.com/p/some-thoughts-on-human-ai-relationships

AI 驱动科学

AI思考只是假象？苹果研究揭露大模型推理崩溃危机

大语言模型是否具备真实推理能力？苹果公司研究团队（包括Yoshua Bengio的兄弟Samy Bengio）通过可控解谜实验发现，当前大推理模型（LRM）在复杂度超过阈值后会出现"推理崩溃"——思考深度与问题难度呈反比，即便提供明确算法提示也无法挽救表现。

研究团队设计了汉诺塔、跳跳棋等四种可精确调节复杂度的解谜环境，系统比较思考型模型（如Claude 3.7 Sonnet with thinking）与传统模型的表现。结果显示三类鲜明区间：在简单问题中，传统模型反而更准确且节省token；中等复杂度时，思考模型凭借更长推理路径取得优势；但当圆盘数≥8（汉诺塔）等高度复杂任务时，所有模型准确率坍塌至0%。最反常的是，模型在临界点后会减少思考token使用量，恰在最需深入思考时"放弃"。

进一步分析发现，模型在简单问题上存在"过度思考"现象——早期得出正确答案后仍继续无效推理；而在复杂问题中则完全无法生成有效解。令人意外的是，即便直接提供解题算法，模型执行仍失败，暴露其验证能力的根本局限。不同谜题类型表现差异巨大：汉诺塔可连续100步无错，而过河问题仅4步即失败，推测与训练数据分布有关。

#大模型技术 #预测模型构建 #计算模型与人工智能模拟 #AI局限性

阅读更多：

Shojaee*†, Parshin, et al. The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity. 2025, https://ml-site.cdn-apple.com/papers/the-illusion-of-thinking.pdf

算法解码大脑结构与功能的奥秘

大脑连接组研究如同盲人摸象，不同方法产生矛盾结果。威尔康奈尔医学院的Keith W. Jamison、Amy Kuceyeski等研究人员开发出Krakencoder工具，成功统一多种大脑连接图谱，预测准确率提升20倍，为理解脑功能与疾病机制开辟新途径。

▷Krakencoder 的众多机械臂将大脑连接图谱进行对齐和融合，形成互补的大脑连接图谱。Credit: Keith Jamison

研究团队构建了名为Krakencoder的自动编码器（autoencoder，一种能压缩和重建数据的AI模型），整合了12种不同处理流程产生的结构连接组和功能连接组。该模型使用人类连接组计划700多人的MRI数据进行训练，通过共享潜在空间融合多源数据。结果显示，Krakencoder能根据个体结构连接组预测其功能连接组，准确度比现有方法高20倍，个体识别率提升42-54%。融合后的低维表征不仅保留了年龄、性别信息，还增强了与认知能力的相关性。团队进一步结合网络修改工具NeMo分析中风患者数据，发现预测的功能连接组能更准确地反映患者后续运动/语言评分（临床评估指标）。这种"数字孪生"方法为定位康复关键脑区提供了新思路。研究发表在 Nature Methods 上。

#疾病与健康 #神经机制与脑功能解析 #预测模型构建 #跨学科整合 #计算模型与人工智能模拟

阅读更多：

Jamison, Keith W., et al. “Krakencoder: A Unified Brain Connectome Translation and Fusion Tool.” Nature Methods, June 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41592-025-02706-2

AI预测大脑衰老轨迹，提前数年预警阿尔茨海默病

神经退行性疾病早期检测面临重大挑战，南加州大学Gengshuo Liu、Nikhil N. Chaudhari、Paul Bogdan等组成的多学科团队开发出突破性AI系统，仅需单次MRI扫描即可预测大脑未来衰老轨迹。

研究团队融合了3D扩散模型（生成高质量医学图像的人工智能技术）和ControlNet（能根据输入数据精确控制图像生成的架构）。该系统以健康成年人的单次脑部MRI为输入，通过数学框架模拟大脑随时间变化的复杂生理过程，预测出多年后的脑部影像。关键技术突破在于：模型平均体素强度误差仅15%，结构相似性指数高达93%，远超传统定性评估方法。通过FreeSurfer体积测量验证，生成图像能准确反映个体特异性脑萎缩模式，这对阿尔茨海默病风险预估具有重要价值。目前模型已展示出捕捉细微神经退行性变化的潜力，研究团队正计划扩展数据集以覆盖更广年龄范围，并寻求临床合作进行实际医疗场景验证。

#疾病与健康 #预测模型构建 #个性化医疗 #神经调控

阅读更多：

Liu, Gengshuo, et al. “Controllable Generative Model for Brain Evolution.” ICASSP 2025 - 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2025, pp. 1–5. IEEE Xplore, https://doi.org/10.1109/ICASSP49660.2025.10888742

北师大团队开放双语认知fMRI数据集，揭示语言控制神经机制

双语者如何在大脑中实现语言切换？北京师范大学认知神经科学与学习国家重点实验室郭桃梅（Taomei Guo）团队在Scientific Data 发表了包含77名中英双语者的功能磁共振成像（fMRI）数据集，同步记录了语言控制和认知控制任务的神经活动，为相关研究提供了重要资源。

研究采用双任务设计：语言控制任务要求被试根据线索用中文或英文命名图片，认知控制任务则需按不同规则判断箭头方向。所有数据采集自3T MRI扫描仪，包含高分辨率结构像（structural imaging）和任务态功能像（task fMRI），严格遵循国际通用的BIDS（Brain Imaging Data Structure）标准组织。质量控制显示，尽管语言任务因发声需求导致更多头动（平均帧位移FD=0.15mm），但时间信噪比（tSNR）仍保持优质水平（语言任务71.66±10.07，认知任务79.64±8.62）。数据集特别提供了单试次BOLD响应估计，支持动态因果建模（DCM）和表征相似性分析（RSA）等前沿方法应用。研究团队还公开了详细的行为数据和能力评估结果，使该数据集成为探索双语认知神经机制的理想平台。研究发表在 Scientific Data 上。

#认知科学 #神经机制与脑功能解析 #跨学科整合 #双语认知 #功能磁共振成像

阅读更多：

Guo, Tingting, et al. “An fMRI Dataset for Investigating Language Control and Cognitive Control in Bilinguals.” Scientific Data, vol. 12, no. 1, May 2025, p. 889. www.nature.com, https://doi.org/10.1038/s41597-025-05245-9

如何判断AI是否在撒谎？新方法测试AI解释是否真

大型语言模型的解释可能掩盖其真实推理过程，导致用户误判决策可靠性。微软与麻省理工学院CSAIL的Katie Matton、Robert Ness等研究者开发出"因果概念忠实度"评估框架，实现可解释的LLM解释真实性检测，揭示模型隐藏偏见的关键模式。

研究团队将解释评估转化为概念集对比问题。首先通过辅助LLM（如GPT-4）识别输入问题中的关键概念（如"性别""临床症状"），然后生成反事实问题（counterfactual questions）——例如将男性护理候选人改为女性，或删除关键医疗指标。通过分析主LLM（如Claude-3.5）在概念修改前后的答案变化，量化每个概念的真实因果效应。为提升效率，采用贝叶斯分层模型（Bayesian hierarchical model）联合评估多组问题数据。测试显示：在招聘场景中，GPT-3.5对女性候选人的评分系统性偏高，但其解释仅提及"工作经验"而回避性别因素；在医疗场景中，LLM会忽略影响治疗建议的关键实验室指标。该方法相比传统数值评分（如0.63忠实度）能直接定位解释漏洞，例如发现GPT-4o在63%的偏见案例中存在解释性欺骗（explanatory deception）。研究发表在 ICLR 2025 Spotlight 上。

#大模型技术 #预测模型构建 #AI伦理 #社会偏见 #医疗决策

阅读更多：

Matton, Katie, et al. Walk the Talk? Measuring the Faithfulness of Large Language Model Explanations. 2024. openreview.net, https://openreview.net/forum?id=4ub9gpx9xw

千种方案并行评估！MIT-NVIDIA算法重塑机器人决策速度

机器人如何在复杂环境中快速规划动作？麻省理工学院William Shen与NVIDIA研究院Caelan Garrett等组成的跨机构团队开发出cuTAMP算法，利用GPU并行计算能力，将多步骤运动规划时间从分钟级缩短至秒级。

▷cuTAMP 概述。Credit: arXiv (2024).

研究团队将约束感知采样（constraint-aware sampling）与并行优化结合，通过CUDA平台在GPU上同时评估数千种运动方案。算法首先生成可能满足机械约束的初始解，再通过微分优化迭代计算成本函数（包括避障、夹持角度等参数）。在模拟测试中，解决类似俄罗斯方块的复杂装箱问题仅需数秒，比串行方法快百倍；真实机械臂（UR5/Kinova）测试显示，30秒内必得可行解，且能处理非凸约束（如狭小空间多物体避障）。该系统无需预训练即可部署，已适配不同机器人平台，未来计划整合大语言模型实现语音指令规划。

#AI驱动科学 #自动化科研 #机器人技术 #并行计算 #工业自动化

阅读更多：

Shen, William, et al. Differentiable GPU-Parallelized Task and Motion Planning. arXiv:2411.11833, arXiv, 29 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2411.11833

仿生视觉传感器突破极限：弱光环境下轮廓识别准确率提升至86.7%

机器人视觉系统在变化光照条件下常面临数据过载和识别精度下降的难题。蔚山国立科学技术学院的Jong Ik Kwon团队联合韩国科学技术研究院和首尔国立大学的研究人员，开发出模拟大脑突触调节机制的新型视觉传感器，显著提升了轮廓提取效率。

▷通过可调突触光电晶体管实现传感器内多级图像调整。(A) 生物突触示意图，显示谷氨酸能对 EPSP 积累的反应及其多巴胺能调节。(B) 可调突触光电晶体管示意图，该晶体管具有光诱导光电门控效应（用于光电流积累）和栅极偏置驱动的静电门控效应（用于光电流调节）。Credit: Science Advances (2025).

研究团队设计了一种可调突触光电晶体管（adjustable synaptic phototransistors），其工作原理模仿人脑多巴胺-谷氨酸信号通路。通过栅极电压控制光电晶体管的反应强度（类似神经递质调节突触），传感器能动态适应不同光照条件：在弱光环境下增强信号，在强光下抑制过曝区域。实验显示，该系统可自主提取物体轮廓并过滤冗余背景，将数据传输量压缩91.8%，同时将语义分割准确率提升至86.7%。在自动驾驶测试中，传感器成功识别出低照度环境下的道路边界和障碍物轮廓。这种"传感器内计算"（in-sensor computing）技术避免了传统视觉系统需要将海量数据传至处理器的问题，为无人机、机器人等设备提供了实时高效的视觉解决方案。研究发表在 Science Advances 上。

#AI驱动科学 #神经调控 #自动驾驶 #仿生传感器 #边缘计算

阅读更多：

Kwon, Jong Ik, et al. “In-Sensor Multilevel Image Adjustment for High-Clarity Contour Extraction Using Adjustable Synaptic Phototransistors.” Science Advances, vol. 11, no. 18, May 2025, p. eadt6527. science.org (Atypon), https://doi.org/10.1126/sciadv.adt6527

虚拟斑马鱼突破！科学家首次完整模拟全脑神经胶质动态

卡内基梅隆大学和IBM研究中心的Reece Keller、Xaq Pitkow等团队开发出新型3M-Progress方法，通过人工代理完整复现斑马鱼的自主行为模式及其全脑神经胶质动态。

研究团队提出创新的模型记忆失配进展（3M-Progress）方法，该方法通过持续比较代理的当前感官体验与生态学先验记忆（ethological prior），驱动自然行为产生。在虚拟环境中，具身斑马鱼代理（embodied agent）通过5个自由度的关节扭矩控制游泳行为。关键突破在于，该模型不仅复现了斑马鱼"徒劳诱导被动"（futility-induced passivity）这一典型自主行为，还精确预测了全脑约300,000个细胞（含130,000神经元和130,000星形胶质细胞）的活动模式。实验显示，模型解释了90%以上的神经和星形胶质细胞活动变异，特别是揭示了侧延髓（L-MO）区域星形胶质细胞通过钙信号（calcium signaling）调控GABA能神经元抑制游泳行为的精确机制。这一成果首次建立了从内在动机到全脑神经胶质计算（neural-glial computation）的完整理论框架，为开发具有动物级自主能力的人工智能提供了新思路。

#神经科学 #计算模型与人工智能模拟 #跨学科整合 #神经机制与脑功能解析 #自主行为

阅读更多：

Keller, Reece, et al. Autonomous Behavior and Whole-Brain Dynamics Emerge in Embodied Zebrafish Agents with Model-Based Intrinsic Motivation. arXiv:2506.00138, arXiv, 30 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.00138

整理｜ChatGPT

编辑｜丹雀、存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。