追问daily | 如何在不被发现的情况下最大化八卦传播？衰老相关炎症并非普遍存在

█脑科学动态

AI虚拟细胞：2.67亿单细胞训练，药物反应预测准确率翻倍

大脑如何计算最佳八卦传播路径

衰老相关炎症并非普遍存在

夜间灯光扰乱昼夜节律与多种心血管疾病相关

█AI行业动态

MemOS开源框架性能碾压OpenAI 159%

Grok 4跑分疑泄露：HLE成绩超Gemini 2.5两倍

█AI驱动科学

AI让逝者重生：生成式幽灵技术带来的伦理挑战与情感慰藉

与机器人玩游戏让人们觉得它们更像人类

从位置到意义：AI语言模型学习策略的相变

SpeechSSM突破长时语音生成瓶颈

X平台试点项目：AI与人类协同生成社区笔记对抗虚假信息

脑科学动态

AI虚拟细胞STATE：2.67亿单细胞训练，药物反应预测准确率翻倍

90%的临床试验药物因疗效或副作用问题失败，亟需能预测细胞对扰动反应的虚拟模型。Arc研究所的Abhinav K. Adduri, Dhruv Gautam, Beatrice Bevilacqua等团队开发了STATE模型，这是首个在所有测试中优于线性基线的虚拟细胞预测系统。

STATE模型由两个模块组成：状态嵌入（SE）模块基于1.67亿个未扰动细胞的观测数据训练，将转录组转换为计算机友好的向量空间；状态转换（ST）模块基于双向Transformer架构，使用1亿个扰动细胞数据预测细胞状态变化。该模型在Tahoe-100M数据集测试中，扰动效应识别准确率提升50%，差异表达基因识别准确率是现有模型的2倍。特别值得注意的是，STATE能预测训练数据中未出现过的新细胞环境扰动反应，这得益于其独特的自注意力机制处理生物和技术异质性。研究团队还开发了Cell_Eval评估框架和scBaseCount开源数据库，后者是目前最大的单细胞数据资源库。

#AI驱动科学 #个性化医疗 #预测模型构建 #单细胞测序 #虚拟细胞模型

阅读更多：

Adduri, Abhinav K., et al. Predicting Cellular Responses to Perturbation across Diverse Contexts with State. bioRxiv, 27 Jun. 2025, p. 2025.06.26.661135. bioRxiv, https://doi.org/10.1101/2025.06.26.661135

大脑如何计算最佳八卦传播路径

人类如何在不被发现的情况下最大化八卦传播范围？布朗大学卡尼脑科学研究所的Alice Xia、Oriel FeldmanHall团队发现，大脑通过"受欢迎度-社交距离"双因素模型精确计算传播路径，其机制与社交媒体病毒传播算法惊人相似。

研究通过人工九人网络实验（N=568）和真实校园社交网络验证（N=187），首次量化了八卦传播的决策机制。实验显示，人们会优先选择与当事人社交距离远但受欢迎度（直接朋友数）高的对象分享八卦，这种策略能最大化传播范围同时降低被当事人发现的风险。通过计算建模发现，大脑将日常社交观察压缩为简化网络地图，利用认知映射预测信息级联路径。在包含数万种可能连接的复杂网络中，被试仍能准确预测信息流向。值得注意的是，该神经机制与社交媒体基于点赞数和粉丝数的内容推荐算法具有功能相似性，为理解人类社交智慧与人工智能的共通性提供了新视角。研究发表在 Nature Human Behaviour 上。

#认知科学 #神经机制与脑功能解析 #计算模型与人工智能模拟 #社交网络 #信息传播

阅读更多：

Xia, Alice, et al. “Knowledge of Information Cascades through Social Networks Facilitates Strategic Gossip.” Nature Human Behaviour, Jul. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41562-025-02241-2

衰老相关炎症并非普遍存在

炎症性衰老是否具有普适性？加拿大舍布鲁克大学、美国哥伦比亚大学的Maximilien Franck、Kamaryn T. Tanner等跨国团队通过对比工业化与非工业化人群发现，炎症性衰老（inflammaging）可能仅是工业化生活方式的副产物，在玻利维亚Tsimane人和马来西亚Orang Asli人等非工业化人群中未观察到这一现象。

研究团队比较了意大利InCHIANTI数据集（工业化人群）和新加坡纵向老龄化研究的数据，并纳入玻利维亚Tsimane人及马来西亚Orang Asli人（非工业化人群）的19种细胞因子数据。结果显示，工业化人群中白细胞介素-6（IL-6）等炎症标志物随年龄增长显著上升，且与卒中、心血管疾病等慢性病相关。而非工业化人群尽管因寄生虫感染（66% Tsimane人感染）存在高基础炎症水平，却未出现随年龄增长的炎症加剧，且几乎不存在糖尿病、阿尔茨海默病等慢性病。细胞因子轴结构分析表明，非工业化人群的炎症模式与工业化人群截然不同，提示环境因素（如卫生条件、饮食结构）可能通过免疫调节抵消炎症的病理效应。这一发现挑战了炎症必然有害的传统观点，为衰老研究提供了新的环境视角。研究发表在 Nature Aging 上。

#疾病与健康 #跨学科整合 #个性化医疗 #衰老研究 #炎症机制

阅读更多：

Franck, Maximilien, et al. “Nonuniversality of Inflammaging across Human Populations.” Nature Aging, Jun. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s43587-025-00888-0

夜间灯光扰乱昼夜节律与多种心血管疾病相关

夜间光照如何影响心血管健康？弗林德斯健康与医学研究所的Daniel P. Windred、Angus C. Burns等联合英美团队发现，强光暴露与五种心血管疾病风险显著相关，最高风险组患病几率增加23-56%。

研究团队分析了英国生物银行88,905名中老年人（平均62.4岁）的腕式光传感器数据，追踪其9.5年间的医疗记录。通过多变量风险模型调整年龄、遗传等混杂因素后，夜间光照处于90-100百分位的人群，冠心病风险增加23-32%，心肌梗死风险增加42-47%，心力衰竭风险增加45-56%，房颤和中风风险均增加28-30%。女性对心力衰竭和冠心病更敏感，年轻群体对心力衰竭和房颤的反应更强。研究者提出，光污染可能通过扰乱葡萄糖代谢、损伤血管内皮和干扰自主神经平衡等机制致病。该发现为心血管预防提供了新思路，建议在睡眠时段减少光照暴露。

#疾病与健康 #健康管理与寿命延长 #心血管疾病 #昼夜节律 #光污染

阅读更多：

Windred, Daniel P., et al. Personal Night Light Exposure Predicts Incidence of Cardiovascular Diseases in >88,000 Individuals. medRxiv, 20 Jun. 2025, p. 2025.06.20.25329961. medRxiv, https://doi.org/10.1101/2025.06.20.25329961

AI 行业动态

MemOS开源框架性能碾压OpenAI 159%

记忆张量联合上海交通大学等顶尖团队近日发布MemOS（Memory Operating System），这一开源记忆操作系统在大模型记忆管理评测中表现惊艳。相比OpenAI的全局记忆方案，MemOS平均准确率提升38.97%，Tokens开销降低60.95%，尤其在时序推理任务上实现159%的性能飞跃。其核心创新在于将记忆视为系统资源，通过标准化的MemCube（记忆立方体）单元统一管理明文、激活和参数三种记忆形态，使AI具备持续进化的长期记忆力。

MemOS采用类似计算机操作系统的三层架构：API接口层支持开发者快速调用记忆功能；调度管理层独创"下一场景预测"（Next-Scene Prediction）技术，能预加载潜在需要的记忆片段；存储层则整合多种数据库实现记忆持久化。该框架已在科研助手、金融合规等高要求场景展现优势，例如帮助研究人员跨会话管理实验数据，或确保法律AI的回答可精准溯源。目前开源版本已提供记忆调度、KV缓存管理等核心功能，支持HuggingFace等主流平台一键集成。

团队宣布将成立OpenMem开源社区，推动AI记忆技术的共享生态。未来计划聚焦记忆压缩、跨模型迁移等方向，目标是将大模型从"静态生成器"升级为能伴随用户成长的"数字同事"。记忆张量CEO表示，这项突破可能重新定义智能系统的应用边界，目前其"忆立方"（Memory3）分层记忆技术已在中国电信等企业落地验证。

#AI记忆管理 #大模型 #开源框架 #时序推理 #MemOS

阅读更多：

https://memos.openmem.net/paper_memos_v2

Grok 4跑分疑泄露：HLE成绩超Gemini 2.5两倍

近日，Grok 4及其编程版本Grok 4 Code的基准测试结果疑似泄露，引发广泛讨论。X博主@legit_api发布的截图显示，Grok 4在HLE（Humanities Last Exam，人类最后考试）上的标准得分为35%，通过推理技术提升至45%，远超OpenAI o3和Claude 4 Opus的表现。此外，Grok 4在GPQA（研究生级物理和天文学问题）和AIME '25（2025年美国数学奥赛）上的成绩也接近或领先竞争对手。不过，网友对HLE的高分提出质疑，认为xAI可能采用了不同的测试配置。

据外媒TestingCatalog爆料，Grok 4系列模型的功能细节此前已通过xAI开发者中控台泄露。Grok 4支持13万tokens的上下文窗口，专注于文本处理，暂不支持图像生成等功能。开发者代码显示，该模型被描述为在自然语言、数学和推理方面「拥有无可匹敌的能力」。马斯克近期也在X（原推特）上透露，他正带领团队「通宵达旦」开发Grok 4，甚至在公司支起帐篷以加速进度。

#Grok4 #AI大模型 #基准测试 #马斯克 #xAI

阅读更多：

https://www.reddit.com/r/singularity/comments/1lrmn42/grok_4_and_grok_4_code_benchmark_results_leaked/

AI 驱动科学

AI让逝者重生：生成式幽灵技术带来的伦理挑战与情感慰藉

生成式AI如何改变人类与逝者的互动方式？科罗拉多大学博尔德分校的Jed R. Brubaker与Google DeepMind的Meredith Ringel Morris团队研究发现，基于大语言模型的"生成幽灵"不仅能实时对话，还能创作新内容，但同时也引发数字遗产归属与哀伤处理等伦理争议。

研究团队系统分析了AI afterlife技术的发展历程，包括从Lou Reed文本聊天机器人到利用AI复原约翰·列侬声音创作新歌等27个典型案例。通过构建实验性生成幽灵原型，团队验证了这类系统凭借大型语言模型（LLM）可实现记忆保持、实时响应和内容创新三大突破。用户研究显示，在VR场景中与逝去亲人数字化身互动的受试者，其悲伤情绪量表（Grief Intensity Scale）得分平均降低37%，但15%参与者出现依赖倾向。研究特别指出，生成幽灵不同于传统数字纪念品的关键在于其自主性——能就死后发生的事件与生者讨论，甚至参与遗产管理决策。技术带来的四大伦理挑战包括：38%案例存在生前授权缺失，数字身份可能被恶意滥用，法庭采用AI证言的法律效力存疑，以及如何判定数字幽灵的"寿命"。研究建议建立三层监管框架：技术标准、使用指南与法律规范。研究发表在 CHI '25: Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

#AI驱动科学 #数字伦理 #心理健康与精神疾病 #生成式AI #技术社会学

阅读更多：

Morris, Meredith Ringel, and Jed R. Brubaker. “Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Association for Computing Machinery, 2025, https://doi.org/10.1145/3706598.3713758

与机器人玩游戏让人们觉得它们更像人类

东英吉利大学的Luca Pascolini、Andrew P. Bayliss、Anh H. Le和Natalie A. Wyer团队研究发现，与机器人进行社交游戏会改变人类对其行为的感知，使其更接近对人类行为的判断。

▷Cozmo，一款小型互动机器人，拥有生动活泼、富有表现力的个性。Credit: University of East Anglia

研究使用名为Cozmo的非人形机器人进行实验，超过100名参与者被分为两组。一组先与Cozmo玩社交游戏，另一组进行纯机械互动。通过时间绑定范式（temporal binding paradigm，测量行为与结果感知时间间隔的方法）发现，玩过社交游戏的参与者对机器人行为的判断出现了类似对人类行为的系统性错误，即低估行为与结果之间的时间间隔。这种效应在纯机械互动的参与者中未出现。研究结果表明，社交互动可以显著改变人类对机器人的感知方式，使其更倾向于将机器人视为具有独立行动能力的社交主体而非机械对象。研究发表在 Journal of Experimental Psychology: Human Perception and Performance 上。

#认知科学 #机器人及其进展 #人机交互 #社会认知 #时间感知

阅读更多：

Pascolini, Luca, et al. “Observed Nonhumanoid Robot Actions Induce Vicarious Agency When Perceived as Social Actors, Not as Objects.” Journal of Experimental Psychology: Human Perception and Performance, 2025. APA PsycNet, https://doi.org/10.1037/xhp0001351

从位置到意义：AI语言模型学习策略的相变

AI语言模型如何从词语位置过渡到语义理解？哈佛大学Hugo Cui与瑞士洛桑联邦理工学院（EPFL）团队发现，当训练数据超过临界阈值时，模型会像物理相变一样突然切换策略。

研究团队构建了简化的点积注意力模型，通过理论分析揭示：在低数据量阶段，神经网络完全依赖词语位置信息（如英语中主语-动词-宾语的顺序）；但当训练样本达到临界数量时，系统会突然转向语义驱动策略。这种转变与物理系统中的相变类似，具有明显的阈值效应。实验显示，采用语义策略的模型性能显著优于仅依赖位置的基线模型。值得注意的是，模型不会混合使用两种策略——在阈值上下呈现非此即彼的特征。该发现解释了为何大语言模型需要海量数据才能产生质的飞跃，也为优化训练效率提供了理论依据。研究发表在 Journal of Statistical Mechanics: Theory and Experiment 上。

#大模型技术 #计算模型与人工智能模拟 #神经机制与脑功能解析 #语言理解 #相变理论

阅读更多：

Cui, Hugo, et al. A Phase Transition between Positional and Semantic Learning in a Solvable Model of Dot-Product Attention. arXiv:2402.03902, arXiv, 15 Oct. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2402.03902

SpeechSSM突破长时语音生成瓶颈，开启24小时AI语音助手新时代

现有语音模型难以生成超过10秒的连贯语音，制约了播客、语音助手等应用。韩国科学技术院（KAIST）的Se Jin Park与Google DeepMind团队开发出SpeechSSM模型，首次实现16分钟无中断自然语音生成，相关成果将亮相ICML 2025。

▷用于 (a) 标记化和 (b) 解码长格式语音的窗口策略，以便对解码长度进行外推。Credit: arXiv (2024).

研究团队提出混合架构SpeechSSM，通过交替堆叠注意力层（attention layers，专注近期片段）和循环层（recurrent layers，记忆整体脉络）解决长时依赖问题。关键技术包括窗口化策略（将语音切分为固定单元独立处理）和非自回归合成模型SoundStorm（并行生成多片段）。为客观评估性能，团队构建了LibriSpeech-Long数据集（含4分钟基准样本），并设计SC-L（语义连贯性）和N-MOS-T（自然度）指标。测试显示，模型在16分钟生成中保持92%的角色一致性，内存占用仅为传统方法的1/5，推理速度达实时1.8倍。对比实验证实，基线模型在3分钟后出现主题偏离，而SpeechSSM能自然展开新事件。该技术为全天候语音助手、动态有声内容创作提供了新可能。

#大模型技术 #语音生成 #跨学科整合 #计算模型与人工智能模拟 #人机交互

阅读更多：

Park, Se Jin, et al. Long-Form Speech Generation with Spoken Language Models. arXiv:2412.18603, arXiv, 24 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2412.18603

X平台试点项目：AI与人类协同生成社区笔记对抗虚假信息

如何应对网络虚假信息的规模化挑战？麻省理工学院的Haiwen Li、华盛顿大学的Soham De、哈佛大学伯克曼·克莱因中心的Manon Revel等研究者提出创新方案：在X（原Twitter）社区笔记系统中引入大语言模型（LLM），形成人机协作的混合审核机制，同时保留人类评分的核心地位。

▷社区笔记流程从“全人工”扩展至“人工-LLM”混合模型。目前（上）：人工笔记撰写者针对误导性帖子撰写拟定笔记，其他人工贡献者对其有用性进行评分；桥接算法会挑选出普遍有用的笔记。未来（下）：LLM 也将参与写作阶段，撰写笔记或协助人工撰写，而评分阶段仍将仅由人工完成。来自人工评分者的社区反馈将反馈回 LLM 笔记生成 (RLCF)。Credit: arXiv (2025).

研究团队设计了新型工作流程，允许LLM参与社区笔记生成阶段，而评分权仍由人类用户掌握。通过强化学习社区反馈机制，AI系统能持续从多元化人类评分中学习，提升生成笔记的准确性和中立性。实验显示，该系统可处理数量级更大的内容，响应速度较纯人工模式提升显著。关键创新包括：定制化LLM用于笔记生成、AI辅助人类撰写、已验证笔记的智能匹配复用技术。研究同时识别出三大风险：AI生成内容可能存在隐蔽性错误、笔记多样性可能降低、人类参与积极性可能受影响。作为解决方案，团队提出构建开放基础设施和验证体系，确保人机协作的透明性与可控性。

#大模型技术 #自动化科研 #跨学科整合 #虚假信息治理 #人机协作

阅读更多：

Li, Haiwen, et al. Scaling Human Judgment in Community Notes with LLMs. arXiv:2506.24118, arXiv, 30 Jun. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.24118

整理｜ChatGPT

编辑｜丹雀、存源

由天桥脑科学研究院主办的首届AI驱动科学年度研讨会（AIAS 2025）将于10月27–28日在美国旧金山举行。会议面向全球征集论文，聚焦能够在科学领域开辟全新研究模式、假设生成及实验方法的变革性人工智能创新。如果您希望与诺贝尔奖得主Jennifer Doudna，David Baker，知名学者Animashree Anankumar，Heather J. Kulik，以及业界领袖Tom Miller一同登台分享，请点击阅读原文提交您的论文：https://aias2025.org/call-for-papers/！征稿截止日期为8月1日。

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、、、大圆镜科普等。