追问daily | 为何我们只能意识到信息而非过程？持续学习是意识的必要条件；特定记忆训练可减轻压力

█ 脑科学动态

意识研究的盲区：为何我们只能意识到信息而非过程？

跨文化研究显示人们结合多种参照框架进行定位

时间带走了记忆数量，却保留了记忆理由的质量

高中生参与研发“电子鼠脑”：精确模拟创伤性脑损伤的物理冲击

特定记忆训练可减轻压力

基于神经元活动的脑图谱挑战前额叶皮层解剖学定义

大语言模型意识的证伪：持续学习是意识的必要条件

█ AI行业动态

烧坏电脑终获正果：数学家发现“紧致Bonnet对”推翻百年直觉

麦肯锡重磅报告：人机协作将重塑未来工作流与技能格局

AI内部构建“思维社会”：DeepSeek-R1与o系列模型推理机制

█ AI驱动科学

Science：细胞“时间胶囊”：首次实现哺乳动物细胞转录组历史记录

大模型聊天机器人显著提升初级到专科护理的过渡效率

新型模拟内存计算芯片突破能效瓶颈，加速高性能计算

人工智能在《龙与地下城》中接受长期决策能力测试

机器学习赋予假肢“视觉”：自动调控抓握力度让生活更自如

MAPLE框架：精准预测表观遗传年龄与疾病风险

KnowMe-Bench：面向终身数字伴侣的个体理解基准测试

MemoBrain：赋予智能体“执行记忆”以突破长程推理瓶颈

脑科学动态

意识研究的盲区：为何我们只能意识到信息而非过程？

在意识科学领域，理论的激增往往伴随着概念的混淆。Peter A. White 对当前的意识研究提出了根本性的理论挑战，旨在厘清“什么可以被意识到”这一核心问题。该研究并未进行新的生物学实验，而是通过严密的逻辑推导和对既有神经科学证据的重新审视，指出了当前主流意识理论中存在的逻辑漏洞，并强调了区分“信息内容”与“意识状态”的重要性。

这项研究将大脑严格视为一个信息处理系统，提出了三个颠覆性的命题。首先，White 指出必须将“信息本身”与“信息被意识到”的事实区分开来。例如，感知到的“红色”是一种神经信息编码，这与“意识到红色”的体验是截然不同的，而许多理论错误地将信息的功能后果归因于意识。其次，研究通过分析自愿行为论证了“过程不可知论”：虽然大脑中的信息（如感官输入或思维内容）可以是意识到的，但处理这些信息的过程——例如生成言语报告的复杂运动控制机制——永远无法被意识到。我们感觉到的“行动意愿”实际上只是运动指令的副本，而非动作启动的真实过程。最后，文章批判了“接入意识”（access consciousness）这一概念，认为它本质上只是信息在大脑中的“接入”或分布。如果剥离“意识”这个标签，全局工作空间等模型描述的信息处理功能依然成立。研究总结认为，目前的科学尚未提出任何能够真正解释意识体验如何产生的“生成机制”。研究发表在 Consciousness and Cognition 上。

#意识与脑机接口 #神经机制与脑功能解析 #意识体验 #接入意识 #信息处理

阅读更多：

White, Peter A. “Three Propositions about Conscious Experience and Their Implications for Theories of Consciousness.” Consciousness and Cognition, vol. 139, Mar. 2026, p. 103994. ScienceDirect, https://doi.org/10.1016/j.concog.2026.103994

跨文化研究显示人们结合多种参照框架进行定位

在陌生的环境中，我们的大脑是如何构建地图的？Benjamin Pitt（图卢兹高等研究院）及其团队通过对美国人和玻利维亚土著居民的对比研究发现，人类并非依赖单一的空间参照系，而是能够同时结合基于身体和基于环境的线索来定位物体。这项研究揭示了人类空间认知的一种普遍机制：为了克服左右分辨的困难并利用前后分辨的直观性，大脑会构建复合的认知地图。

▷ 4Quads 任务。Credit: Psychological Science (2025).

为了解开这一认知谜题，研究团队设计了一项名为“4Quads”的空间记忆任务。实验邀请了生活在亚马逊流域的奇马内人（Tsimane'）和美国成年人参与。参与者需要记住物体在桌子上的位置，旋转180度后在另一张相同的桌子上复原该位置。通过分析物体在横向和纵向上的放置偏差，研究人员可以判断参与者使用的是自我中心参照系（egocentric reference frames，以自身身体为坐标，如左/右）还是环境中心参照系（allocentric reference frames，以环境特征为坐标，如窗户旁）。结果显示，两个文化群体均表现出相同的混合策略：在判断“前后”位置时，人们倾向于使用身体参照；而在判断较难区分的“左右”位置时，则依赖环境参照。这种在单一动作中融合两种参照系的能力，表明人类的空间记忆比以往认为的更为灵活和复杂。研究发表在 Psychological Science 上。

#认知科学 #记忆机制 #空间导航 #跨文化研究 #心理学

阅读更多：

Pitt, Benjamin. “One Action, Two Reference Frames: Compound Cognitive Maps of Object Location.” Psychological Science, vol. 36, no. 11, Nov. 2025, pp. 862–73. SAGE Journals, https://doi.org/10.1177/09567976251391172

时间带走了记忆数量，却保留了记忆理由的质量

随着时间的流逝，我们的记忆往往会变得模糊，但我们为这些记忆辩护的理由是否也会随之褪色？Avi Gamoran、Zohar Raz Groman、Michael Gilead 和 Talya Sadeh（内盖夫本-古里安大学）组成的研究团队，通过对记忆合理化（memory justifications）的深入分析，发现了一个令人惊讶的现象：即便是记忆本身变得难以提取，支持记忆真实性的解释依然保持高度稳定。这一发现对于理解人类记忆的本质以及在法律证词中如何评估可信度具有重要意义。

该研究招募了421名年轻参与者，要求他们在观看特定内容后，分别在短时间（90秒）和长时间（24小时）的延迟后进行回忆，并书面解释为何他们认为这些记忆是真实的。研究人员收集了超过4000条理由，并利用行为学及语言学分析对这些文本的细节、结构和词汇进行了量化评估。结果显示，虽然24小时后参与者能回忆起的事件数量显著减少，但对于那些成功提取的记忆，其伴随的解释在丰富度和细节上与短时间延迟后的表现几乎完全一致。这支持了遗忘的“全有或全无模型”（all-or-nothing model）：记忆要么连同其完整的背景理由一起被提取，要么完全消失。此外，研究还发现，分析这些理由的内容比单纯依赖参与者的主观自信更能准确预测记忆的真实性。这一发现提示，在法庭等需要评估证词可信度的场合，鼓励证人提供书面理由可能比询问其自信程度更为可靠。研究发表在 Communications Psychology 上。

#认知科学 #记忆机制 #遗忘模型 #司法心理学 #语言分析

阅读更多：

Gamoran, Avi, et al. “Memory Justifications Provide Valid Indicators of Retrieval Accuracy across Time.” Communications Psychology, vol. 4, no. 1, Dec. 2025, p. 10. www.nature.com, https://doi.org/10.1038/s44271-025-00378-4

高中生参与研发“电子鼠脑”：精确模拟创伤性脑损伤的物理冲击

为了探究外部冲击力如何导致创伤性脑损伤，Sanaya Bothra、Wesley Lohr和Ravi Hadimani等人（弗吉尼亚联邦大学）开发了一种内置传感器的高度逼真大鼠脑模型。值得注意的是，该研究的第一作者Sanaya Bothra是一名高中生。该团队成功构建了这一物理模型，旨在替代活体动物实验，精确量化车祸或爆炸等对脑组织造成的物理压力和应变。

▷ 每个水凝胶大鼠脑（如图所示，由 Hadimani 和 Lohr 进行冲击测试）都被 3D 打印的塑料头骨和模拟皮肤和肌肉的硅胶包裹着。Credit: Dean Hoffmeyer, Enterprise Marketing and Communications

研究团队利用核磁共振成像数据和3D打印技术，使用一种特殊的复合水凝胶来重建大鼠大脑。这种材料经过特定的冻融处理，能够完美复刻真实脑组织的粘弹性（Viscoelasticity，即同时具有液体粘性和固体弹性的物理属性）。为了捕捉冲击数据，研究人员在模型内部嵌入了聚偏二氟乙烯薄膜，这是一种压电材料，能将机械撞击瞬间转化为电信号。实验结果显示，该模型不仅在物理触感上极度接近真实大脑，其输出的电压信号还能呈线性地反映冲击力度的大小。目前，该实验室正计划将这种装有加速度计的脑模型放入火箭中发射，以测试极限重力加速度对大脑的影响。这项研究发表在 TechRxiv 上。

#疾病与健康 #跨学科整合 #创伤性脑损伤 #生物工程 #压电传感

阅读更多：

Bothra, Sanaya, et al. Measuring Traumatic Brain Injury Impacts in an Anatomically Accurate Rat Brain Phantom with Embedded Piezoelectric Sensing. www.techrxiv.org, https://www.authorea.com/users/689431/articles/1350470-measuring-traumatic-brain-injury-impacts-in-an-anatomically-accurate-rat-brain-phantom-with-embedded-piezoelectric-sensing?commit=9c5828f59284fab688519518c86103615dd238f7. Accessed 21 Jan. 2026

特定记忆训练可减轻压力

我们的思维往往倾向于纠结负面经历，这可能导致焦虑和抑郁的恶性循环。Yuko Hakamata（富山大学）、Hirokuni Tagaya（北里大学）和Hiroaki Hori（日本国立精神卫生研究所）等人组成的团队深入研究了一种名为“认知偏差记忆矫正”（CBM-M）的心理训练方法。研究结果表明，该方法不仅能改善情绪，还能通过特定的神经生物学途径显著减轻生理和心理压力。

▷ 与假训练相比，CBM-M 显著降低了皮质醇水平和压力易感性，且其降低幅度与负性记忆偏差的减少呈正相关。脑部扫描显示，CBM-M 还增强了杏仁核与前内侧眶额皮质之间的连接，提示其益处可能存在神经机制。Credit: Psychological Medicine (2025).

该研究招募了58名具有高焦虑和抑郁特质的参与者，进行为期一个月的随机对照试验。实验组接受CBM-M训练，即在看到积极词汇时主动联想并生动回忆个人的积极经历（如感到自信的时刻），而对照组仅进行简单的词汇记忆。结果显示，虽然两组参与者的情绪均有所改善，但只有CBM-M组表现出特定的生物学获益：其日间皮质醇水平显著降低，负面记忆偏差也明显减少。通过功能性磁共振成像（fMRI）分析，研究团队发现CBM-M增强了杏仁核与前内侧眶额皮质之间的功能连接。这表明，该训练可能通过强化支持提取积极、有意义记忆的神经通路来发挥作用。此外，研究还发现该训练对以焦虑为主导特征的人群在保持积极记忆特异性方面效果更佳。研究发表在 Psychological Medicine 上。

#疾病与健康 #心理健康与精神疾病 #神经机制与脑功能解析 #记忆机制 #认知偏差记忆矫正

阅读更多：

Hakamata, Yuko, et al. “The Effectiveness and Neurobiological Actions of Memory Bias Modification: A Randomized Controlled Trial.” Psychological Medicine, vol. 55, Jan. 2025, p. e386. Cambridge University Press, https://doi.org/10.1017/S0033291725102535

基于神经元活动的脑图谱挑战前额叶皮层解剖学定义

传统的解剖学脑图谱是否真的能代表大脑的功能分区？针对这一困扰神经科学界百年的问题，Pierre Le Merre和Marie Carlén等（卡罗林斯卡学院）的研究团队通过大规模记录小鼠神经元活动给出了否定的答案。他们构建了首个基于单神经元活动的前额叶皮层图谱，发现大脑的运作方式与基于显微镜下组织结构的传统划分并不一致，这为理解大脑的组织原则提供了全新的视角。

▷ 小鼠脑内自发性单细胞放电模式的特征分析。Credit: Nature Neuroscience (2026).

该研究利用高密度探针记录了清醒小鼠体内超过24,000个神经元的活动，重点关注负责计划和决策等高级认知功能的前额叶皮层。研究人员分析发现，神经元的活动模式并不遵循传统的细胞构筑（Cytoarchitecture）边界，而是反映了信息流的层级结构。处于层级顶端的前额叶皮层神经元表现出缓慢且规律的放电特征，这种模式被认为有助于信息的整合。有趣的是，参与具体决策任务的神经元则表现出截然不同的快速活动模式，并集中在层级较高的区域。这表明，认知功能的实现依赖于不同类型神经元的局部协作：一部分负责整合信息流，另一部分则通过高自发活动支持信息的快速灵活编码。这一发现挑战了仅凭解剖结构定义脑区的传统方法，为解析精神疾病背后的功能异常提供了新的理论框架。研究发表在 Nature Neuroscience 上。

#神经科学 #神经机制与脑功能解析 #认知科学 #前额叶皮层 #脑图谱

阅读更多：

Le Merre, Pierre, et al. “A Prefrontal Cortex Map Based on Single-Neuron Activity.” Nature Neuroscience, Jan. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41593-025-02190-z

大语言模型意识的证伪：持续学习是意识的必要条件

ChatGPT等人工智能是否拥有意识？这一问题不仅关乎技术伦理，更挑战着科学定义的边界。来自Bicameral Labs的Erik Hoel通过引入严格的数学与逻辑形式化工具，对当前大型语言模型的意识状态提出了否定性证明。该研究并未依赖某种特定的意识理论，而是通过分析科学理论本身必须具备的“可证伪性”与“非平凡性”，揭示了当前静态AI模型在意识层面存在的根本性逻辑漏洞，并指出“持续学习”可能是人类拥有意识而现有AI缺乏的关键要素。

研究采用了被称为“Kleiner-Hoel困境”的形式化分析框架。Erik Hoel提出，任何部署后的LLM本质上都是静态系统，其功能可以通过通用近似定理被“展开”为前馈神经网络，甚至简化为巨大的查找表。通过构建这种“替代链”，研究指出：如果一个理论认为LLM有意识，它必须解释为何功能完全相同的查找表没有意识；如果它对两者做出不同预测，则该理论会被“替代论证”直接证伪；如果它认为两者都有意识，则该理论因严格依赖输入/输出而变得“平凡”（即无科学价值）。这种逻辑推演构成了对LLM意识的“邻近性证伪”。作为对比，研究发现人类大脑的“持续学习”机制——即每一刻的体验都伴随着神经可塑性的物理变化——使人类意识理论能够逃逸出这一逻辑困境。这表明，目前LLM依靠外部上下文窗口而非内部参数改变的学习方式，是其缺乏意识的根本原因。

#意识与脑机接口 #计算模型与人工智能模拟 #大模型技术 #神经机制与脑功能解析 #认知科学

阅读更多：

Hoel, Erik. “A Disproof of Large Language Model Consciousness: The Necessity of Continual Learning for Consciousness.” arXiv:2512.12802, arXiv, 19 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2512.12802

AI 行业动态

烧坏电脑终获正果：数学家发现“紧致Bonnet对”推翻百年直觉

柏林工业大学的 Alexander Bobenko、慕尼黑工业大学的 Tim Hoffmann 以及北卡罗来纳州立大学的 Andrew Sageman-Furnas 组成的团队，近日解决了一个困扰数学界长达 150 年的几何拓扑难题。1867 年，法国数学家 Pierre Ossian Bonnet 证明，如果已知曲面上每一点的度量（Metric，两点间距离的测量方式）和平均曲率（Mean Curvature，曲面在某点弯曲程度的平均值），通常足以确定该曲面的形状。然而，是否存在例外一直是未解之谜。长期以来，研究人员只发现了“非紧致”曲面（无限延伸或有边缘的曲面）的例外，而对于像球体或甜甜圈这样封闭的“紧致曲面”，学界普遍认为其形状由局部信息唯一确定。但这三位研究人员打破了这一共识，成功构建了一对具有相同局部测量数据但全局结构完全不同的封闭曲面，即“紧致 Bonnet 对”。

这一突破的关键在于研究人员转向了离散几何领域。团队利用计算机算力探索“离散曲面”（Discrete Surface，由多边形拼接成的类似像素化的曲面模型），通过暴力求解发现了一个被称为“犀牛”的特殊环面结构。这一发现为寻找光滑曲面的反例提供了至关重要的线索，特别是关于曲率线分布的几何约束。结合一百多年前数学家 Jean Gaston Darboux 的公式，他们最终构造出了一对自身相交的扭曲环面。这两个环面虽然在局部指标上完全一致，却拥有截然不同的整体形态。这项研究不仅纠正了数学家的直觉，更展示了离散几何理论与计算机辅助探索在解决经典数学难题中的巨大潜力，证明了离散模型并非仅仅是光滑形状的简化，而是拥有独立的数学价值。

#几何拓扑 #紧致Bonnet对 #离散曲面 #数学猜想 #计算机辅助证明

阅读更多：

https://www.quantamagazine.org/two-twisty-shapes-resolve-a-centuries-old-topology-puzzle-20260120/

麦肯锡重磅报告：人机协作将重塑未来工作流与技能格局

麦肯锡全球研究院发布的最新报告指出，未来的工作模式将演变为人类、智能代理与机器人之间的深度协作伙伴关系。研究人员分析发现，虽然现有技术在理论上可以自动化美国约 57% 的工作时间，但这并不意味着大规模的失业，而是预示着工作角色的根本性转变。随着 AI 处理更多常规任务，人类将更多地转向需要判断力、社交情感和复杂推理的工作。报告特别强调了“AI流利度”（AI Fluency，使用和管理人工智能工具的能力）的重要性，其需求在过去两年中增长了七倍，成为职场中增长最快的技能需求。为了量化这种影响，研究人员开发了“技能变化指数”（Skill Change Index，衡量技能受自动化影响程度的指标），结果显示数字和信息处理类技能将面临最大的变革压力，而涉及人际互动、护理和领导力的技能则相对稳定且不可替代。

报告进一步预测，如果企业能够围绕人机协作重新设计工作流，而非仅仅着眼于单一任务的自动化，到 2030 年，AI 驱动的自动化每年可为美国经济释放约 2.9 万亿美元的价值。研究人员通过分析销售、客户服务和 IT 现代化等领域的案例发现，成功的关键在于将员工从执行者转变为指挥者，让人类负责监督、验证和处理例外情况，而由智能代理和机器人处理繁重的分析与物理任务。这对企业领导者提出了新的挑战：他们不仅需要将 AI 视为核心业务转型的一部分，还必须建立持续学习的文化，帮助员工掌握与智能机器共事的新技能。最终，企业和机构需要共同努力，通过教育和培训体系的革新，确保劳动力能够适应这一以协作和重塑为核心的 AI 新时代。

#麦肯锡 #人机协作 #AI流利度 #工作流重塑 #未来职场

阅读更多：

https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai

AI内部构建“思维社会”：DeepSeek-R1与o系列模型推理机制大揭秘

来自Google、芝加哥大学和圣塔菲研究所的研究人员近日发表论文，揭示了DeepSeek-R1、QwQ-32B及OpenAI o系列等前沿推理模型的核心运作机制。研究发现，这些模型在处理复杂认知任务时的卓越表现，并非仅仅源于延长的测试时计算，而是通过隐式模拟一个复杂的“思维社会”。研究人员指出，模型内部会生成具有不同性格特征和领域专长的虚拟角色，通过模拟类似多智能体的对话、辩论以及视角转换来处理信息。这种内部的“左右互搏”与人类群体的集体智慧惊人相似，通过多样化视角的碰撞与调和来验证假设、纠正错误，从而实现了远超单一视角的推理准确性。

通过应用机械可解释性方法，研究人员证实DeepSeek-R1等模型在推理痕迹中展现出的视角多样性显著高于普通指令微调模型。更有趣的是，在受控的强化学习实验中，研究人员观察到，即便只针对推理结果的准确性进行奖励，基础模型也会自发地进化出自我提问等对话行为。实验数据表明，相比于传统的独白式推理训练，这种利用对话式支架微调的模型能更大幅度地加速推理能力的提升。这一发现意味着，AI正在建立一种与人类协作类似的计算平行机制，通过有效组织内部的“群体智慧”来攻克复杂难题，也为未来人工智能代理的组织形式提供了全新的理论依据。

#思维社会 #AI推理模型 #DeepSeek-R1 #群体智慧 #强化学习

阅读更多：

https://www.alphaxiv.org/abs/2601.10825

AI 驱动科学

Science：细胞“时间胶囊”：首次实现哺乳动物细胞转录组历史记录

细胞如何根据过去的经历决定未来的命运？哈佛大学和麻省理工学院（MIT）的Fei Chen团队开发了一种名为TimeVault的细胞“时间胶囊”。该技术能够收集并存储细胞过去的分子活动记忆，首次在哺乳动物细胞中实现了转录组状态的无偏见长期记录，为揭开抗癌药物耐药性等生物学谜题提供了新工具。

研究团队利用细胞内天然存在但功能未知的桶状细胞器——穹顶（vaults），将其改造为能捕获信使核糖核酸（mRNA）的存储单元。通过重新设计vault蛋白，使其能识别并连接mRNA分子，研究人员可以通过药物处理像按下“录音键”一样启动记录。实验显示，TimeVault能在24小时内捕获人类细胞系产生的mRNA，并将其保存至少一周，且不影响细胞的正常功能。为了验证其实用性，团队利用该工具研究了对奥希替尼产生耐药性的PC9肺癌细胞。通过分析TimeVault记录的历史数据，他们发现了数百个在药物治疗前就已过度活跃的基因，这些基因助长了癌细胞的存活。抑制这些基因显著提高了药物对癌细胞的杀伤力。研究发表在 Science 上。

#疾病与健康 #个性化医疗 #细胞生物学 #转录组学 #癌症耐药性

阅读更多：

Callaway, Ewen. “A ‘Time Capsule’ for Cells Stores the Secret Experiences of Their Past.” Nature, Jan. 2026. www.nature.com, https://doi.org/10.1038/d41586-026-00116-8

大模型聊天机器人显著提升初级到专科护理的过渡效率

全球医疗系统正面临人口老龄化和医疗资源分布不均的严峻挑战，特别是在中国，患者常因初级护理体系不完善而直接涌向三甲医院，导致专科医生不堪重负。针对这一痛点，中国医学科学院北京协和医学院的韩莎莎（Shasha Han）研究员与桂林医科大学第一附属医院的马礼兵（Libing Ma）教授团队合作，开发了一款名为PreA的大语言模型聊天机器人。该研究并未止步于理论模型，而是通过大规模随机对照试验，证实了该AI工具能够显著缓解临床压力，优化患者就医流程。

研究团队基于GPT-4o mini开发了PreA系统，并采用了独特的“共同设计”策略，即邀请患者、医生、护士及社区工作者共同参与开发，以确保工具贴合真实需求并减少系统性偏见。在涉及2069名患者的临床试验中，研究人员发现，与常规就诊相比，在就诊前独立使用PreA进行病史采集和初步评估的患者，其面对面咨询医生的时间平均缩短了28.7%，这意味着医生能更高效地掌握病情。同时，专科医生认为PreA生成的转诊报告极大地提升了护理协调性（care coordination，指不同医疗服务提供者之间组织患者护理活动的机制），评分激增113.1%。此外，患者也报告与医生的沟通变得更加顺畅。这项研究有力证明了经过精心设计的AI工具不仅能提升医疗效率，还能增强医疗服务的温度和可及性。研究发表在 Nature Medicine 上。

#疾病与健康 #大模型技术 #个性化医疗 #跨学科整合

阅读更多：

Tao, Xinge, et al. “An LLM Chatbot to Facilitate Primary-to-Specialist Care Transitions: A Randomized Controlled Trial.” Nature Medicine, Jan. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41591-025-04176-7

新型模拟内存计算芯片突破能效瓶颈，加速高性能计算

传统计算机在处理海量数据时，因数据在内存与处理器间频繁搬运而面临严重的能耗与速度瓶颈。米兰理工大学的Daniele Ielmini和Piergiulio Mannocci团队，联合北京大学的研究人员，开发出一种革命性的全集成模拟内存计算芯片。该研究通过“存内计算”架构，成功消除了内部数据传输流量，证明了模拟计算在工业规模应用的可行性，为人工智能和下一代通信技术提供了高效的硬件解决方案。

▷ 芯片载体上集成芯片的特写照片。Credit: Politecnico di Milano

该研究的核心在于一款基于90纳米CMOS工艺制造的新型芯片。研究团队在芯片中集成了两个64×64的SRAM（静态随机存取存储器）阵列，并结合了电阻器和片上运算放大器，构建了一个模拟闭环系统。这种设计使得复杂的数学运算（如求解线性和非线性方程组）可以直接在存储器内部完成，无需外部处理器介入。在测试中，该芯片被应用于探空火箭轨迹跟踪（使用卡尔曼滤波器）和机械臂逆运动学加速等复杂任务。结果显示，该芯片不仅在精度上媲美传统数字系统，更在大幅降低功耗和计算延迟的同时，减小了硅片占用面积。这一突破性成果不仅适用于机器人和数据中心，也为未来的6G通信技术奠定了硬件基础。研究发表在 Nature Electronics 上。

#其他 #计算模型与人工智能模拟 #高性能计算 #存内计算 #微电子

阅读更多：

Mannocci, Piergiulio, et al. “A Fully Integrated Analogue Closed-Loop in-Memory Computing Accelerator Based on Static Random-Access Memory.” Nature Electronics, Jan. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-025-01549-1

人工智能在《龙与地下城》中接受长期决策能力测试

如何评估人工智能在复杂环境中的长期规划与协作能力？Raj Ammanabrolu及其团队（加州大学圣地亚哥分校）提出了一项独特的解决方案：让AI玩《龙与地下城》。研究人员指出，缺乏针对长期任务的基准测试是评估大型语言模型的一大挑战。通过模拟这款规则复杂、强调团队合作的桌面角色扮演游戏，团队成功创建了一个理想的测试环境，用于考察AI代理在长时间内的独立运行表现及多步规划能力。

为了确保评估的准确性，研究团队将三个主流大型语言模型与一个基于《龙与地下城》规则的游戏引擎相结合。该引擎作为“护栏”，为玩家提供地图和资源，最大程度地减少模型产生幻觉的风险。在测试中，AI不仅扮演规划剧情的“地下城主”，还充当玩家和怪物，在27个经典战斗场景中彼此对战，并与2000多名人类玩家互动。结果显示，Claude 3.5 Haiku在可靠性与表现上拔得头筹，GPT-4紧随其后，而DeepSeek-V3表现垫底。有趣的是，模型在游戏中展现了意想不到的个性：地精学会了嘲讽，圣骑士会在战火中发表英雄演说。这表明模型试图在遵守规则和策略规划的同时，通过“角色扮演”为游戏增添质感。研究发表在 NeurIPS 2025 上。

#大模型技术 #意图与决策 #多智能体协作 #基准测试 #龙与地下城

阅读更多：

“Setting the DC: Tool-Grounded D\&D Simulations to Test LLM Agents.” 2025, The Fourteenth International Conference on Learning Representations. openreview.net, https://openreview.net/forum?id=rmEBSdk26P

机器学习赋予假肢“视觉”：自动调控抓握力度让生活更自如

对于截肢患者而言，使用假肢手完成拿鸡蛋或开水瓶等日常任务是一项巨大的挑战：用力过猛会捏碎鸡蛋，用力不足则无法握紧水瓶。桂林电子科技大学的Hua Li及其团队开发了一种结合机器视觉的新型假肢控制系统，旨在通过自动识别物体并调整抓力，帮助患者实现真正自然和直观的交互。

▷ 假肢手的指尖装有压力传感器，手掌附近装有摄像头（左图）。该假肢手分别用易拉罐、鸡蛋和 U 盘进行了测试（右图）。Credit: Li et al.

该研究团队创新性地将前臂肌电图传感器与安装在假肢手掌的一体化摄像头相结合。肌电信号负责传达用户“想要抓握”的意图，而视觉系统则通过深度学习算法YOLOv2（You Only Look Once version 2）来回答“需要多大力度”的问题。该系统被部署在K210嵌入式主控板上，通过分析物体的类型、纹理和大小，实时决定最佳抓握阈值。实验结果显示，该系统对物体的识别准确率达到90%，真机测试识别率超过85%，成功实现了对易碎鸡蛋和坚硬水瓶的自适应抓握。这一设计让用户无需刻意计算力度，只需像拥有肌肉记忆一样自然地完成动作。研究团队目前正计划集成触觉反馈，以进一步建立用户与假肢之间的双向通信。研究发表在 Nanotechnology and Precision Engineering 上。

#疾病与健康 #机器人及其进展 #AI 驱动科学 #跨学科整合 #知觉康复

阅读更多：

Li, Yao, et al. “An Intelligent Artificial Hand with Force Control Based on Machine Vision.” Nanotechnology and Precision Engineering, vol. 9, no. 1, Jan. 2026, p. 013009. Silverchair, https://doi.org/10.1063/5.0253551

MAPLE框架：精准预测表观遗传年龄与疾病风险

如何精准量化生物学年龄并克服不同测序平台带来的技术误差？Yu Zhang, Yichen Yao, Yuan Qi, Li Jin等（复旦大学、上海科学智能研究院等）开发了一种名为MAPLE的新型计算框架。该研究利用成对学习技术，成功消除了数据中的批次效应，实现了对表观遗传年龄和衰老相关疾病风险的高精度预测，为个性化抗衰老干预提供了强有力的工具。

研究团队针对传统表观遗传时钟在跨平台应用时泛化能力差的痛点，创新性地提出了MAPLE框架。该方法不再直接预测绝对数值，而是采用成对学习策略，通过神经网络分析两个DNA甲基化样本之间的相对关系（如年龄差或疾病风险差异）。这种方法将不同来源的数据映射到一个统一的潜在空间，有效规避了因测序平台或预处理方法不同而产生的技术噪音。在包含血液、大脑、肌肉等多种组织类型的31项基准测试中，MAPLE的中位绝对误差仅为1.6年，显著优于现有的cAge和AltumAge等模型。此外，在针对心血管疾病和2型糖尿病的风险评估中，该模型不仅能精准识别疾病状态（平均AUC达0.97），还能灵敏地检测出疾病前期状态（平均AUC达0.85）。生物学分析显示，模型捕捉到的关键位点与免疫调节和器官发育密切相关，进一步验证了其在临床应用中的可靠性。研究发表在 Nature Computational Science 上。

#AI驱动科学 #预测模型构建 #衰老 #表观遗传学 #DNA甲基化

阅读更多：

Zhang, Yu, et al. “A Robust Computational Framework for Methylation Age and Disease-Risk Prediction Based on Pairwise Learning.” Nature Computational Science, Jan. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s43588-025-00939-x

KnowMe-Bench：面向终身数字伴侣的个体理解基准测试

为了打造真正懂你的“终身数字伴侣”，AI不仅需要记住你说过的话，更需要理解你行为背后的动机与原则。来自中国科学院大学（UCAS）、QuantaAlpha、北京大学（PKU）、清华大学（THU）以及德克萨斯大学休斯顿健康科学中心（UTHealth）等多家机构的研究人员组成的团队，包括Tingyu Wu、Zhisheng Chen、Qizhen Lan等人，联合推出了名为KnowMe-Bench的全新基准测试。该研究指出了现有评测主要依赖对话记录的缺陷，并证实了仅靠检索技术无法实现深层次的个体理解，为开发具备长期记忆和深度共情能力的AI伴侣提供了新的评估标准。

现有的AI记忆基准往往将用户经历压缩为稀疏的对话记录，导致丢失了行为背后的内心活动和情境细节。为此，研究团队构建了KnowMe-Bench，这是一个基于470万token长篇自传体叙事的高密度数据集。该研究采用了一种创新的“认知流重构”（Cognitive-stream reconstruction）方法，将文本分解为视觉、听觉、情境、背景知识和内心独白五个维度，并通过“记忆重整”（Mnestic realignment）技术，将叙事中的倒叙和闪回内容重新映射回正确的时间轴，以恢复事件的因果逻辑。在评估阶段，团队设计了包含事实提取、主观状态归因以及决策原则推理的三层级评估体系。实验结果显示，尽管检索增强生成（RAG）技术能提升AI在事实回忆上的表现，但在面对需要结合时间背景解释行为动机或推断深层原则的复杂问题时，模型依然频频出错。这表明，要实现真正的“个体理解”，AI需要超越简单的数据库检索，建立类似人类的结构化自传体记忆机制。

#大模型技术 #记忆机制 #人工智能 #基准测试 #数字伴侣

阅读更多：

Wu, Tingyu, et al. “KnowMe-Bench: Benchmarking Person Understanding for Lifelong Digital Companions.” arXiv:2601.04745, arXiv, 8 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.04745

MemoBrain：赋予智能体“执行记忆”以突破长程推理瓶颈

在涉及复杂推理和工具使用的长程任务中，大语言模型往往因为“记不住”或“记太杂”而导致任务失败。Hongjin Qian、Zhao Cao和Zheng Liu（北京人工智能研究院，中国人民大学）提出了一种名为MemoBrain的新型执行记忆模型。该研究旨在通过引入显式的记忆机制，解决智能体在长程交互中因上下文积累导致的逻辑中断和认知过载问题，从而提升AI在复杂任务中的推理能力。

MemoBrain作为一个独立的“副驾驶”模块，与推理智能体协同工作，并不依赖于被动的上下文拼接，而是模拟了人类的“执行记忆”（executive memory）功能。该方法包含两个核心过程：首先是记忆构建，它将零散的推理步骤抽象为紧凑的、包含逻辑依赖关系的“思维”单元，去除了无效的中间产物；其次是主动的记忆管理，MemoBrain在有限的上下文预算内，通过“折叠”已完成的子任务路径和“清除”低价值信息，始终保留最关键的推理主干。这种机制赋予了智能体对推理过程的认知控制能力。研究团队在GAIA、WebWalker和BrowseComp-Plus等高难度基准测试中验证了该模型，结果显示，无论是40亿还是140亿参数规模的模型，MemoBrain均能显著提升其在长程信息搜索和推理任务中的表现。

#大模型技术 #意图与决策 #智能体 #长程推理

阅读更多：

Qian, Hongjin, et al. “MemoBrain: Executive Memory as an Agentic Brain for Reasoning.” arXiv:2601.08079, arXiv, 12 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.08079

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。