追问daily | 为何越老越难变通？DeepSeek推理分裂出多重人格，左右脑互搏越来越聪明

█ 脑科学动态

新型减肥药停药后体重反弹速度显著快于行为干预

为何越老越难变通？

错位的大脑神经元仍能执行关键感觉功能

氧化应激与机械力都可以破坏神经纤维

将MRI变为“定量显微镜”：非侵入性检测脑白质微观损伤的新突破

主动用脑的“坐姿”有益大脑健康

自闭症患者独特的惯用手与大脑运动模式

█ AI行业动态

FDA批准首款居家处方级神经调控系统

GPT-5.2 Pro独立攻克45年数学难题，全程零失误

首个通用游戏Agent COTA，大模型玩游戏思维链全程可见

X推荐算法：0人工干预，Grok同源架构如何决定你的流量命运？

█ AI驱动科学

Nature：“集体智能”AI系统MOSAIC，实现高成功率化学合成预测

AI模型在实验室安全知识方面存在严重不足

AI模型揭示ALS脊髓回路退化机制与治疗窗口

机器学习精准预测抗抑郁药疗效并区分安慰剂效应

DeepSeek推理分裂出多重人格，左右脑互搏越来越聪明

脑科学动态

新型减肥药停药后体重反弹速度显著快于行为干预

被称为“减重神药”的GLP-1类药物虽然效果显著，但停药后的复胖问题一直备受关注。为了量化这一风险并对比不同干预手段的长期效果，Sam West、Jadine Scragg、Paul Aveyard及其团队（牛津大学）对全球范围内的相关研究进行了大规模系统回顾。这项涉及近万人的分析揭示了减肥药物停药后体重和健康指标迅速回升的严峻现实，挑战了短期药物治疗即可长期获益的观念。

该研究团队对37项试验、共9341名参与者的数据进行了深入的荟萃分析。结果显示，虽然药物干预在治疗期间带来的平均减重效果优于行为管理，但停药后的反弹速度却惊人。总体而言，停止药物治疗后，患者平均每月体重回升0.4公斤。特别是对于司美格鲁肽（semaglutide）和替尔泊肽（tirzepatide）等新型高效药物，反弹速度更是高达每月0.8公斤，这意味着患者在停药后仅需约1.5年就会完全恢复到治疗前的体重。与此同时，药物带来的心血管代谢益处（如血压、血糖改善）也会在停药后1.4年内消失殆尽。相比之下，传统的行为体重管理计划（BWMP）虽然起效较慢，但停止干预后的反弹速度仅为每月0.1公斤，回归初始体重需要近4年时间。研究人员指出，这可能是因为行为干预教会了患者控制体重的技能，而药物仅在生理上抑制了饥饿感。这一发现提示，对于肥胖这种慢性复发性疾病，药物治疗可能需要长期持续，或需结合生活方式干预以维持疗效。研究发表在 BMJ 上。

#疾病与健康 #健康管理与寿命延长 #肥胖 #GLP-1 #公共卫生

阅读更多：

West, Sam, et al. “Weight Regain after Cessation of Medication for Weight Management: Systematic Review and Meta-Analysis.” BMJ, vol. 392, Jan. 2026, p. e085304. Research. www.bmj.com, https://doi.org/10.1136/bmj-2025-085304

为何越老越难变通？大脑白质结构退化导致老年人适应新环境能力下降

为什么随着年龄增长，人们在适应新环境或任务切换时会感到越来越吃力？阿肯色大学的Tatiana Wolfe及其同事通过分析成年期不同阶段的大脑结构变化，揭示了潜在于适应性行为改变背后的神经机制。研究团队发现，与行为适应性相关的大脑结构完整性在老年群体中起着至关重要的作用，而这种依赖性在年轻人中并不明显。

▷ 在所有与行为适应性相关的脑结构中，这组结构与老年人的功能表现相关，但与年轻人的功能表现无关。因此，行为适应性的年龄相关变化可能反映在这些结构的完整性上。颜色代表相关的认知功能。AF，弓状束；UF，钩束；CTh，皮质丘脑投射；Cing，扣带束。Credit: Wolfe et al., 2025

研究团队首先通过分析既往神经影像学研究，确定了负责环境适应能力的大脑区域，并利用人类连接组计划的数据识别出连接这些区域并促进适应性行为的白质结构。随后，研究人员使用来自英国生物银行（UK Biobank）的独立成像数据集，重点考察了这些结构的生物学特征如何随时间变化。研究聚焦于认知灵活性，即大脑在不同任务间切换或更新环境信息的能力。结果显示，老年人的适应性行为高度依赖于特定的白质纤维束，而这些结构中的髓鞘——一种包裹神经纤维以加速信号传递的绝缘物质——会随着年龄增长而发生退化。这种髓鞘相关特征的恶化与成年后期出现的行为适应性缺陷密切相关，表明大脑连接性的改变是老年人适应能力下降的自然基础。研究发表在 eNeuro 上。

#疾病与健康 #神经机制与脑功能解析 #阿尔茨海默病 #触觉感知 #Tau蛋白

阅读更多：

Wolfe, Tatiana, et al. “Population-Level Age Effects on the White Matter Structure Subserving Cognitive Flexibility in the Human Brain.” eNeuro, Jan. 2026. Research Article: New Research. www.eneuro.org, https://doi.org/10.1523/ENEURO.0179-25.2025

错位的大脑神经元仍能执行关键感觉功能

大脑的结构是否严格决定了其功能？长久以来，科学界认为神经元必须各就各位才能行使职权。然而，Sergi Roig-Puiggros 和 Denis Jabaudon 及其团队（日内瓦大学）的一项突破性研究挑战了这一假设。他们发现，即使神经元位于大脑中的错误位置，它们不仅能存活，还能完全接管正常大脑皮层的功能，这揭示了大脑惊人的适应性和重组能力。

▷ 下丘脑神经元重现了皮层神经元的分子和空间特性。Credit: Nature Neuroscience (2025).

研究团队通过观察患有“异位症”（heterotopias）的小鼠——一种导致神经元在大脑皮层下方形成异常簇的畸形——展开了研究。利用 *Eml1* 基因敲除模型，研究人员发现这些错位的神经元形成的感觉回路与正常皮层几乎完全相同。在涉及区分胡须的精细感觉任务中，当研究人员暂时抑制小鼠正常皮层的活动时，小鼠依然表现正常；这表明错位的神经元已经“接管”了工作。相反，若抑制这些异位神经元，小鼠则无法完成任务，证实了这些“违章建筑”内的神经元已成为感觉处理的核心。正如研究人员所比喻，这就像把整个社区搬迁后，居民仍与城市其他部分保持原有的联系。这一发现意味着，在再生医学中，神经移植物或脑类器官可能无需完美复制天然脑结构即可发挥疗效。研究发表在 Nature Neuroscience 上。

#疾病与健康 #神经机制与脑功能解析 #大脑可塑性 #皮层异位 #再生医学

阅读更多：

Roig-Puiggros, Sergi, et al. “Position-Independent Emergence of Neocortical Neuron Molecular Identity, Connectivity and Function.” Nature Neuroscience, Dec. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-025-02142-7

氧化应激与机械力都可以破坏神经纤维

为什么截然不同的基因突变会导致相似的神经退行性疾病？Andreas Prokop及其团队（曼彻斯特大学）利用果蝇模型进行了深入研究。他们发现，被称为“运动蛋白”的分子机器在轴突健康中起着双重关键作用，无论是功能丧失还是过度活跃都会导致神经纤维的结构性破坏，这一发现为理解阿尔茨海默病和帕金森病等疾病的病理机制提供了全新视角。

▷ Credit: Current Biology (2026).

该研究聚焦于神经元的轴突，这是连接大脑与身体的生物电缆，其内部依赖运动蛋白沿着微管高速公路运输维持生命所需的物质。研究团队通过操控果蝇的基因发现，当运动蛋白基因突变导致运输停止（功能缺失）时，或者导致运动蛋白无法暂停、持续运行（过度激活）时，都会引发同一种病理现象：原本笔直的微管束会崩解成杂乱的卷曲状，形似“煮熟的意大利面”。

通过进一步分析，研究人员揭示了殊途同归背后的不同机制：功能缺失会导致线粒体等细胞器运输受阻，引发氧化应激，进而破坏微管的自我修复能力；而过度激活则产生过大的机械力，直接导致微管物理性损伤。这表明轴突存在一个“稳态依赖循环”，即运输依赖于微管，微管的维护又依赖于运输，任何环节的破坏都会导致系统崩溃。这一发现解释了为何多种不同的基因突变最终都会导致类似的神经退行性病变。研究发表在 Current Biology 上。

#AI驱动科学 #计算模型与人工智能模拟 #认知科学 #神经缩放定律 #理论神经科学

阅读更多：

Liew, Yu-Ting, et al. “Loss and Gain of Motor Protein Function Cause Microtubule Bundle Damage in Drosophila Axons.” Current Biology, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cub.2025.12.038

将MRI变为“定量显微镜”：非侵入性检测脑白质微观损伤的新突破

神经系统疾病的早期微观病变往往隐匿于常规医学成像的视线之外，如何无创地捕捉这些蛛丝马迹是医学界的一大难题。Ali Abdollahzadeh（东芬兰大学）与Dmitry S. Novikov（纽约大学格罗斯曼医学院）等人组成的国际研究团队，通过结合物理学理论与先进成像技术，成功将磁共振成像技术转化为一种能够检测轴突微观损伤的“定量显微镜”。该研究不仅揭示了大脑白质微观结构的复杂性，还为阿尔茨海默病和创伤性脑损伤等疾病的早期诊断提供了全新的工具。

▷ 白质微观结构：数万根髓鞘化轴突密集排列在100微米³的脑白质中，该图像由电子显微镜成像，并利用人工智能进行分割。Credit: University of Eastern Finland

研究团队首先利用体积电子显微镜以纳米级精度重建了数十万个轴突的三维结构，建立了世界上最大的白质微观几何参考库。基于此数据，他们开发了一种新的散射框架，用于解析扩散磁共振成像（diffusion MRI）中的信号，这是一种通过测量水分子在组织内的运动来反映微观结构的技术。研究人员发现，尽管轴突结构极其复杂，但在实验可观测的时间尺度内，通过菲克-雅各布斯方程（Fick–Jacobs equation）的精确解，仅需两个参数——平均倒数横截面和长程横截面波动的方差——即可描述水分子沿轴突的扩散动力学。在创伤性脑损伤的大鼠模型中，该方法成功检测到了损伤数月后的轴突微观形态变化，验证了其作为非侵入性生物标志物的潜力。目前，该团队正利用超强梯度的下一代扫描仪，加速将这一成果从动物模型向人类临床应用转化。研究发表在 Nature Communications 上。

#疾病与健康 #神经机制与脑功能解析 #扩散磁共振成像 #脑白质损伤 #轴突

阅读更多：

Abdollahzadeh, Ali, et al. “Scattering Approach to Diffusion Quantifies Axonal Damage in Brain Injury.” Nature Communications, vol. 16, no. 1, Nov. 2025, p. 9808. www.nature.com, https://doi.org/10.1038/s41467-025-64793-1

主动用脑的“坐姿”有益大脑健康

久坐通常被视为健康的隐形杀手，但昆士兰大学（The University of Queensland）的 Jiatong Chen 和 Paul A. Gardiner 团队通过一项大规模研究发现，并非所有的久坐行为都对大脑有害。研究指出，看电视等被动活动确实会损害认知，而阅读、玩拼图或使用电脑等需要脑力参与的活动则有助于维持大脑健康，这为老龄化人口预防痴呆症提供了新的生活方式指导。

该研究通过系统综述的方式，整合了来自30个国家的85项研究数据，涵盖了超过150万名中老年受试者。这是迄今为止关于此类主题规模最大、最详细的分析之一。研究人员将久坐行为区分为被动和主动两类。数据分析显示，在43项涉及看电视的研究中，有65%报告了长时间看电视与认知功能下降之间存在显著的负相关。相反，在涉及阅读、使用电脑、玩纸牌或拼图等精神活跃型久坐行为的58项研究中，绝大多数未发现负面影响，甚至显示出对执行功能、记忆力和认知灵活性的保护作用。这表明，虽然保持身体活跃至关重要，但在不可避免的静坐时间内，选择不仅能动脑的活动可以建立认知储备（Cognitive reserve，指大脑通过改变神经连接处理任务来应对脑损伤或病理变化的能力），从而减缓衰老带来的认知衰退。研究发表在 Journal of Alzheimer's Disease 上。

#疾病与健康 #健康管理与寿命延长 #阿尔茨海默病 #认知功能 #久坐行为

阅读更多：

Chen, Jiatong, et al. “Individual Sedentary Activities and Cognitive Function in Middle-Aged and Older Adults: A Systematic Review.” Journal of Alzheimer’s Disease, vol. 109, no. 2, Jan. 2026, pp. 545–93. SAGE Journals, https://doi.org/10.1177/13872877251394751

乐高搭建任务揭示自闭症患者独特的惯用手与大脑运动模式

惯用手不仅是生活习惯，更是大脑左右半球分工的体现，那么自闭症患者的大脑是如何组织运动的？约克大学（York University）的Erez Freud和Emily Fewster团队通过一项独特的实验研究发现，自闭症患者在自然行为中的手部使用模式与常人存在显著差异。这项研究揭示了自闭症患者大脑皮层功能的专业化程度可能较低，进而导致了高度个体化的运动特征。

▷ Credit: York University

为了捕捉真实世界中的动态行为，研究团队邀请了54名惯用右手的成年人（半数为自闭症患者）完成一项乐高模型搭建任务。与仅询问写字用手的传统问卷不同，这种自然主义任务允许研究人员分析三维空间中的数千次动作。结果显示，尽管所有参与者均自称右利手，但自闭症组使用右手抓握的频率明显较低，且在进行对侧运动（contralateral movements，指手部跨越身体中线去操作另一侧物体的动作）时未表现出典型人群的优势。此外，自闭症参与者倾向于采用更谨慎的空间策略，优先处理距离较近的积木，其运动轨迹呈现出高度的独特性和变异性，不像非自闭症组那样遵循相似的模式。这一发现表明，识别这些细微的运动差异可能为自闭症的早期筛查和干预提供新的客观指标。研究发表在 Autism Research 上。

#疾病与健康 #神经机制与脑功能解析 #自闭症 #惯用手 #运动控制

阅读更多：

Fewster, Emily, et al. “Reduced Hand Specialization and Idiosyncratic Visuomotor Strategies in Autism During Naturalistic Object Manipulation.” Autism Research, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/aur.70180. Accessed 20 Jan. 2026

AI 行业动态

FDA批准首款居家处方级神经调控系统

全球神经调控领域的领军企业 BrainsWay 近日宣布，其战略合作伙伴 Neurolief 研发的 Proliv™Rx 系统正式获得美国 FDA 上市前批准。作为首个针对药物难治性抑郁症的“居家+处方级”神经调控设备，这款三类医疗器械（Class III Medical Device，风险等级最高、需要最严格监管的医疗设备）为成年重度抑郁症患者提供了全新的治疗选择。Proliv™Rx 并非普通的消费级穿戴设备，而是一套医疗级系统，其技术原理是通过向头部三叉神经及枕叶施加电刺激，从而调节涉及情绪控制的脑区。该系统结合了云端数据平台，确立了“医生主导、居家执行”的治疗模式，使医生能够远程监控患者的依从性和症状变化，有效填补了抗抑郁药物失效与传统院内介入治疗之间巨大的空白。

研究人员在多中心、随机双盲的 MOOD 临床试验中验证了该系统的有效性。数据显示，经过 16 周的积极治疗，患者的汉密尔顿抑郁量表（Hamilton Depression Rating Scale，临床上用于评估抑郁症状严重程度的标准问卷）评分平均下降了 10.15 分，32% 的重度患者达到完全缓解，病情严重程度发生了根本性逆转。此次获批验证了 BrainsWay 在“诊所+家庭”双轨疗法上的布局，使其现有的深部经颅磁刺激院内业务与居家疗法形成互补。未来，随着真实世界数据的积累，这种混合治疗模式有望缓解医疗资源压力，并为焦虑症等其他适应症的家用医疗设备过审铺平道路。

#FDA批准 #神经调控 #抑郁症治疗 #居家医疗 #BrainsWay

阅读更多：

https://ushealthcarejournal.com/article/882502335

陶哲轩亲自验证：GPT-5.2 Pro独立攻克45年数学难题，全程零失误

OpenAI 最新发布的模型 GPT-5.2 Pro 近日独立证明了尘封45年的埃尔德什问题第281号（Erdős problem #281，涉及同余覆盖系统与自然密度的数学猜想）。该问题由传奇研究人员 Paul Erdős 和 Ronald Graham 于1980年共同提出，几十年来未有定论。在研究人员 Neel Somani 将题目输入模型后，GPT-5.2 Pro 给出了基于无穷阿德尔整数环的证明，巧妙运用了遍历理论。这一成果得到了菲尔兹奖得主陶哲轩的亲自验证，他评价这是“迄今为止最明确的AI主要贡献”。陶哲轩特别指出，真正令人惊讶的不是证明方法，而是模型在推导过程中完全避免了极限交换或量词顺序等微妙错误，而这些通常是前几代大语言模型最容易“翻车”的地方。

就在AI证明引发热议时，一位名为 KoishiChan 的用户发现了一个戏剧性的转折：该问题其实可由1936年和1966年的两个经典定理直接推导得出，这意味着连问题的提出者当年都忽略了这一近在咫尺的简捷解法。陶哲轩确认了这一点，表示现在该问题同时拥有了来自AI的遍历论路径和来自经典文献的组合学路径。尽管成果显著，陶哲轩对AI数学能力的评估仍保持理性，他警告存在严重的报告偏差。统计数据显示，目前AI在埃尔德什问题上的真实成功率仅为1%到2%，但这在庞大的未解难题库面前，仍代表了AI在数学推理领域取得了不可忽视的实质性突破。

#GPT-5.2Pro #埃尔德什猜想 #陶哲轩 #AI数学证明 #报告偏差

阅读更多：

https://www.erdosproblems.com/forum/thread/281

首个通用游戏Agent COTA，大模型玩游戏思维链全程可见

超参数科技近日正式推出了一款名为 COTA 的全新游戏智能体，被誉为首个真正具备通用潜力的大语言模型游戏 Agent。在近期 AI 游戏账号引发全网围观的背景下，COTA 展示了更为成熟的技术范式：它完全由大模型原生驱动，不仅操作水平比肩职业选手，更具备如同人类般的决策逻辑，且思维链全程可见。为了解决传统大模型推理延迟与游戏高频实时决策之间的矛盾，COTA 创新性地采用了“双系统分层架构”。该架构模拟人类大脑，将 AI 拆分为负责慢思考的“指挥官”和负责快直觉的“行动专员”。前者专注于宏观战略与因果推演，后者则利用轻量化模型将战略转化为毫秒级的精准物理操作。这种设计成功打破了实时性、对抗性和可解释性难以兼得的“不可能三角”。

在技术细节上，COTA 基于 Qwen3-VL-8B-Thinking 模型构建，这是一款兼顾性能与效率的“甜点级”模型。其训练流程涵盖了监督微调、群相对策略优化以及人类偏好对齐三个阶段，确保了 AI 既能进行复杂的战术博弈，又能避免机械感，实现高度拟人化的交互。在 FPS实机演示中，COTA 展现了急停拉枪、地形分析及团队掩护等高阶能力，用户甚至能实时查看其战术意图。COTA 的出现不仅为 MMORPG、MOBA 等游戏类型提供了全新的高拟人化交互体验，更具有超越游戏的意义。其验证的“高层语义理解+底层运动控制”协同模式，为具身智能从虚拟仿真走向现实世界提供了极具价值的参考路径。

#COTA #游戏智能体 #大语言模型 #双系统架构 #超参数科技

阅读更多：

https://www.chaocanshu.cn/product/cota_apply

X推荐算法大揭秘：0人工干预，Grok同源架构如何决定你的流量命运？

Elon Musk 兑现了其关于透明度的承诺，正式开源了 X 平台的推荐算法代码。X 平台的工程团队宣布，这套全新的推荐系统彻底摒弃了以往的人工规则和手工特征，转而采用与 xAI 旗下 Grok 模型相同的 Transformer架构，实现了完全的 AI 驱动。该系统主要由两大引擎构成：“Thunder”负责实时处理用户关注对象的动态，利用 Kafka消息队列（一种高吞吐量的分布式发布订阅消息系统）确保内容更新的毫秒级延迟；而“Phoenix”则作为全球发现引擎，通过 用户塔（User Tower，处理用户特征的神经网络）和 候选塔（Candidate Tower，处理帖子内容的神经网络）将数据转化为向量，利用向量点积在海量内容中精准匹配用户可能感兴趣的帖子。这意味着，即便零粉丝的账号，只要内容质量过硬，也能通过算法匹配获得病毒式传播。

此次开源最引人注目的核心在于其评分机制，该模型通过预测用户的 15 种行为来决定帖子的最终得分。研究人员在代码中设定了明确的奖惩机制：被拉黑、静音或举报等负面反馈将导致权重显著降低，严重影响账号曝光；而用户的“停留时间”和“点击查看视频”等行为则被视为高质量互动的信号。值得注意的是，算法极度推崇真实的社区互动，作者回复评论的权重竟然是单纯点赞的 75 倍，这表明忽视评论将直接扼杀传播潜力。此外，为了保证信息流的多样性，算法会对连续发帖进行降权处理，并确保同一批次的候选帖子之间互不干扰。这一变革标志着 X 平台从传统的运营干预模式彻底转向了依靠数据和算法的自动化时代，为创作者提供了更透明、更公平的竞争环境。

#X算法开源 #推荐系统 #Grok模型 #马斯克 #AI驱动

阅读更多：

https://github.com/xai-org/x-algorithm

AI 驱动科学

Nature：“集体智能”AI系统MOSAIC，实现高成功率化学合成预测

面对每年数十万篇新增化学文献的“信息海洋”，如何将其快速转化为实验室中可行的操作方案？来自耶鲁大学的Haote Li、Timothy R. Newhouse和Victor S. Batista等人组成的研究团队，开发出了一种名为MOSAIC的新型人工智能系统。该系统利用“集体智能”成功解决了这一难题，能够生成高置信度且可直接执行的化学合成方案，并已成功指导合成了多种新化合物，证明了其在复杂化学合成领域的巨大潜力。

MOSAIC系统的核心在于应用了集体智能（Collective intelligence）策略，研究人员并未依赖单一的大型模型，而是基于Llama-3.1-8B-instruct架构，利用沃罗诺伊聚类（Voronoi clustering）技术将广阔的化学反应空间细分为不同区域，并训练了2498个针对特定领域的“专家”模型。这种分工机制类似于医院的分诊系统，能将特定问题分配给最擅长的AI专家处理。实验结果显示，MOSAIC在实验验证中达到了71%的整体成功率，协助研究人员成功合成了超过35种涵盖药物、先进材料及化妆品等领域的新化合物。在产率预测分析中，其预测结果与真实情况高度相关。值得注意的是，尽管该模型仅拥有80亿参数，但在化学合成任务上的表现却超越了参数量大得多的ChatGPT-4o mini和Claude 3.5等通用大语言模型，甚至能发现训练数据中不存在的新反应方法。研究发表在 Nature 上。

#AI 驱动科学 #自动化科研 #化学合成 #大语言模型 #集体智能

阅读更多：

Li, Haote, et al. “Collective Intelligence for AI-Assisted Chemical Synthesis.” Nature, Jan. 2026, pp. 1–3. www.nature.com, https://doi.org/10.1038/s41586-026-10131-4

AI模型在实验室安全知识方面存在严重不足

人工智能是否已经准备好成为科学家的实验助手？Yujun Zhou、Jingdong Yang、Xiangliang Zhang等人通过一项大规模基准测试发现，当前的人工智能模型在处理实验室安全问题时存在严重隐患。尽管AI在某些科学预测中表现优异，但该团队的研究表明，过度信任这些模型进行实验设计或风险评估可能会将研究人员置于危险之中，因为模型普遍缺乏应对真实实验室场景所需的安全知识。

▷ LabSafety Bench 概述。Credit: Nature Machine Intelligence (2026).

为了系统评估这一风险，研究团队开发了名为“LabSafety Bench”的测试框架，涵盖了从生物、化学到物理等多个领域的数千个测试任务。团队利用该框架评估了19个主流模型，包括大语言模型和视觉语言模型。结果显示，即便是性能顶尖的GPT-4o和DeepSeek-R，虽然在结构化选择题中准确率较高，但在面对复杂的开放式推理时却表现乏力。令人担忧的是，在危害识别任务中，没有任何一个模型的准确率超过70%，特别是在化学品和低温液体处理方面表现糟糕。此外，研究还发现，即使采用检索增强生成——一种通过外部知识库优化模型输出的技术，也未能显著提升模型的安全判断能力。这表明，在AI能彻底掌握实验室安全规范之前，严格的人工监督仍是必不可少的。研究发表在 Nature Machine Intelligence 上。

#AI驱动科学 #大模型技术 #实验室安全 #风险评估 #基准测试

阅读更多：

Zhou, Yujun, et al. “Benchmarking Large Language Models on Safety Risks in Scientific Laboratories.” Nature Machine Intelligence, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s42256-025-01152-1

AI模型揭示ALS脊髓回路退化机制与治疗窗口

肌萎缩侧索硬化症（ALS）的治疗研究长期受限于动物模型无法全面反映病程动态变化的问题。来自圣安德鲁斯大学、哥本哈根大学和德雷克塞尔大学的研究团队，由 Beck Strohmer 和 Ilary Allodi 领衔，开发了一种基于生物学原理的AI计算模型。该模型成功预测了ALS进展过程中神经网络的退化模式，并确定了潜在的治疗干预窗口，为神经退行性疾病的研究提供了新的互补工具。

该研究利用脉冲神经网络重建了脊髓运动回路。研究人员基于已知生物学数据，模拟了ALS中关键的V1中间神经元（V1 interneurons，一种负责抑制性调控的神经细胞）失调过程。模型预测显示，V1神经元的早期功能障碍会导致运动输出失衡，引发屈肌偏向活动。重要的是，通过计算模拟发现，如果在特定时间窗口内稳定V1突触，不仅能改善运动功能，还能挽救另一种关键的V2a中间神经元（V2a interneurons，负责兴奋性传递）。这一计算机预测随后在患有ALS症状的小鼠身上得到了实验证实。研究还警示，若干预时间过晚，可能会因网络动力学改变而产生副作用。这项工作展示了计算模型在指导临床前研究及优化治疗策略方面的巨大潜力。研究发表在 Neurobiology of Disease 上。

#疾病与健康 #计算模型与人工智能模拟 #肌萎缩侧索硬化症 #神经机制与脑功能解析 #跨学科整合

阅读更多：

Strohmer, Beck, et al. “Spinal Circuit Mechanisms Constrain Therapeutic Windows for ALS Intervention: A Computational Modeling Study.” Neurobiology of Disease, vol. 219, Feb. 2026, p. 107253. ScienceDirect, https://doi.org/10.1016/j.nbd.2025.107253

机器学习精准预测抗抑郁药疗效并区分安慰剂效应

抑郁症治疗长期面临“试错”难题，患者往往需要漫长的过程才能找到合适的药物。Yu Zhang（斯坦福大学）及其来自利哈伊大学、德克萨斯大学奥斯汀分校的同事们开发了一种机器学习模型，不仅能根据脑部扫描数据预测患者对抗抑郁药物的反应，还能将药物的真实疗效与安慰剂效应区分开来，为精准精神病学提供了新工具。

▷ 结构-功能协变特征分析及其对预测抗抑郁药和安慰剂疗效的影响。Credit: Nature Mental Health (2025),

研究团队通过一种名为“面向目标的多模态融合”（target-oriented multimodal fusion）的技术，整合了重度抑郁症患者的大脑结构连接和功能连接数据。该模型在分析患者对舍曲林和安慰剂的反应时表现出良好的预测能力，并在独立的艾司西酞普兰治疗组中得到了验证。为了确保结果的可靠性和可解释性，研究人员引入了“稀疏性正则化”，成功筛选出关键的大脑回路。结果显示，虽然右侧楔前叶参与了两种反应，但大脑结构连接更能预测药物疗效，而功能连接则更能预测安慰剂反应。此外，模型还识别出了与特定治疗反应相关的不同脑网络组合，这有助于医生在未来为患者匹配最合适的药物，减少无效治疗。研究发表在 Nature Mental Health 上。

#疾病与健康 #个性化医疗 #抑郁症 #机器学习 #神经影像学

阅读更多：

Tong, Xiaoyu, et al. “Generalizable Structure–Function Covariation Predictive of Antidepressant Response Revealed by Target-Oriented Multimodal Fusion.” Nature Mental Health, vol. 4, no. 1, Jan. 2026, pp. 85–101. www.nature.com, https://doi.org/10.1038/s44220-025-00541-0

DeepSeek推理分裂出多重人格，左右脑互搏越来越聪明

AI变聪明的秘密可能在于其内部正在进行一场激烈的“群聊”。来自谷歌智能范式团队、芝加哥大学和圣菲研究所的Junsol Kim和James Evans等人通过研究发现，DeepSeek-R1和QwQ-32B等顶尖推理模型在解决复杂问题时，并非进行单一的线性计算，而是自发地模拟了一个“思维社会”。在这个过程中，模型内部会分裂出具有不同性格和专长的虚拟人格——有的负责提出创意，有的负责严谨验证，有的负责挑错。这种机制类似于人类的“左右脑互搏”，通过内部不同观点的激烈辩论和视角切换来审视解决方案。研究显示，这种多重人格的协作并非人为设计，而是在追求推理准确率的过程中自发涌现的。

为了证实这一现象，研究团队利用稀疏自编码器深入解码了AI的推理过程，成功识别并“监听”到了这些内部对话。实验表明，当模型遇到高难度科学问题时，这种内部冲突尤为剧烈。更有趣的是，研究发现简单的对话标记如“哦！”（Oh!）能显著提升推理准确率，在某些任务中甚至使其翻倍。进一步的强化学习实验证实，仅奖励答对题目而不提供任何对话指导，模型也会自发学会这种对话式思考。这一发现呼应了生物学中的“社会脑假说”，即智力的进化是为了应对复杂的社交互动。该研究表明，系统性地构建这种“思维社会”能有效利用群体智慧，为提升人工智能的推理能力指明了新方向。

#大模型技术 #计算模型与人工智能模拟 #AI驱动科学 #认知科学

阅读更多：

Kim, Junsol, et al. “Reasoning Models Generate Societies of Thought.” arXiv:2601.10825, arXiv, 15 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.10825

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。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。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

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。

研究院在华山医院、上海市精神卫生中心分别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陈天桥雒芊芊神经科学研究院。

研究院还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、、、科普视频媒体「大圆镜」等。