追问daily | 为何大脑的神经连接无法完全预测其功能？美国40岁以下成年人记忆问题激增；

█脑科学动态

Cell：星形胶质细胞如何监听并整合神经元对话

Cell：语言基因如何帮助治疗亨廷顿舞蹈症

Nature：成纤维细胞在脑损伤修复中的双面角色

大脑导航并非依赖GPS，而是多个动态切换的“本地地图”

大脑记忆通过分级优先排序决定日常琐事的去留

美国40岁以下成年人记忆问题激增

为何大脑的神经连接无法完全预测功能？

你的睡眠好坏，或许由肠道细菌说了算

新型CRISPR平台CrAAVe-seq实现活体小鼠大脑大规模基因筛选

█AI行业动态

Meta开源代码世界模型CWM：让AI像程序员一样思考与调试

不止数学满分，通义千问连发七款模型，开启AI全家桶时代

█AI驱动科学

解码“意念控电”：脊髓电刺激如何让瘫痪患者重获运动能力

人工智能语音以假乱真，部分听感甚至比真人更具优势

大模型赋能医学推理：一项关于需求、方法与挑战的系统性综述

多模态融合新模型MFA-NRM，精准解码大脑视觉信息

脑科学动态

Cell：星形胶质细胞如何监听并整合神经元对话

星形胶质细胞长期被视为神经元的辅助角色，其在信息处理中的确切作用成谜。来自洛桑大学、日内瓦大学等机构的 Andrea Volterra, Karin Pernet-Gallay 及其合作团队，发现这些细胞并非简单地与单个神经元互动，而是作为独立的计算单元，能同时整合来自多个神经回路的信号。

▷在微观层面上，来自不同神经回路的数十个突触聚集在一个被称为“小叶”的特殊星形胶质细胞结构周围，该结构能够检测和整合多个突触的活动。右图：3D 艺术家 Rémi Greco 对真实数据集的 3D 渲染。Credit: Lucas Benoit and Rémi Greco | GIN

这项研究颠覆了经典的“三方突触模型”（tripartite synapse model，认为星形胶质细胞仅调节单个突触的活动）。研究团队结合了纳米级三维电子显微镜和双光子钙成像，深入探查了星形胶质细胞最微小的末梢结构。他们发现，被称为“小叶”（leaflets）的纳米级结构能够同时包裹来自不同神经元的多个突触，形成一个信息整合中心。这些小叶内部含有微小的内质网（endoplasmic reticulum，细胞内负责储存和释放钙离子的细胞器），当邻近的神经元活动时，会在小叶内引发局部的钙信号。更关键的是，当多个神经元同时发放信号时，这些分散的局部钙信号会融合并放大，形成一个更强、更广泛的响应。这意味着星形胶质细胞并非被动地“监听”单个对话，而是在主动整合整个网络的“合唱”，扮演着大脑活动大规模控制者的角色。研究发表在 Cell 上。

阅读更多：

Benoit, Lucas, et al. “Astrocytes Functionally Integrate Multiple Synapses via Specialized Leaflet Domains.” Cell, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.08.036

Cell：语言基因如何帮助治疗亨廷顿舞蹈症

亨廷顿舞蹈症等神经退行性疾病因蛋白质异常聚集而无药可治，但为何“语言基因”FOXP2蛋白虽有类似结构却不聚集？斯坦福大学的 Joanna Wysocka, Shady Saad, Daniel F. Jarosz 等人揭示了FOXP2的天然抗聚集机制，并成功利用该机制溶解了亨廷顿舞蹈症中的致病蛋白团块。

▷Credit: Cell (2025).

研究团队聚焦于一个悖论：为何与人类语言能力相关的FOXP2蛋白携带超长的多聚谷氨酰胺（polyglutamine或polyQ，一种易导致蛋白质聚集的重复序列），却能保持稳定。通过实验，他们发现了FOXP2的两个“护身符”：第一，它在大部分时间与DNA结合，这种物理锚定状态能有效防止蛋白质分子相互靠近和粘连；第二，在细胞分裂、蛋白脱离DNA时，细胞会为其添加一层带负电荷的磷酸盐化学外衣，通过静电排斥作用阻止其聚集。更关键的是，研究人员将这些策略应用到了导致亨廷顿舞蹈症的突变亨廷顿蛋白上。他们通过基因工程手段，给亨廷顿蛋白加上一个DNA结合标签，或模拟磷酸化的带电分子，结果惊奇地发现，这些原本顽固的、有毒的蛋白质团块竟然被有效减少，甚至完全溶解。这一发现表明，细胞自身就隐藏着溶解这些致命聚集体的能力。此外，研究还发现，与黑猩猩等物种相比，人类版本的FOXP2蛋白更不易聚集，这暗示着在人类语言的进化过程中，FOXP2可能变得更稳定，从而允许其在大脑中更安全地高水平表达。研究发表在 Cell 上。

阅读更多：

Saad, Shady, et al. “DNA Binding and Mitotic Phosphorylation Protect Polyglutamine Proteins from Assembly Formation.” Cell, vol. 188, no. 11, May 2025, pp. 2974-2991.e20. www.cell.com, https://doi.org/10.1016/j.cell.2025.03.031

大脑导航并非依赖GPS，而是多个动态切换的“本地地图”

大脑如何实现精准导航？长期以来，网格细胞被誉为大脑的内置GPS。然而，德国癌症研究中心和海德堡大学医院的 Hannah Monyer 与 Kevin Allen 等人通过小鼠实验颠覆了这一传统认知，他们发现大脑的导航系统并非固定的全局网格，而是一个能根据任务动态切换参考点的、高度灵活的本地定位系统。

▷根据网格细胞活动解码动物的运动向量。Credit: Nature Neuroscience (2025).

研究团队设计了一个精巧的导航实验，让小鼠在一个开放空间中寻找随机放置的杠杆并返回起点，同时记录其内嗅皮层中数千个神经元的活动。通过结合人工智能解码技术，他们得以实时解析大脑内部地图的运作方式。研究发现，被认为是导航坐标系的网格细胞并没有形成一个固定的全局地图。相反，它们的活动是动态且依赖于任务情境的。在寻找目标的阶段，网格细胞的内部地图以出发点为参照；而一旦小鼠找到并触碰杠杆，这张地图会在短短几秒内迅速“重置”，将杠杆的位置设为新的参照中心，从而指导其返航。这种在多个局部参考系之间快速切换的机制，表明大脑导航并非依赖单一的GPS，而是通过激活多个局部地图来灵活应对。这一发现不仅揭示了大脑进行路径整合的深层神经机制，也为理解阿尔茨海emi病等神经退行性疾病中空间定向能力受损的原因提供了新视角。研究发表在 Nature Neuroscience 上。

阅读更多：

Peng, Jing-Jie, et al. “Grid Cells Accurately Track Movement during Path Integration-Based Navigation despite Switching Reference Frames.” Nature Neuroscience, Sept. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-025-02054-6

大脑记忆通过分级优先排序决定日常琐事的去留

为何有些记忆转瞬即逝，有些却刻骨铭心？波士顿大学的 Robert M.G. Reinhart 和 Chenyang (Leo) Lin 团队通过大规模研究发现，大脑会利用重大情感事件来选择性地“拯救”与之相关的平淡记忆，这一过程遵循一种“分级优先排序”的新机制。

该研究整合了10项独立实验，涉及近650名参与者，旨在揭示记忆巩固的选择性原则。研究明确证实了两种记忆增强效应的存在：发生在重大事件之后的主动性记忆增强（proactive memory enhancement），以及发生在重大事件之前的追溯性记忆增强（retroactive memory enhancement）。研究发现这两种机制截然不同。对于事件发生后的记忆，其巩固程度直接取决于重大事件本身的情感冲击力。而对于事件发生前的记忆，其能否被“拯救”则取决于它与重大事件的“概念相似度”——例如，看到雄伟野牛（重大事件）前，在路上看到的一块颜色相似的石头（平淡记忆）就更容易被记住。

研究团队将这种新发现的机制命名为分级优先排序（graded prioritization，指大脑根据平凡记忆与关键事件的相似度来分等级地决定是否巩固该记忆）。这一过程背后的理论基础可能与行为标记（behavioral tagging，一种神经假说，认为弱记忆会留下一个临时的突触“标签”，如果附近有强事件发生，释放的可塑性蛋白可以“捕获”这个标签，从而巩固记忆）有关。这项发现不仅解决了学界长期的争论，也为未来开发改善记忆或削弱创伤记忆的干预手段提供了新的理论依据。研究发表在 Science Advances 上。

阅读更多：

Lin, Chenyang (Leo), et al. “Salient Experiences Enhance Mundane Memories through Graded Prioritization.” Science Advances, Sept. 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.ady1704

美国40岁以下成年人记忆问题激增

美国成年人的记忆与思维问题为何日益普遍？耶鲁大学医学院的 Adam de Havenon, Ka-Ho Wong 等研究人员分析了十年间的全国性调查数据，发现认知障碍问题显著增加，尤其是在40岁以下的年轻人群体中，且社会经济因素扮演了关键角色。

该研究对美国行为风险因素监测系统（Behavioral Risk Factor Surveillance System）在2013至2023年间收集的超过450万份问卷进行了回顾性分析。研究将认知障碍定义为自我报告因身体、精神或情绪问题导致在集中注意力、记忆或决策方面存在严重困难。为了更精准地分析，研究人员排除了2020年的数据以及报告患有抑郁症的参与者。

结果显示，美国成年人认知障碍的总体患病率从2013年的5.3%显著上升至2023年的7.4%。最引人注目的发现是，这一增长主要由年轻人驱动：在40岁以下的成年人中，患病率从5.1%几乎翻倍至9.7%。与此形成鲜明对比的是，70岁以上老年群体的比率反而略有下降。研究还揭示了深刻的社会经济不平等现象，家庭年收入低于3.5万美元的群体患病率高达12.6%，而收入超过7.5万美元的群体仅为3.9%。此外，几乎所有种族群体的患病率都在上升，表明这一问题具有广泛性，但已面临结构性劣势的群体受到的冲击更大。研究发表在 Neurology 上。

阅读更多：

Wong, Ka-Ho, et al. “Rising Cognitive Disability as a Public Health Concern Among US Adults.” Neurology, vol. 105, no. 8, Oct. 2025, p. e214226. neurology.org (Atypon), https://doi.org/10.1212/WNL.0000000000214226

为何大脑的神经连接无法完全预测其功能？

大脑的物理连接（即“布线图”）在多大程度上决定了其功能活动？研究人员 Sophie Dvali, Andrew M. Leifer 及其同事以拥有完整连接组图谱的秀丽隐杆线虫为模型，首次在全脑尺度上系统比较了其解剖结构与信号传播网络，发现两者存在显著差异，挑战了“结构决定功能”的传统观点。

▷秀丽隐杆线虫信号传播和解剖网络的分层模块化结构。Credit: PRX Life (2025).

研究团队选择了秀丽隐杆线虫作为研究对象，这种微小生物的神经系统仅由302个神经元构成，其完整的物理连接图谱，即连接组早已被精确绘制。研究人员首先构建了这张解剖学上的“静态地图”，然后通过先进的实验技术绘制了一幅功能上的“动态交通图”。他们使用光遗传学激活单个神经元，并同步采用钙成像观察信号如何在整个大脑中传播。通过对比这两张图谱，团队发现大脑的实际信号流并不总是沿着物理线路的预设路径。功能网络与解剖网络在许多关键特性上都表现出巨大差异。例如，网络中功能相近的神经元组成的“社区模块”与解剖上的模块边界并不重合。更令人惊讶的是，网络中被称为“富集俱乐部”（rich club，网络中连接度最高的核心枢纽节点群）的成员，在结构网络和功能网络中也大相径庭。这意味着，一个在结构上处于中心位置的神经元，在功能上未必具有同等重要的影响力。当然，功能与结构也并非完全脱节，例如负责进食的咽部神经系统，在两种网络中都表现为一个独立的整体。这一发现表明，大脑功能是结构、复杂动力学以及突触外信号传导等多种因素共同作用的结果，仅仅分析“布线图”不足以完全理解大脑的运作方式。研究发表在 PRX Life 上。

阅读更多：

Dvali, Sophie. “Diverging Network Architecture of the C. Elegans Connectome and Signaling Network.” PRX Life, vol. 3, no. 3, 2025. COinS, https://doi.org/10.1103/6wgv-b9m6

你的睡眠好坏，或许由肠道细菌说了算

是什么决定了我们的睡眠？传统观点聚焦于大脑，但华盛顿州立大学（Washington State University）的 Erika L. English 和 James M. Krueger 团队提出新见解。他们通过研究发现，源自肠道细菌的物质能天然存在于大脑中，并随睡眠周期波动，这表明我们的睡眠可能是由身体与体内海量微生物共同调节的结果，挑战了纯粹以大脑为中心的睡眠模型。

该研究颠覆了传统认知，即认为细菌成分无法轻易进入大脑。研究团队在小鼠模型中证实，一种名为肽聚糖（peptidoglycan，PG，构成细菌细胞壁网状结构的物质）的分子，天然存在于大脑的多个区域，并且其水平表现出明显的昼夜节律。具体来说，在小鼠从休息状态过渡到活跃状态时，大脑中的肽聚糖水平降至最低。为了探究肽聚糖与睡眠稳态的关系，研究人员对小鼠进行了睡眠剥夺。结果显示，睡眠剥夺会动态地改变大脑不同区域的肽聚糖含量。例如，在被剥夺睡眠6小时后，脑干和嗅球的肽聚糖水平显著升高。与此同时，RNA测序分析也发现，睡眠剥夺改变了大脑皮层中一系列与肽聚糖结合和信号传导相关的基因表达。这些发现共同指向一个革命性的结论：睡眠并非孤立的大脑活动，而是身体与体内微生物群落相互沟通、协同作用的“全生物（holobiont）”过程。这一新范式不仅为理解睡眠的进化起源提供了线索，也为开发治疗睡眠障碍的新疗法开辟了全新路径。研究发表在 Frontiers in Neuroscience 上。

阅读更多：

English, Erika L., and James M. Krueger. “Bacterial Peptidoglycan Levels Have Brain Area, Time of Day, and Sleep Loss-Induced Fluctuations.” Frontiers in Neuroscience, vol. 19, July 2025. Frontiers, https://doi.org/10.3389/fnins.2025.1608302

Nature：大脑的“建筑师”与“外交官”：成纤维细胞在脑损伤修复中的双面角色

大脑受伤后如何实现修复与炎症的平衡？这一直是神经科学领域的难题。加州大学旧金山分校（UCSF）的 Ari Molofsky 和 Nathan A. Ewing-Crystal 等研究人员，通过精密的实验揭示了此前被忽视的成纤维细胞在脑损伤愈合中扮演着从“筑墙”到“指挥”的双重动态角色。

▷（左图）小鼠中风后七天的大脑皮层。成纤维细胞（绿色）产生了胶原蛋白（粉色），在损伤处周围形成了一层保护性的疤痕层。（右图）中风后14天的同一损伤。疤痕现在包裹着整个损伤，肿胀也减轻了。一些成纤维细胞已经回到脑膜的正常位置。剩下的成纤维细胞已经转换了角色，正在募集免疫细胞来缓解炎症。Credit: Molofsky Lab, UCSF

研究团队利用小鼠的中风和创伤性脑损伤模型，发现脑膜中的成纤维细胞（fibroblasts）在损伤后会迅速响应。在损伤初期（约一周内），这些细胞会迁移至损伤区域，转变为促纤维化的肌成纤维细胞，并产生胶原蛋白形成一道保护性疤痕，有效限制了损伤范围的扩大。有趣的是，大约一周后，这些成纤维细胞会发生角色转换。它们分化成多种后期状态，开始主动调节免疫反应：一些细胞负责招募有助愈合的免疫细胞，另一些则抑制过度的炎症反应，从而在修复和炎症之间取得精妙平衡。通过单核RNA测序和空间转录组学等技术，研究人员精确描绘了成纤维细胞在不同时间和空间下的分子状态演变，并识别出TGFβ信号通路是驱动其早期形成疤痕的关键。实验证明，干扰早期的疤痕形成会加剧脑组织损失，而破坏晚期的免疫调节则会导致慢性炎症。这一发现颠覆了过去对脑损伤疤痕的单一认知，为开发分阶段、精准干预脑损伤的新疗法提供了关键靶点。研究发表在 Nature 上。

阅读更多：

Ewing-Crystal, Nathan A., et al. “Dynamic Fibroblast–Immune Interactions Shape Recovery after Brain Injury.” Nature, Sept. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09449-2

新型CRISPR平台CrAAVe-seq实现活体小鼠大脑大规模基因筛选

如何在大脑这一复杂器官中系统性地研究数千个基因的功能？传统方法受限于体外模型或低通量的体内技术。加州大学旧金山分校的 Martin Kampmann, Biswarathan Ramani, Indigo V. L. Rose 及其团队开发了一种名为CrAAVe-seq的新平台，首次实现了在活体小鼠大脑中进行高通量、细胞类型特异性的CRISPR基因筛选。

CrAAVe-seq平台巧妙地利用腺相关病毒（adeno-associated virus，简称AAV）作为“快递员”，将一个包含数千种基因编辑工具的“包裹”高效递送到小鼠大脑的数百万个细胞中。其核心创新有两点：首先，通过基因工程改造，该平台能确保基因编辑只在研究人员感兴趣的特定细胞类型（如特定神经元或星形胶质细胞）中被激活；其次，它采用了一种更高效的检测方法，通过直接测序残留在细胞内的病毒DNA来追踪每个基因编辑工具的效果，而非传统方法中复杂且昂贵的宿主基因组测序，这使得筛选规模和成本效益都得到了革命性的提升。在这项研究中，团队在每只小鼠的大脑中筛选了靶向超过5000个基因的文库，覆盖了超过250万个神经元。结果表明，该平台具有极高的可重复性和灵敏度，成功鉴定出了一批对神经元生存至关重要的基因，如Rabggta和Hspa5。这一技术突破为在更真实的生理环境下大规模探索神经退行性疾病（如阿尔茨海默病）的遗传基础铺平了道路。研究发表在 Nature Neuroscience 上。

阅读更多：

Ramani, Biswarathan, et al. “CRISPR Screening by AAV Episome-Sequencing (CrAAVe-Seq): A Scalable Cell-Type-Specific in Vivo Platform Uncovers Neuronal Essential Genes.” Nature Neuroscience, Aug. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41593-025-02043-9

AI 行业动态

Meta开源代码世界模型CWM：让AI像程序员一样思考与调试

由Yann LeCun领导的Meta FAIR研究团队近日发布并开源了全球首个专为代码任务设计的世界模型——CWM。这款拥有320亿参数的密集语言模型，颠覆了传统代码模型仅将代码视为静态文本的处理方式。CWM的核心创新在于，它能够模拟代码的动态执行过程，理解程序运行时变量状态的演变和环境反馈，使其具备了接近人类程序员的思考与调试能力。这一突破性进展让CWM在多个基准测试中表现卓越，例如在SWE-bench Verified上的得分已接近GPT-4的水平。

CWM的强大能力源于其独特的三阶段训练流程。在常规的预训练之后，研究人员引入了创新的“中期训练”阶段，使用高达5万亿tokens的“世界建模数据”对模型进行训练。这些数据包含了Python代码的执行轨迹、AI智能体在真实环境中修复错误的交互记录以及相应的自然语言描述，从而教会了模型代码执行的内在逻辑。在此基础上，模型还经过了监督微调和多任务强化学习的后训练阶段，进一步提升了其在软件工程、编程竞赛和数学推理等复杂任务上的表现。据研究人员Gabriel Synnaeve介绍，CWM可以被想象成一个“神经调试器”，能够精准追踪代码执行的每一步。

尽管CWM在性能上取得了显著成就，Meta FAIR团队也明确了其当前阶段的定位和限制。该模型目前主要面向非商业性研究，旨在推动代码理解与复杂推理领域的发展，并且由于没有经过RLHF，因此不适合作为对话机器人使用。此外，其世界建模能力目前仅支持Python语言。尽管如此，Meta FAIR选择将模型、训练细节及权重检查点完全开源，无疑为AI研究社区注入了新的活力，并为未来构建通用自动化编程助手的框架奠定了坚实基础。

阅读更多：

https://ai.meta.com/research/publications/cwm-an-open-weights-llm-for-research-on-code-generation-with-world-models/

不止数学满分，通义千问连发七款模型，开启AI全家桶时代

阿里巴巴通义团队于近日在云栖大会上发布了其新一代旗舰模型通义千问Qwen3-Max。该模型在多个领域展现出卓越性能，其“思考版”更是在AIME'25（American Invitational Mathematics Examination 25, 一项面向中学生的高难度数学竞赛）等权威数学评测中取得满分，成为首个达成此成就的国产大模型。同时，其“指令版”在真实世界代码解题能力和Agent工具调用能力方面也位列全球顶尖水平，显示出其在逻辑推理与实际应用上的双重突破。

此次发布不仅限于旗舰模型，更是一次覆盖视觉、全模态、编程等领域的“全家桶”式更新。新开源的视觉模型Qwen3-VL在多项评测中性能超越国际顶尖模型，能将手绘草图直接生成网页代码；原生端到端的全模态模型Qwen3-Omni则统一处理文本、音视频，并衍生出实时同传模型Qwen3-LiveTranslate，在嘈杂环境中依然表现出色。此外，编程模型Qwen3-Coder也通过联合训练实现了性能的显著提升。

阿里云智能集团CEO吴泳铭在会上阐述了公司的长远愿景，他认为AGI的实现已是确定性事件，而终极目标是发展出能自我迭代、全面超越人类的ASI（指远超人类智能的人工智能）。他将大模型视为下一代操作系统，并发布了旨在大幅提升计算效率的新一代基础模型架构Qwen3-Next，彰显了通义千问不仅着眼于当下的技术竞赛，更在为未来的智能时代进行战略布局。

阅读更多：

https://qwen.ai/research

AI 驱动科学

解码“意念控电”：脊髓电刺激如何让瘫痪患者重获运动能力

脊髓电刺激如何帮助瘫痪患者用意念控制肢体，来自匹兹堡大学和卡内基梅隆大学的 Josep-Maria Balaguer, Marco Capogrosso 及其团队，通过结合计算机模型、动物和人体实验，揭示了一种全新的“门控与调制”机制。

研究团队通过计算机模型预测，并由人体实验证实，脊髓电刺激（Spinal Cord Stimulation，简称SCS）产生的单个电脉冲本身是阈值下的。当患者产生运动意图时，大脑发出的微弱残存信号会像一个“垫脚石”，短暂地提升神经元电位，从而“门控”SCS脉冲，使其能够成功触发神经元放电。这意味着，神经元的放电节奏被SCS的脉冲频率所“挟持”。那么大脑如何实现主动控制呢？答案在于“调制”这一节奏。研究人员利用高密度表面肌电技术发现，当患者需要用大力时，大脑会发出更强信号，让神经元“抓住”更多SCS脉冲；反之则“跳过”更多脉冲，通过这种“脉冲跳跃”（Pulse Skipping）的机制来精细调节肌肉力量。此外，研究还发现损伤越严重，能够实现自主控制的有效刺激参数窗口就越窄，这为临床治疗的局限性提供了理论解释。研究发表在 Neuron 上。

阅读更多：

Balaguer, Josep-Maria, et al. “Neural Mechanisms Underlying the Recovery of Voluntary Control of Motoneurons after Paralysis with Spinal Cord Stimulation.” Neuron, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.08.023

人工智能语音以假乱真，部分听感甚至比真人更具优势

人工智能生成的声音能否骗过人类的耳朵？伦敦大学玛丽皇后学院的 Nadine Lavan, Carolyn McGettigan 及其同事进行的一项新研究揭示，AI语音技术已发展到足以生成与真人声音无异的“语音克隆”，并且在某些社会特质感知上（如支配性）甚至超越了真人。

研究团队设计了一项听觉感知实验，让参与者评估三类声音：真实的人类录音、模仿特定真人的AI语音克隆，以及由大型声音模型直接生成的通用AI声音。参与者需要判断声音的真实程度，并对其所传达的可信度（trustworthiness）和支配性（dominance，指声音听起来是否自信、有影响力）进行打分。

结果表明，AI语音克隆的逼真度已达到与真人录音无法区分的水平，使听众在辨别真伪时感到困难。然而，与AI生成的人脸图像中观察到的“超现实效应”（hyperrealism effect，即AI图像比真人照片更被认为是“人”）不同，AI语音尚未达到这一阶段。在社会特质方面，一个有趣的发现是，无论是语音克隆还是通用AI声音，在听众感知上都比真人声音更具支配性。此外，部分AI语音在可信度方面的评分也超过了真人。研究发表在 PLOS One 上。

阅读更多：

Lavan, Nadine, et al. “Voice Clones Sound Realistic but Not (yet) Hyperrealistic.” PLOS ONE, vol. 20, no. 9, Sept. 2025, p. e0332692. PLoS Journals, https://doi.org/10.1371/journal.pone.0332692

大模型赋能医学推理：一项关于需求、方法与挑战的系统性综述

大型语言模型如何才能真正成为医生的“智慧助手”？来自香港理工大学的 Qi Peng, Qing Li 及同事主导完成了一项全面的综述，旨在系统梳理LLM在医学推理中的应用现状、挑战与未来方向。该研究首次提出了一个五级能力框架和双视角对齐模型，为AI在临床领域的落地提供了清晰的路线图。

研究团队首先提出了一个创新的五级医学推理能力框架，该框架借鉴了医学教育领域的米勒金字塔（Miller’s Pyramid），将模型能力从基础的知识识别（Level 1）逐步提升至信息分类、因果诊断、决策支持，最终达到动态交互与复杂场景管理（Level 5）。为验证此框架，团队构建了一个包含5,000条样本的标准化基准数据集，并对18个前沿模型进行了全面评测。评测结果揭示了一个重要趋势：医学专用模型在诊断等垂直任务上表现出色，而通用大模型则在决策支持、对话交互和内容总结方面更具优势。该研究还系统回顾了当前主流的AI推理技术，包括思维链、检索增强生成以及更前沿的智能体推理（Agentic Reasoning）。同时，文章也直面了四大核心挑战：高质量医学数据的稀缺、模型产生“幻觉”的风险、推理过程缺乏证据溯源与临床可解释性，以及模型输出结果的不确定性难以控制。

阅读更多：

Peng, Qi, et al. Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning. www.techrxiv.org, https://www.authorea.com/users/966100/articles/1334596-aligning-clinical-needs-and-ai-capabilities-a-survey-on-llms-for-medical-reasoning. Accessed 25 Sept. 2025

多模态融合新模型MFA-NRM，精准解码大脑视觉信息

如何更准确地从大脑活动中解码人们所见的视觉内容？针对多模态信息融合中的“对齐模糊”难题，电子科技大学的 Wei Huang, Hengjiang Li, Kaiwen Cheng, Huafu Chen 等研究人员，提出了一种名为MFA-NRM的新型表征学习模型，通过高效融合图像与文本信息，显著提升了大脑视觉信号解码的精度与语义丰富度。

该研究的核心在于解决以往解码模型在整合不同来源（如图像和文本）信息时产生的语义不一致问题。研究团队设计的MFA-NRM模型，采用了一个基于变分自编码器（Variational Autoencoder，VAE）和自注意力机制的融合模块。该模块能将图像的视觉特征和文本的语义特征映射到一个统一的潜在空间中，再通过对比学习的方式，将其与功能性磁共振成像（fMRI）捕捉到的大脑神经活动进行精准对齐。这一方法有效克服了“对齐模糊”，生成了语义信息更丰富的神经表征。为了验证模型性能，研究人员在大型的自然场景数据集（Natural Scenes Dataset，NSD）上进行了测试。结果显示，与传统的单模态方法相比，MFA-NRM在识别任务上的表现提升了18.8%，分类任务提升了4.30%。更重要的是，与缺少该核心融合模块的其他多模态方法相比，其识别和分类性能分别大幅提升了33.59%和4.26%。此外，该模型还引入了提示技术，使其能够适应个体差异，增强了跨被试的泛化能力。这项成果为开发更精确的脑机接口和深入理解大脑信息处理机制开辟了新路径。研究发表在 Information Fusion 上。

阅读更多：

“MFA-NRM: A Novel Framework for Multimodal Fusion and Semantic Alignment in Visual Neural Decoding.” Information Fusion, vol. 127, Mar. 2026, p. 103717. www.sciencedirect.com, https://doi.org/10.1016/j.inffus.2025.103717

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。