追问daily | 心灵之眼的容量上限；AI发现新物理定律；大脑运动功能按动作而非身体部位进行组织；

█脑科学动态

无线电波可无创增强嗅觉

经颅直流电刺激可缓解压力对工作记忆的损害

大脑运动功能按“动作”而非“身体部位”组织，天生无手者亦然

新方法精准预测大脑发育中基因活动关键时期

新型康复系统同步刺激脊柱与髋部，提升中风患者步行速度

视觉记忆容量大于想象力，感官输入是关键

3D生物打印技术成功构建狭窄脑血管模型

短时精准电刺激大脑，可快速持久缓解抑郁症状

█AI行业动态

DeepSeek开源新模型：V3.1-Base，128K上下文

Meta重组超级智能实验室

█AI驱动科学

单张照片即可生成可动的3D宠物狗模型

石墨烯光电技术可加速脑类器官成熟

模拟狼群攻击策略，提升多智能体系统协作鲁棒性

AI发现新物理定律：纠正等离子体理论多年错误假设

评估大语言模型“过度思考”与“思考不足”的新基准

脑科学动态

无线电波可无创增强嗅觉

如何有效治疗因新冠、衰老等原因导致的嗅觉丧失？来自韩国汉阳大学（Hanyang University）和光云大学（Kwangwoon University）的Yongwoo Jang 等人，开创了一种全新的无创治疗方法。他们首次利用无线电波，成功实现了对大脑嗅觉神经的非接触式直接刺激，显著增强了嗅觉敏感度。

▷我们闻到某种气味，是因为气味分子在大脑的嗅球中产生神经信号。无线电波可以穿过前额，直接刺激相同的神经，从而提高嗅觉敏感度。Credit: Bok et al.

研究团队开发了一种简单无痛的方法，将一个小型天线放置在受试者前额附近，发射低功率的射频波。与传统电刺激技术难以穿透颅骨不同，射频波能深入大脑，直接靶向嗅觉神经。在实验中，28名健康受试者接受了仅5分钟的刺激。结果显示，他们的嗅觉敏感度得到大幅提升，嗅觉阈值测试分数从平均9.73飙升至15.88，意味着他们能分辨出浓度更低、更微弱的气味。更重要的是，这种增强效果在单次治疗后可持续一周之久。通过脑电图测量也证实，刺激后的嗅觉神经电信号活动显著增强。这项技术无需手术或化学药物，为嗅觉障碍的康复治疗，以及调香师、厨师等专业人士维持敏锐嗅觉提供了全新可能。研究发表在 APL Bioengineering 上。

#疾病与健康 #神经调控 #嗅觉障碍 #射频刺激

阅读更多：

Bok, Junsoo, et al. “Non-Contact Radiofrequency Stimulation to the Olfactory Nerve of Human Subjects.” APL Bioengineering, vol. 9, no. 3, Sept. 2025. pubs.aip.org, https://doi.org/10.1063/5.0275613

经颅直流电刺激可缓解压力对工作记忆的损害

急性压力如何损害大脑认知功能，我们又该如何干预？多特蒙德莱布尼茨工作环境研究中心（IfADo）的 Sumit Roy 及其同事进行了一系列研究。他们首先验证了一种通过观看视频诱导压力的可靠方法，随后证明了利用非侵入性脑刺激技术靶向大脑的情绪调节中枢，可以有效缓解压力对工作记忆的负面影响。

在第一项研究中，团队采用厌恶视频范式（aversive video paradigm, AVP），让78名参与者观看令人不适的视频片段，成功诱发了急性心理压力。多模态测量结果证实了这一点：参与者主观报告焦虑感上升，生理上唾液皮质醇水平升高，心率变异性降低。脑电图（EEG）分析进一步揭示，压力状态下大脑功能出现失衡，表现为有意识、目标导向的自上而下的控制减弱，而被动的、由感官驱动的自下而上的处理增强，这直接导致了工作记忆等认知能力的下降。

在后续研究中，团队探索了干预手段。他们在诱导压力后，使用经颅直流电刺激刺激了与认知和情绪相关的不同前额叶区域。结果发现，刺激负责情绪调节的腹内侧前额叶皮质时效果最为显著。该刺激不仅帮助参与者更好地专注于工作记忆任务，还成功降低了他们的皮质醇水平。研究发表在 International Journal of Clinical and Health Psychology 上。

#心理健康与精神疾病 #神经调控 #压力 #工作记忆

阅读更多：

“Multimodal Assessment of Acute Stress Dynamics Using an Aversive Video Paradigm (AVP).” International Journal of Clinical and Health Psychology, vol. 25, no. 3, July 2025, p. 100607. www.sciencedirect.com, https://doi.org/10.1016/j.ijchp.2025.100607

“Modulating Prefrontal Cortex Activity to Alleviate Stress-Induced Working Memory Deficits: A Transcranial Direct Current (tDCS) Study.” International Journal of Clinical and Health Psychology, vol. 25, no. 2, Apr. 2025, p. 100569. www.sciencedirect.com, https://doi.org/10.1016/j.ijchp.2025.100569

大脑运动功能按“动作”而非“身体部位”组织，天生无手者亦然

大脑究竟如何组织运动指令——是根据移动的身体部位，还是根据执行的动作类型？乔治城大学的 Ella Striem-Amit、Florencia Martinez Addiego 和 Yuqi Liu 等研究人员进行了一项创新性研究。他们通过对天生无手者的脑部扫描发现，大脑运动系统存在一个层级结构：高级脑区以抽象的“动作类型”为中心进行组织，这一原则超越了身体的具体形态。

▷参与者设置和配置示意图。Credit: Proceedings of the National Academy of Sciences (2025).

研究团队利用功能性磁共振成像（fMRI）技术，扫描了健全对照组和一组天生无手（以脚代手完成日常任务）的特殊参与者。结果揭示了大脑运动系统中一种清晰的分工模式。一方面，初级运动皮层严格遵循按身体部位划分的“地图”，即使用脚执行了一辈子精细任务，其大脑的相应区域也未发生重组来“模仿”手区的功能，这揭示了大脑可塑性的边界。另一方面，负责处理更复杂任务的高级运动区域，如工具使用网络，则表现出惊人的灵活性。无论参与者是用手还是用脚执行工具操作，这些脑区都会被激活。更重要的是，这种以动作类型为核心的抽象组织方式在天生无手者中同样存在，证明了它是一种无需后天“手部经验”即可形成的先天组织原则。研究发表在 PNAS 上。

#神经科学 #神经机制与脑功能解析 #大脑可塑性 #运动控制

阅读更多：

Martinez-Addiego, Florencia, et al. “Action-Type Mapping Principles Extend beyond Evolutionarily Conserved Actions, Even in People Born without Hands.” Proceedings of the National Academy of Sciences, vol. 122, no. 34, Aug. 2025, p. e2503188122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2503188122

新方法精准预测大脑发育中基因活动关键时期

传统的基因研究如同拍摄单张照片，难以捕捉生命发育的连续过程。耶鲁大学的 Mor Frank、Beatrice Borsari 和 Mark Gerstein 等研究人员开发了一种名为 chronODE 的新计算工具。该工具结合数学与人工智能，首次实现了对大脑发育过程中基因活动动态的精准建模与预测，有望为基因治疗找到最佳干预时机。

▷该图展示了如何使用逻辑曲线对时间序列基因组信号进行建模。Credit: Nature Communications (2025).

研究团队开发的 chronODE 框架，核心是利用逻辑常微分方程（ODE，一种可用于建模动态过程的数学方程）来分析小鼠大脑发育过程中的时间序列基因组数据。该方法不仅能平滑原始数据，还能捕捉基因表达从启动、加速到饱和的完整动态过程。研究发现，绝大多数基因的活动都遵循可预测的动力学模式，并可据此分为三种类型：在发育后期加速的“加速器”（accelerators）、先加速后减速的“转换器”（switchers）和持续减速的“减速器”（decelerators）。更进一步，团队训练了一个双向循环神经网络，利用染色质的动态变化来预测基因表达的相应变化。该模型成功揭示了基因调控的复杂机制，并能精确识别基因活动中的关键“转换点”或“不可逆点”。研究人员指出，抓住这个时间点进行干预，对于治疗某些遗传病可能至关重要。研究发表在 Nature Communications 上。

#AI驱动科学 #预测模型构建 #神经机制与脑功能解析 #计算生物学

阅读更多：

Borsari, Beatrice, et al. “The chronODE Framework for Modelling Multi-Omic Time Series with Ordinary Differential Equations and Machine Learning.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7021. www.nature.com, https://doi.org/10.1038/s41467-025-61921-9

新型FAST walk康复系统同步刺激脊柱与髋部，提升中风患者步行速度

步态障碍是困扰全球数百万中风幸存者的重大难题，传统康复手段效果有限。日本顺天堂大学医学院的 Toshiyuki Fujiwara 和 Mami Tani 等研究人员开发并测试了一种名为 FAST walk 的创新康复系统。该系统通过非侵入性神经调控技术，旨在更有效地帮助慢性中风患者恢复行走能力。

▷一种新型肌电图触发系统可同步脊柱和髋部刺激，改善中风患者的步态。Credit: Prof. Toshiyuki Fujiwara from Juntendo University

FAST walk 系统的核心是一种创新的双重刺激策略，它利用患者麻痹侧腿部的肌电图信号，在行走的关键时相精准触发对腰骶部脊髓和髋部伸肌的同步经皮电刺激。这种方法旨在通过激活脊髓中的运动神经回路，并利用交叉伸肌反射（crossed extensor reflex，一侧肢体屈曲时，对侧肢体伸展的反射）等生理机制，来增强下肢的协调性和行走效率。在一项随机对照试验中，研究团队将慢性中风患者分为三组，分别接受 FAST walk 疗法、单独脊髓刺激疗法或常规跑步机训练。经过五周的干预，虽然所有组的步行速度都有所改善，但只有 FAST walk 组的组内速度提升具有统计学显著性（从0.55米/秒提高到0.70米/秒）。尽管研究未能证明 FAST walk 在组间比较中具有显著优势，但其安全性和在短期内改善步态的潜力得到了证实。研究发表在 Journal of NeuroEngineering and Rehabilitation 上。

#疾病与健康 #神经调控 #中风康复 #步态改善

阅读更多：

Tani, Mami, et al. “Electromyography (EMG)-Triggered Transcutaneous Spinal Cord and Hip Stimulation for Gait Rehabilitation in Persons with Chronic Stroke: A Randomized, Controlled Trial.” Journal of NeuroEngineering and Rehabilitation, vol. 22, no. 1, July 2025, p. 154. BioMed Central, https://doi.org/10.1186/s12984-025-01690-0

视觉记忆容量大于想象力，感官输入是关键

我们的“心灵之眼”究竟有多强大？虽然想象力与记忆功能紧密相关，但其容量上限一直是个谜。诺丁汉特伦特大学的Christopher Atkin及其同事进行了一项开创性研究，首次直接比较了视觉想象与视觉记忆的容量，发现亲眼所见带来的感官信息，使得记忆能力远超纯粹的想象。

研究团队通过五项精心设计的实验，要求超过150名参与者执行一项新颖的任务：在一些试验中，他们需要短暂观看屏幕网格上的几个物体并记住其位置；而在另一些试验中，他们则需要根据指示在脑中想象出物体的位置。结果清晰地显示，人们的短期视觉记忆可以稳定地容纳3到4个项目，而视觉想象力在同时处理超过2个项目后，准确性便开始显著下降。研究人员发现，即使延长想象时间或简化物体，这种容量上的差距依然存在。该研究的核心结论是，视觉记忆的优势来源于眼睛提供的直接感官输入，这种“自下而上”的信息流为大脑提供了坚实的“脚手架”，从而增强了记忆表征的稳固性。研究团队估计，高达17-35%的视觉记忆容量直接依赖于这种感官支持。相比之下，纯粹的想象是一种“自上而下”的认知过程，由于缺乏外部感官锚点，其能维持的心理图像细节和数量都更为有限。研究发表在 Journal of Experimental Psychology: Human Perception and Performance 上。

#认知科学 #神经机制与脑功能解析 #视觉记忆 #想象力

阅读更多：

Atkin, Christopher, et al. “The Relation between the Capacities of Imagination and Visual Memory in the Short Term.” Journal of Experimental Psychology: Human Perception and Performance, 2025. APA PsycNet, https://doi.org/10.1037/xhp0001364

3D生物打印技术成功构建狭窄脑血管模型

如何安全、精确地研究中风等脑血管疾病的发病机制？釜山国立大学的Byoung Soo Kim、Min-Ju Choi与浦项科技大学的Dong-Woo Cho、Wonbin Park等研究人员合作，利用先进的3D生物打印技术，成功构建了能够模拟狭窄脑血管的体外模型，为理解血流如何引发炎症提供了有力工具。

▷突破性生物打印模型模拟狭窄脑血管，为内皮炎症和个性化治疗策略提供新见解。Credit: Professor Byoung Soo Kim from Pusan National University, Korea

研究团队首先开发了一种特殊的生物墨水，它由猪主动脉的脱细胞细胞外基质（decellularized extracellular matrix，简称dECM，保留了天然组织微环境的生物信号）与胶原蛋白、藻酸盐混合而成，既坚固又利于细胞生长。利用一种名为嵌入式3D同轴生物打印的技术，他们精确地“打印”出带有可控狭窄区域的血管通道，并在其中植入人类内皮细胞。通过计算流体动力学模拟和实验验证，该模型成功复制了动脉粥样硬化等疾病中因血管变窄而产生的紊乱血流模式。关键的发现是，在这种紊乱血流的冲击下，血管内皮细胞的炎症标志物（ICAM-1和VCAM-1）表达量显著上升。这直接证明了血管的几何结构变化所引发的物理力学改变是导致血管炎症的关键驱动因素，完美再现了疾病的关键环节。研究发表在 Advanced Functional Materials 上。

#疾病与健康 #个性化医疗 #3D生物打印 #组织工程

阅读更多：

Park, Wonbin, et al. Embedded 3D‐Coaxial Bioprinting of Stenotic Brain Vessels with a Mechanically Enhanced Extracellular Matrix Bioink for Investigating Hemodynamic Force‐Induced Endothelial Responses. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/adfm.202504276. Accessed 20 Aug. 2025

短时精准电刺激大脑，可快速持久缓解抑郁症状

脑深部刺激（DBS）是治疗重度抑郁症的有前景的疗法，但其参数优化和机制尚不明确。北京脑科学与类脑研究所的罗敏敏、袁正伟、毛之气等研究人员，开发出一种创新的抑制性DBS策略，通过短时精准刺激特定脑区，实现了快速且持久的抗抑郁效果。

研究团队将脑深部刺激与光纤光度法相结合，在抑郁症小鼠模型上，系统性地优化了针对前扣带回的电刺激参数。他们最终确定了一套能够稳定抑制神经活动的参数组合，并将其命名为抑制性DBS（i-DBS）。研究发现，对抑郁小鼠的ACC脑区进行仅2小时的i-DBS刺激，便能快速缓解其抑郁样行为，并且这种疗效能持续长达数天，展现出“短时程、长效用”的巨大潜力。作为对照，当研究人员使用另一套参数激活健康小鼠的ACC时，反而诱发了快感缺乏（anhedonia，指丧失体验快乐的能力，是抑郁症的核心症状之一）的行为。通过进一步的全脑图谱绘制，研究揭示了抑制ACC能够广泛地抑制下游多个情绪调控相关脑区的活动。这项研究为DBS疗法的参数优化提供了清晰的框架，并指明靶向抑制ACC可能是治疗抑郁症的有效新策略。研究发表在 Neuron 上。

#疾病与健康 #神经调控 #心理健康与精神疾病 #抑郁症 #脑深部刺激

阅读更多：

Yuan, Zhengwei, et al. “Optimized Deep Brain Stimulation for Anterior Cingulate Cortex Inhibition Produces Antidepressant-like Effects in Mice.” Neuron, vol. 0, no. 0, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.07.018

AI 行业动态

DeepSeek开源新模型：V3.1-Base，128K上下文

深度求索（DeepSeek）近日在Hugging Face平台开源了新基础模型DeepSeek-V3.1-Base，迅速引发全球AI开发者关注。该模型虽未以“V4”命名，但延续了DeepSeek-V3系列的混合专家（MoE）架构，参数量保持不变，同时将上下文长度扩展至128K。尽管官方未解释版本命名的具体原因，社区普遍猜测此次更新可能是为后续大型版本迭代做准备。模型发布后数小时内即登顶Hugging Face热门榜单第四名，显示出业界对其技术路线的强烈兴趣。

此次更新同步伴随线上服务的升级，深度求索悄然将用户端模型版本提升至V3.1，并优化了交互界面（例如移除了DeepThink功能的R1标识）。技术指标显示，V3.1-Base在核心能力上与V3系列保持一致，但长上下文处理能力的显著扩展，被认为更适合代码生成、长文档分析等复杂任务。部分研究人员指出，此举可能旨在巩固其在开源大模型领域的竞争力，尤其面对Claude 3.5、Llama 3.1等近期密集发布的模型。

AI社区对此次发布反应分化明显。乐观者认为这是深度求索技术路线的重要铺垫，预计将推动后续V4或R2版本的突破；但也有批评者指出，模型未在参数规模或架构创新上带来显著变革，缺乏以往版本的颠覆性。无论如何，深度求索持续开源策略再度激发了开发者生态的活跃度，而模型实际性能仍需进一步测试验证。

#DeepSeek #开源模型 #MoE #长上下文 #AI社区

阅读更多：

https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base

Meta重组超级智能实验室

Meta近日宣布对其超级智能实验室（Meta Superintelligence Labs，MSL）进行重大重组，该实验室将与公司原有的FAIR（基础AI研究）等AI部门整合为四个全新部门。这四个部门包括由Alexandr Wang领导的TBD Lab、专注于基础研究的FAIR、由GitHub前CEO Nat Friedman负责的产品与应用研究部门，以及专司AI基础设施的MSL Infra。Meta首席AI官Alexandr Wang在内部备忘录中强调，此次重组旨在围绕AI研究、基础设施、硬件、产品集成和长期超级智能目标构建更专注的组织架构，为迎接超级智能的到来做好充分准备。

值得注意的是，Meta在此次重组前已从OpenAI、Anthropic、GitHub和Google DeepMind等公司大量挖角顶尖人才，例如近期ChatGPT Agent核心开发者Zhiqing Sun（孙之清）的加入。今年6月，Meta还向Scale AI投资140亿美元，并任命其CEO Alexandr Wang为首席AI官，这一系列举动引发了行业广泛关注，甚至招致OpenAI首席执行官Sam Altman的公开指责。据《纽约时报》报道，重组后部分高管可能离职，同时Meta正考虑将第三方AI模型集成到产品中，标志着其从依赖内部开发的传统模式转向更开放的策略。

Meta CEO马克・扎克伯格已将AI和超级智能视为公司长期核心战略，首席财务官Susan Li在财报会议中透露，今年年底AI相关基础设施的资本支出可能达720亿美元。扎克伯格近期撰文称，超级智能不仅将加速人类进步，更可能开启个人赋能的新时代，赋予人们更大自主权以改善世界。这一系列动作彰显了Meta在AI领域的雄心，但内部重组与人才竞争也带来了管理挑战。

#Meta重组 #超级智能 #AI人才竞争 #AlexandrWang #扎克伯格

阅读更多：

https://www.bloomberg.com/news/articles/2025-08-19/meta-restructures-ai-group-again-in-pursuit-of-superintelligence

AI 驱动科学

单张照片即可生成可动的3D宠物狗模型

如何将心爱的宠物带入数字世界？从单张照片重建逼真的3D动物模型一直是技术难题。韩国蔚山国立科学技术研究院（UNIST）与大邱庆北科学技术院（DGIST）的Gyeongsu Cho、Changwoo Kang、Donghyeon Soon及Kyungdon Joo等研究人员，共同开发了一款名为DogRecon的创新AI框架，实现了从一张照片到可动3D宠物模型的飞跃。

▷DogRecon 预告片。左图：提出的 DogRecon 以单幅图像作为输入，重建包含纹理和形状的 3D 高斯分布。右图：利用获得的 3D 狗狗，研究人员可以将动作重新定位到现有视频中，甚至可以通过编辑在预训练场景中创建新的动画。此外，DogRecon 可以无缝应用于文本转动画的 3D 狗狗。Credit: International Journal of Computer Vision (2025).

该研究的核心在于将生成式AI与几何先验知识巧妙结合。DogRecon框架首先利用“犬类先验”（canine prior，即特定品种犬类的统计形态模型）为AI提供基础的几何指导。随后，它通过一个先进的生成模型，从输入的单张照片中“脑补”出多个不同角度的虚拟视图，有效解决了因犬类四足站姿导致的关节遮挡问题。最后，该框架采用前沿的高斯泼溅技术，将所有视图信息融合成一个精细的3D模型，能够逼真地再现犬类独特的身体曲线与毛发质感。性能评估显示，DogRecon生成的3D模型在真实感和准确度上均媲美甚至超越了需要多段视频才能完成的传统方法，且彻底解决了旧模型中常见的身体拉伸、形态失真等缺陷。这项技术不仅能让普通用户轻松为宠物创建数字分身，还可直接应用于文本驱动动画生成以及AR/VR等虚拟环境中。研究发表在 International Journal of Computer Vision 上。

#AI驱动科学 #计算模型与人工智能模拟 #3D重建 #生成式AI

阅读更多：

Cho, Gyeongsu, et al. “DogRecon: Canine Prior-Guided Animatable 3D Gaussian Dog Reconstruction From A Single Image.” International Journal of Computer Vision, June 2025. Springer Link, https://doi.org/10.1007/s11263-025-02485-5

石墨烯光电技术可加速脑类器官成熟

如何让实验室中的“迷你大脑”快速“长大”以模拟阿兹海默病等慢性脑疾病？加州大学圣地亚哥分校的Alysson Muotri、NeurANO Bioscience的Elena Molokanova及Nanotools Bioscience的Alex Savchenko等人开发了一种创新方案：利用石墨烯将光能转化为温和的电信号，安全、无创地加速脑类器官的成熟，为疾病研究和脑机交互开辟了新途径。

研究团队开发了一种名为石墨烯介导的光刺激（GraMOS）技术，其核心是利用石墨烯独特的光电特性。当光照射到石墨烯上时，它能高效地将光能转化为微弱的电信号，这种信号足以“催促”神经元生长和连接，却又不会造成损伤。研究人员将这项技术应用于由干细胞培育的脑类器官，包括那些来自阿尔茨海默病患者的模型。结果显示，经过GraMOS的长期温和刺激，这些类器官的神经网络不仅成熟得更快，连接也更强、更有序。更引人注目的是，团队将一个成熟的类器官与一个小型机器人连接。当机器人的传感器探测到障碍物时，信号会传递给类器官，类器官产生的神经活动反过来指令机器人避障，整个过程在50毫秒内完成，成功展示了活体神经组织与机器协同工作的潜力。研究发表在 Nature Communications 上。

#疾病与健康 #脑机接口 #石墨烯 #脑类器官 #神经调控

阅读更多：

Molokanova, Elena, et al. “Non-Genetic Neuromodulation with Graphene Optoelectronic Actuators for Disease Models, Stem Cell Maturation, and Biohybrid Robotics.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7499. www.nature.com, https://doi.org/10.1038/s41467-025-62637-6

模拟狼群攻击策略，提升多智能体系统协作鲁棒性

无人机群和协作机器人等AI系统在协同工作时易受攻击而瘫痪。为解决此问题，蔚山国立科学技术大学的Sunwoo Lee、Jaebak Hwang、Yonghyeon Jo和Seungyul Han团队，从狼群狩猎中获得灵感，开发出一种名为“狼群对抗性攻击”的模拟策略，并据此设计了WALL防御训练框架，旨在评估并增强多智能体系统的协作韧性。

▷《星际争霸 II》环境中狼群战斗攻击策略的可视化。Credit: arXiv (2025).

研究团队提出了一种创新的对抗性攻击框架，模拟狼群协同狩猎的策略。该攻击首先锁定一个初始AI智能体并使其失效，随后利用预测模型精准识别并依次攻击前来协助的其他智能体，从而引发连锁故障，有效瓦解整个系统的合作。为了防御此类协同攻击，团队开发了WALL（狼群对抗学习）训练框架。该框架将模拟的狼群攻击场景整合到多智能体强化学习（MARL，一种让多个智能体通过试错学习最优策略的AI技术）的训练过程中。通过反复暴露在這種复杂的攻击下，AI系统学会了不依赖特定的协作伙伴，而是发展出更灵活、更具系统性的防御策略。实验结果表明，经过WALL框架训练的AI智能体展现出极强的鲁棒性，即使在通信延迟或传感器失准等真实世界的挑战下，也能维持稳定的协作和任务性能。这一成果不仅为测试AI系统的安全性提供了新标准，也为开发更可靠的自动化技术奠定了基础。

#AI驱动科学 #机器人及其进展 #多智能体强化学习 #对抗攻击 #协作韧性

阅读更多：

Lee, Sunwoo, et al. Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning. arXiv:2502.02844, arXiv, 18 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.02844

AI发现新物理定律：纠正等离子体理论多年错误假设

如何精确描述宇宙中广泛存在的尘埃等离子体的复杂相互作用？埃默里大学的Wentao Yu、Eslam Abdelaleem、Ilya Nemenman和Justin C. Burton团队开发了一种物理定制的AI模型，该模型不仅精确推断出粒子间的相互作用力，还主动发现了新的物理机制，并纠正了该领域长期存在的理论假设。

研究团队没有采用传统的黑箱方法，而是构建了一个“物理定制机器学习”（physics-tailored machine learning, PTML）模型。该模型将物理学基本定律（如牛顿第二定律）的结构融入神经网络设计中，使其能够分别学习粒子间的相互作用、环境外力和气体阻尼。通过对实验室中尘埃等离子体的三维粒子运动轨迹数据进行训练，该模型以超过99%的惊人准确度（R² > 0.99）复现了粒子加速度。这一高精度模型带来了颠覆性的发现。首先，它揭示了一个长期存在的理论谬误：传统观点认为尘埃颗粒的电荷量与其半径成正比，但AI分析表明，这种关系并非恒定，而是受到等离子体密度和温度的共同影响。更重要的是，AI模型识别出一种全新的物理机制——由电荷与速度间的微弱耦合引发的内部反馈，这种机制解释了为何等离子体系统会持续波动，而非像经典理论预测的那样迅速耗散能量并静止下来。这一发现标志着AI从数据处理工具转变为能够生成科学假设、发现新物理定律的强大引擎。研究发表在 PNAS 上。

#AI驱动科学 #预测模型构建 #尘埃等离子体 #物理定律

阅读更多：

Yu, Wentao, et al. “Physics-Tailored Machine Learning Reveals Unexpected Physics in Dusty Plasmas.” Proceedings of the National Academy of Sciences, vol. 122, no. 31, Aug. 2025, p. e2505725122. world, www.pnas.org, https://doi.org/10.1073/pnas.2505725122

OptimalThinkingBench：评估大语言模型“过度思考”与“思考不足”的新基准

大语言模型常陷入两难：要么为解决难题而“过度思考”，在简单任务上浪费资源；要么为追求效率而“思考不足”，无法处理复杂问题。来自Meta和卡内基梅隆大学的Pranjal Aggarwal、Seungone Kim、Jack Lanchantin、Sean Welleck、Jason Weston、Ilia Kulikov和Swarnadeep Saha团队开发了一个名为OptimalThinkingBench的统一基准，旨在评估并推动能够平衡性能与效率的“最优思考”模型的发展。

研究团队构建了OptimalThinkingBench，它包含两个专门设计的子基准：OverThinkingBench（OVT-Bench），由72个领域的简单查询组成，用于衡量模型在不必要时进行冗长推理的“过度思考”倾向；以及UnderThinkingBench（UT-Bench），包含11项来自游戏、算法等领域的挑战性任务，用于评估模型在需要深度思考时“思考不足”的问题。为了量化评估，团队引入了新的指标，如思考调整后准确率（Overthinking-Adjusted Accuracy，简称OAA），并综合计算F1分数来全面评价模型的平衡能力。通过对33个主流模型的广泛测试，研究发现没有一个模型能够达到理想的平衡。例如，思考型模型在简单问题上毫无必要地生成大量中间步骤，而大型非思考型模型在复杂推理上则表现不佳。得分最高的模型o3也仅达到72.7%，这表明当前技术存在显著的改进空间。研究人员尝试了多种优化方法，但发现这些方法往往顾此失彼，进一步凸显了开发真正“最优思考”模型的挑战性。

#大模型技术 #大模型技术 #模型评估 #计算效率

阅读更多：

Aggarwal, Pranjal, et al. OptimalThinkingBench: Evaluating Over and Underthinking in LLMs. arXiv:2508.13141, arXiv, 18 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.13141

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。