追问daily | 15000小时修行背后：高僧神经振荡有何特殊之处？警惕AI排行榜陷阱：两个投票即可改变AI冠军

█ 脑科学动态

特定“炎症”状态下的免疫细胞竟能促进大脑神经再生

15000小时修行背后：脑磁图解密高僧的特殊神经振荡

大脑物理压力触发神经元自毁程序

为何有些教师更抗压？认知重评在危机中的缓冲作用

眼球运动积极参与大脑对过往经历的重构

新冠后遗症患者大脑能量代谢受损

掌控梦境治愈心灵：清醒梦疗法有望缓解PTSD与慢性噩梦

驳斥“一孕傻三年”：孕期大脑并未“变傻”，而是变得更具爱意

数学模型揭示大脑微血管网络如何精准调控血流

█ AI行业动态

阿里达摩院开源RynnBrain“具身大脑”，机器人首获时空记忆与物理推理能力

█ AI驱动科学

视觉语言模型在神经心理学测试中表现出广泛的视觉缺陷

AI决策辅助工具并非中立：对AI持积极态度者更易被误导

微米级锌空气电池问世，为微型机器提供片上电源

警惕AI排行榜陷阱：两个投票即可改变AI冠军

机器人群将音乐转化为动态光画

AI精准追踪脑干白质通路，助力神经疾病诊断与预后评估

抛弃全局视野，聚焦局部信息：Transformer如何学会物理定律

考试满分实战不及格：大模型无法提升公众医疗决策质量

脑科学动态

特定“炎症”状态下的免疫细胞竟能促进大脑神经再生

大脑中的免疫细胞如何影响新神经元的生成？来自辛辛那提大学的Yu (Agnes) Luo、Kierra Ware、Joshua Peter以及辛辛那提儿童医院的Krishna Roskin等人组成的研究团队，揭示了免疫细胞在调节成人大脑神经发生中的关键作用。他们发现，改变小胶质细胞的特定信号通路，不仅能促进新神经元的生成，还能减轻焦虑行为。

▷ 敲除小鼠海马小胶质细胞中的 Alk5 基因后，新生成年神经元的存活率显著提高。Credit: Nature Communications (2026).

该研究通过基因编辑技术，培育了小胶质细胞中缺乏TGF-β信号通路的小鼠模型。通常认为，免疫细胞的激活对神经生成有害，但研究人员惊讶地发现，这些失去TGF-β信号的“反应性”小胶质细胞反而刺激了海马区的成人神经发生（adult neurogenesis，成年期大脑生成新神经元的过程）。通过单细胞RNA测序分析，团队发现这是一种复杂的细胞间信号串扰：小胶质细胞的变化导致新生神经母细胞中PTEN信号下降，进而激活了mTOR通路。行为学实验进一步证实，这些神经发生增强的小鼠表现出更少的焦虑样行为。这一发现挑战了传统观点，表明特定状态下的免疫激活可能有益于大脑可塑性，并为未来治疗阿尔茨海默病和情绪障碍提供了新的潜在靶点。研究发表在 Nature Communications 上。

#疾病与健康 #心理健康与精神疾病 #神经发生 #免疫调节 #脑科学

阅读更多：

Ware, Kierra, et al. “Inhibition of TGF-β Signaling in Microglia Stimulates Hippocampal Adult Neurogenesis and Reduces Anxiety-like Behavior in Adult Mice.” Nature Communications, vol. 17, no. 1, Feb. 2026, p. 1440. www.nature.com, https://doi.org/10.1038/s41467-026-68885-4

15000小时修行背后：脑磁图解密高僧的特殊神经振荡

与大众普遍认为的“大脑放空”相反，冥想实际上是一种大脑高度活跃且有序的状态。蒙特利尔大学的Karim Jerbi、意大利国家研究委员会的Annalisa Pascarella以及基耶蒂-佩斯卡拉加布里埃莱·邓南遮大学和罗马大学的研究人员展开了一项国际合作。他们对12位平均拥有超过15,000小时修行经验的泰国森林传统佛教僧侣进行了研究，深入探索了冥想如何重塑大脑的动力学特征。

▷ t 值图和基于聚类的置换检验结果，用于分析两种冥想状态与 RS 状态下复杂度特征（LZC、HFD 和 SpecEn）。Credit: Neuroscience of Consciousness (2025).

研究团队利用脑磁图（MEG）技术，以毫秒级的时间分辨率记录了僧侣们在休息、萨玛塔（Samatha，止禅）和内观（Vipassana，观禅）三种状态下的大脑磁场活动。研究引入了物理学中的“临界性”（criticality）概念，即系统处于有序与混乱之间的最佳平衡状态。分析结果显示，冥想显著增加了大脑活动的复杂性，并调节了神经振荡。特别是内观冥想，它使大脑更接近“临界点”，这种状态下神经网络既足够稳定以传递信息，又足够灵活以适应新情况，被认为是处理信息和学习的“最佳状态”。相比之下，强调专注的萨玛塔冥想则产生了一种更为稳定的神经模式。

此外，通过先进的信号分析分离非周期性成分后，研究发现冥想实际上降低了伽马波段的振荡功率，修正了以往关于高频波增强的认知。这项研究不仅揭示了冥想提升大脑灵活性和情绪调节能力的神经机制，也为治疗焦虑和抑郁提供了科学依据。研究发表在 Neuroscience of Consciousness 上。

#神经科学 #神经机制与脑功能解析 #心理健康与精神疾病 #跨学科整合

阅读更多：

Pascarella, Annalisa, et al. “Meditation Induces Shifts in Neural Oscillations, Brain Complexity, and Critical Dynamics: Novel Insights from MEG.” Neuroscience of Consciousness, vol. 2025, no. 1, Feb. 2025, p. niaf047. Silverchair, https://doi.org/10.1093/nc/niaf047

大脑物理压力触发神经元自毁程序

大脑肿瘤如何通过物理手段“压垮”神经元？来自圣母大学的Maksym Zarodniuk、Anna Wenninger、Meenal Datta和Christopher Patzke组成的跨学科团队，结合工程力学与神经科学，揭示了慢性物理压迫导致大脑损伤的深层机制。研究发现，肿瘤生长产生的机械力会直接触发神经元的程序性死亡，而不仅仅是简单的物理破坏。这一发现有助于解释脑肿瘤患者为何常伴随严重的认知与运动功能衰退。

▷ Credit: Proceedings of the National Academy of Sciences (2026).

为了解开这一谜题，研究团队采用了一种创新的实验方法。他们利用诱导多能干细胞（iPSCs）在实验室中培育出模拟大脑神经网络的神经元和胶质细胞系统，并对该系统施加精确控制的物理压力，以模拟胶质母细胞瘤对周围组织的慢性压迫。通过对受压细胞进行信使RNA测序，研究人员发现，物理压力激活了特定的分子通路：HIF-1分子的增加虽然旨在帮助细胞适应压力，却引发了脑部炎症；同时，AP-1基因表达的上调进一步促进了神经炎症反应。这种“自毁程序”导致神经元凋亡和突触功能丧失。团队还通过小鼠体内模型和人类患者数据验证了这一结果，证实了机械力是导致神经退行性病变的关键因素。研究发表在 PNAS 上。

#疾病与健康 #神经机制与脑功能解析 #跨学科整合 #肿瘤 #脑损伤

阅读更多：

Zarodniuk, Maksym, et al. “Mechanical Compression Induces Neuronal Apoptosis, Reduces Synaptic Activity, and Promotes Glial Neuroinflammation in Mice and Humans.” Proceedings of the National Academy of Sciences, vol. 123, no. 1, Jan. 2026, p. e2513172122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2513172122

为何有些教师更抗压？认知重评在危机中的缓冲作用

战争带来的长期压力严重威胁着教育工作者的职业生涯。为了探究为何部分教师能在危机中保持韧性，来自耶路撒冷希伯来大学的 Demetria Hila Neustadter、Dana Lassri、Dana Rose Cohen 以及海法大学的 Joy Benatov 和 Noga Cohen 组成的团队进行了一项研究。他们发现，通过特定的心理调节策略，可以有效缓解战争环境对教师造成的职业倦怠。

▷ 认知重评调节了战争经历与高中教师职业倦怠之间的关联。Credit: Psychiatry Research (2026).

研究团队在战争爆发八个月后，对329名以色列高中教师（包括犹太裔和阿拉伯裔）进行了在线调查。研究并未仅仅关注教师经历了多少战争事件（如疏散或目睹受伤），而是重点考察了他们的主观压力感受以及情绪调节方式。研究引入了认知重评这一概念，即个体通过重新构建对困境的认知解读来改变其情绪影响的策略。

结果显示，导致职业倦怠的关键并非客观的战争暴露程度，而是主观的情绪困扰和无助感。数据分析表明，认知重评起到了关键的心理缓冲作用：那些习惯于使用该策略的教师，其职业倦怠水平显著较低。更重要的是，认知重评削弱了战争暴露与身心疲惫之间的联系，证明了韧性并非固定特质，而是可以通过后天培养的技能。这项发现强调了关注教师内在情绪状态的重要性，并建议通过专业培训推广这一简单有效的策略。研究发表在 Psychiatry Research 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：

Neustadter, Demetria Hila, et al. “The Effects of War on Teachers’ Burnout: The Moderating Role of Emotion Regulation.” Psychiatry Research, vol. 357, Mar. 2026, p. 116942. ScienceDirect, https://doi.org/10.1016/j.psychres.2026.116942

眼球运动积极参与大脑对过往经历的重构

眼睛不仅是接收信息的窗口，更是回溯记忆的关键线索。来自贝克雷斯特老年护理中心罗特曼研究所的Ryan M. Barker、Brian Levine等人组成的团队，通过一项创新研究揭示了眼球运动在记忆提取中的核心作用。他们发现，眼动并非记忆过程的被动副产品，而是积极参与了大脑对过去事件视觉和空间记忆的重建与处理。这一发现为理解人类记忆运作机制提供了新视角，并可能为相关脑部疾病的诊断提供依据。

在该研究中，研究人员邀请了91名健康年轻成人参观博物馆式的艺术展览，并在一周后让参与者在面对空白屏幕时自由回忆参观经历。利用高精度的眼动追踪技术，团队将参与者的眼球运动与口头回忆内容在毫秒级精度上进行了同步分析。结果显示，当人们准备回忆具体的情景细节时，其眼球扫视频率会在细节说出前约半秒显著增加，而在细节被回忆出来后立即减少。这种特定的眼动模式在回忆一般性事实或非情景信息时并未出现。这表明视觉探索机制直接服务于现实生活经验的重建。研究人员指出，由于眼动测量具有非侵入性且易于重复，未来有望用于阿尔茨海默病等神经退行性疾病的早期筛查，或帮助优化创伤后应激障碍（PTSD）的干预疗法。研究发表在 Cognition 上。

#认知科学 #神经机制与脑功能解析 #眼动追踪 #情景记忆 #阿尔茨海默病

阅读更多：

Barker, Ryan M., et al. “Remembrance with Gazes Passed: Eye Movements Precede Continuous Recall of Episodic Details of Real-Life Events.” Cognition, vol. 268, Mar. 2026, p. 106380. ScienceDirect, https://doi.org/10.1016/j.cognition.2025.106380

新冠后遗症患者大脑能量代谢受损

针对新冠后遗症（PCCo）患者常见的脑雾、注意力不集中等认知障碍问题，来自中央心理健康研究所（CIMH）的 Wolfgang Weber-Fahr、Gabriele Ende 和 Claudia Schilling 等研究人员发现，这些症状与大脑能量代谢的显著改变有关。这项研究揭示了患者大脑特定区域的能量供应异常，为理解新冠后遗症的病理机制提供了新的生物学证据。

▷ PCCo 患者扣带回皮质的 ATP/PCr 区域性改变。Credit: Biological Psychiatry (2026).

研究团队利用磷磁共振波谱（31P-MRS）技术，对27名新冠后遗症患者和23名完全康复的对照组进行了对比分析。31P-MRS 能够无创地检测活体大脑中的关键能量物质，包括被称为“细胞燃料”的三磷酸腺苷（ATP）和作为短期能量储备的磷酸肌酸（PCr）。结果显示，患者大脑扣带回皮层区域的 ATP/PCr 比率显著降低，表明该区域细胞能量代谢受损。特别是在前扣带回皮层，较低的能量水平与患者在认知测试中的较差表现密切相关。此外，同时患有肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的患者亚组也表现出类似的代谢模式。研究人员指出，这支持了线粒体功能障碍可能是导致新冠后遗症认知症状的关键机制。研究发表在 Biological Psychiatry 上。

#疾病与健康 #神经机制与脑功能解析 #新冠后遗症 #线粒体功能障碍 #脑能量代谢

阅读更多：

Weber-Fahr, Wolfgang, et al. “Reduced ATP-to-Phosphocreatine Ratios in Neuropsychiatric Post-COVID Condition: Evidence from 31P Magnetic Resonance Spectroscopy.” Biological Psychiatry, vol. 0, no. 0, Jan. 2026. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2026.01.004

阅读如何“教会”大脑听懂陌生的声音

学习阅读是否会改变我们“听”世界的方式？Mariana P. Nucci 和 Jed A. Meltzer 等人（圣保罗大学、贝克雷斯特罗特曼研究所）通过研究发现，识字能力不仅关乎阅读文字，更从根本上重塑了大脑处理口语的机制。即便在没有文字出现的纯听觉环境中，受过阅读训练的大脑也展现出了截然不同的神经活动模式。

▷ Credit: Cortex (2026).

为了揭示阅读对大脑听觉处理的影响，研究团队在巴西招募了两组老年人：一组是受过教育的终身阅读者，另一组是仅能识别字母但无法理解文本的功能性文盲。研究人员利用功能性磁共振成像（fMRI）技术，监测参与者在执行“单词监测任务”时的大脑活动。参与者需要聆听故事，并在听到特定目标词（如“水”）时按键。故事分为两种：一种是母语葡萄牙语，另一种是完全陌生的日语。

结果显示，两组人在聆听母语时表现相当，但在处理陌生的日语时，识字者的表现显著优于文盲。脑部扫描揭示，识字者在处理陌生语言时，大脑右侧额下回被强烈激活，而文盲组则未能激活这一区域。这表明，阅读训练培养了一种名为音素意识（phonemic awareness）的能力，使大脑能够独立于语义去分析语音的细微结构。右侧额下回的参与反映了这种后天习得的高级语音处理技能，它帮助人们在面对复杂的听觉挑战时具备更强的认知韧性。研究发表在 Cortex 上。

#疾病与健康 #其他 #细胞死亡 #癌症治疗 #免疫代谢

阅读更多：

Nucci, Mariana P., et al. “Literacy Modulates Engagement of the Right Inferior Frontal Gyrus in Phonological Processing of Spoken Language.” Cortex, vol. 196, Mar. 2026, pp. 19–40. ScienceDirect, https://doi.org/10.1016/j.cortex.2025.12.007

掌控梦境治愈心灵：清醒梦疗法有望缓解PTSD与慢性噩梦

清醒梦（Lucid Dreaming）即在睡眠中意识到自己在做梦的状态，是人类意识中迷人的一部分。Tirath Patel 等研究人员针对清醒梦在心理健康治疗中的应用进行了大规模综述研究。团队通过汇总分析现有文献，旨在填补长期健康影响证据的空白。研究发现，这种独特的意识状态可能成为治疗慢性噩梦和创伤后应激障碍（PTSD）的有效手段。

该研究分析了38项经同行评审的论文，涵盖健康人群及PTSD或帕金森病患者，并严格筛选了具备客观生理数据支持的研究。研究结果显示，当人们进入清醒梦时，大脑的前额叶皮层活动显著增强，该区域负责决策与冲动控制；同时，额叶区域会出现增强的伽马波段活动，这种约40赫兹的快速脑电波与高级思维相关，帮助做梦者意识到“我在做梦”。基于这种机制，患者可以在梦中获得主导权，主动面对并修改梦境内容，将恐惧场景转化为无害场景，从而阻断创伤记忆的反复重演。尽管目前证据仍属初步阶段，但研究人员认为未来结合可穿戴技术，患者有望在家中通过诱导清醒梦来进行自我疗愈。研究发表在 Annals of Medicine & Surgery 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 #认知科学

阅读更多：

Patel, Tirath, et al. “A Narrative Review on the Neurobiology of Lucid Dreaming: Mechanisms and Therapeutic Potential.” Annals of Medicine and Surgery, vol. 88, no. 2, Feb. 2026, p. 1680. journals.lww.com, https://doi.org/10.1097/MS9.0000000000004741

驳斥“一孕傻三年”：孕期大脑并未“变傻”，而是变得更具爱意

怀孕不仅改变女性的身体，也在重塑她们的大脑吗？为了探究怀孕期间女性在情感和认知上如何为母职做准备，来自哥本哈根大学和哥本哈根精神病中心的 Anne Juul Bjertrup、Kamilla Woznica Miskowiak 和 Catrine Sejer 等研究人员开展了一项对比研究。结果发现，怀孕会在心理上帮助女性更好地适应婴儿的信号，这种积极的适应性变化不仅驳斥了“一孕傻三年”的说法，还能预测产后母婴关系的质量。

该研究比较了44名孕妇和34名非孕妇对包含婴儿的图像、视频、声音及虚拟现实场景的反应。研究团队通过监测参与者的生理反应、面部表情以及自我报告的情绪感受，发现两组人群存在显著差异。与非孕妇相比，孕妇在听到婴儿哭声时表现出的压力较小，而在看到婴儿微笑时则感到更快乐，并表现出更强烈的想要抱起婴儿的冲动。此外，研究人员并未发现孕妇在记忆力或注意力等“冷认知”（cold cognition）任务上的表现劣于非孕妇，这表明尽管孕妇普遍睡眠质量较差，但并没有证据支持所谓的“孕傻”或“妈妈脑”导致的认知衰退。

随访数据显示，孕妇在怀孕期间对婴儿刺激的反应越积极，她在分娩六个月后报告的与孩子的关系就越好。研究指出，这种情感认知的适应性调整对于建立健康的母婴纽带至关重要。相反，如果在实验情境中对婴儿信号表现出过度消极或压力的反应，可能预示着产后抑郁症的风险增加。这一发现为早期识别和干预产后心理健康问题提供了新的视角。研究发表在 Infant Mental Health Journal 上。

#疾病与健康 #心理健康与精神疾病 #认知科学 #母婴关系 #怀孕

阅读更多：

Sejer, Catrine, et al. “Emotional-Cognitive Differences during Pregnancy: Adaptations for Motherhood.” Infant Mental Health Journal: Infancy and Early Childhood, vol. 47, no. 1, 2026, p. e70046. Wiley Online Library, https://doi.org/10.1002/imhj.70046

数学模型揭示大脑微血管网络如何精准调控血流

大脑血管网络极其复杂，如何在其中实现精准的血流控制一直是个谜。加州大学圣地亚哥分校的 Xiang Ji 和 David Kleinfeld 等人，联合上海神经科学研究所的 Kai Wang，结合理论物理与生物实验数据进行了深入研究。他们构建了数学模型并分析了大规模微血管网络数据，揭示了大脑微血管看似随机的连接背后隐藏的血流控制组织原则。

▷ 小鼠大脑皮层直径 0.7 毫米区域内的血管系统，图中红色标记区域突出显示了血流控制可靠的区域。Credit: Kleinfeld lab / UC San Diego

研究团队首先建立了一个数学模型，用于预测单根血管的变化如何影响整个网络的血流。他们利用共聚焦光场显微镜技术，在极高时空分辨率下追踪了超过100万个血细胞在3000多个血管分支中的运动，以此验证理论预测。研究发现，并非所有血管都能同等调节血流，只有位于穿透性小动脉分支处的“过渡区毛细血管”（位于分叉节点/diverging nodes）才是关键的“控制器”。理论与数据均表明，只有这些特定位置的血管扩张，才能可靠地增加下游血流。此外，由于单根血管扩张的效果微弱，大脑必须通过协调血管舒张来确保有效的调节。研究还发现，这些关键节点通常被周细胞包裹，这为血管的精细调节提供了结构基础。这一发现对于理解功能性磁共振成像（fMRI）信号以及脑血管疾病的病理机制具有重要意义。研究结果发表在 PNAS 上。

#神经科学 #神经机制与脑功能解析 #微循环 #生物物理学

阅读更多：

Ji, Xiang, et al. “Microvascular Architecture and Physiological Fluctuations Constrain the Control of Cerebral Microcirculation.” Proceedings of the National Academy of Sciences, vol. 123, no. 3, Jan. 2026, p. e2521872123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2521872123

AI 行业动态

阿里达摩院开源RynnBrain“具身大脑”，机器人首获时空记忆与物理推理能力

在全球具身智能竞赛白热化之际，阿里巴巴达摩院近日开源了其通用具身智能模型RynnBrain，为机器人装上了能够进行复杂时空推理的“大脑”。该模型的核心突破在于首次让机器人具备了“全局时空记忆”与“文本-空间交错推理”能力，有效解决了长期困扰行业的“物理幻觉”（模型描述与物理现实不符）和任务中断后“健忘”两大难题。这意味着机器人能在执行任务被打断后无缝回溯衔接，并能将语言指令与物理空间中的具体位置精准绑定，实现“言必有据”的可靠操作。在涵盖物体认知、空间规划等16项权威评测中，RynnBrain性能全面超越Gemini Robotics ER 1.5等前沿模型。

RynnBrain采用了一种仿生学的分层架构思路，其基础是达摩院此前开发的精准视觉理解模型RynnEC（可视为“眼睛”）。在此之上，RynnBrain作为“大脑”负责高阶规划和决策。它基于高效的混合专家架构，仅激活30亿参数便达到了超越720亿参数模型的性能，兼顾了能力与效率。尤为关键的是，其训练全部采用真实世界数据，通过“AI生成+人工清洗”方式构建了高达2000万对的高质量数据集。此次开源包含从20亿到300亿参数的完整模型系列、训练代码及全新评测基准RynnBrain-Bench。达摩院的长期目标是构建统一的机器人操作系统（OS），此次开源是其构建从感知模型到控制协议完整技术栈的关键一步。

#RynnBrain #具身智能 #机器人OS #阿里达摩院 #开源

阅读更多：

https://github.com/alibaba-damo-academy/RynnBrain

AI 驱动科学

视觉语言模型在神经心理学测试中表现出广泛的视觉缺陷

人工智能领域常存在“莫拉维克悖论”，即AI往往先掌握复杂的抽象推理，却难以胜任人类觉得简单的感知任务。为了探究这一现象在视觉领域的表现，来自奥克兰大学的 Gene Tangtartharakul 和 Katherine R. Storrs 借用人类临床评估工具，系统地对比了最先进的视觉语言模型（VLMs）与人类的视觉能力，揭示了AI在视觉基础层面的惊人短板。

研究团队采用了神经心理学评估作为核心方法，这是临床医生通常用于评估人类感知和认知能力的标准化工具。研究人员选取了三个顶尖的商用视觉语言模型，利用来自六个临床及实验测试组的51项测试对其进行全面“体检”，其中包括用于评估不同视觉处理阶段的伯明翰物体识别测试组（BORB）和侧重于空间感知的视觉物体和空间感知测试组（VOSP）。通过将AI的表现与健康成年人的规范数据进行直接对比，研究发现了一个显著的感知分离现象：虽然这些模型在面部识别和复杂物体分类等高级任务上表现出色，但在处理方向、位置、遮挡和连续性等低级和中级视觉任务时，却表现出广泛的缺陷。在人类医学标准下，这些缺陷被视为具有临床意义。这一结果表明，与人类必须基于基础视觉概念构建复杂认知不同，人工系统可以在缺乏基础视觉能力的情况下实现高级识别，凸显了两者在视觉机制上的本质差异。研究发表在 Nature Machine Intelligence 上。

#认知科学 #计算模型与人工智能模拟 #跨学科整合 #机器视觉 #深度学习

阅读更多：

Tangtartharakul, Gene, and Katherine R. Storrs. “Visual Language Models Show Widespread Visual Deficits on Neuropsychological Tests.” arXiv:2504.10786, arXiv, 16 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.10786

AI决策辅助工具并非中立：对AI持积极态度者更易被误导

人工智能辅助工具通常被认为能消除人为偏见，但事实可能恰恰相反。Sophie Nightingale（兰卡斯特大学）、Joe Pearson、Itiel E. Dror（认知咨询国际公司）以及Emma Jayes、Georgina Mason、Grace-Rose Whordley（英国国防科技实验室）组成的团队发现，基于AI的指导可能反而助长人类的偏见。研究表明，对人工智能持积极态度的人群，在使用AI辅助工具时，不仅未能提升决策质量，反而面临更高的被误导风险，导致决策效率降低。

▷ 示例刺激材料中的面部图像以轮廓形式呈现：上图 = 合成面孔，人工智能条件；下图 = 真实面孔，人类条件。真实面孔来自 Flickr-Faces-HQ 数据集，由 NVIDIA 公司根据知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 (CC BY-NC-SA 4.0) 提供。Credit: Lancaster University

该研究招募了295名参与者进行面孔真实性判断任务，要求区分真实面孔与合成面孔。实验的关键在于，参与者会收到据称来自“人类专家”或“AI算法”的建议，但这些建议实际上只有50%的准确率。研究人员利用人工智能总体态度量表（GAAIS）测量了参与者对AI的看法。结果显示，那些对AI持高度积极态度的参与者，在接受AI指导时，辨别真假面孔的能力显著下降；而接受“人类指导”的对照组则未出现受信任度影响的情况。这揭示了一种特定的自动化偏见，即人类倾向于过度信赖技术系统给出的建议。研究指出，盲目相信技术能消除偏见的观念，反而可能导致用户在AI出错时失去判断力，从而损害而非提升决策水平。研究发表在 Scientific Reports 上。

#认知科学 #意图与决策 #心理学 #人机交互

阅读更多：

Pearson, Joe, et al. “Examining Human Reliance on Artificial Intelligence in Decision Making.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 5345. www.nature.com, https://doi.org/10.1038/s41598-026-34983-y

微米级锌空气电池问世，为微型机器提供片上电源

为解决微型机器人和植入式传感器等设备的供电难题，来自印度塔塔基础研究所的 Subhra R. Pattanayak, T. N. Narayanan 和英国伦敦大学学院的 Yujia Fan, Yijia Zhu 等研究人员合作，成功开发了一种可直接集成在芯片上的平面微米级锌空气电池。该电池设计新颖，在微米尺度下实现了前所未有的高能量密度和循环稳定性，为自主微型设备的发展铺平了道路。

▷ 上图：分别采用 Zn 和 Co/Ni 电沉积法制备阳极和阴极的 CN-ZAMB（图中插图展示了阳极处可逆的 Zn⇌ZnO 转化以及阴极处由 NH₄⁺ 、 Zn₂⁺ 、 Cl⁻ 等电解质离子和 H₂O 分子促进的双功能 ORR/OER 过程）。下图：（左）Au 叉指电极芯片（总面积 2.25 cm × 0.75 cm，活性面积 1.15 cm × 0.6 cm）、CN-ZAMB 和 Pt-ZAMB 的数码照片。（右）三个串联的 Pt-ZAMB 有效地为室内外温湿度计供电。Credit: S. R. Pattanayak, et al.

研究团队采用了一种创新的平面设计，在单个芯片上利用微加工技术制造出宽度仅为200微米的叉指电极（interdigitated electrodes），将阳极和阴极并列于同一平面，极大地缩小了电池厚度。电池的阳极由沉积在多孔银骨架上的锌构成，阴极则采用了高效的双功能催化剂，如铂碳或电沉积的钴镍层状双氢氧化物（Co-Ni layered double hydroxide）。一个关键突破是使用了近中性的凝胶电解质，替代了传统锌空气电池中的强碱性电解液，使其生物相容性更好，更适合植入式设备。测试结果显示，该微型电池性能卓越，其面容量在2毫安/平方厘米的高电流下超过20微安时/平方厘米，体积容量达到85毫安时/立方厘米，并能稳定循环超过100次。研究团队还成功用三个串联的微型电池点亮了一个数字温湿度计，直观地证明了其为微型电子设备供电的实际能力。研究发表在 Small Methods 上。

#其他 #机器人及其进展 #微型电池 #锌空气电池

阅读更多：

Pattanayak, Subhra R., et al. “Microscale Near-Neutral Zinc–Air Battery on Interdigitated Electrode Chips for High Current Operation.” Small Methods, vol. 9, no. 12, 2025, p. e01562. Wiley Online Library, https://doi.org/10.1002/smtd.202501562

警惕AI排行榜陷阱：两个投票即可改变AI冠军

大型语言模型排行榜的可靠性有多高？来自麻省理工学院（MIT）和IBM研究院的Jenny Y. Huang、Yunyi Shen、Tamara Broderick等人开发了一种快速评估方法，发现这些广泛使用的排行榜对极少量的数据扰动异常敏感，少数用户的偏好投票就可能颠覆最终排名。

研究团队开发了一种高效的近似评估技术，用于测试LLM排名系统的数据鲁棒性。该方法能精准定位到那些对排名结果影响最大的“关键投票”，并模拟移除这些投票后的排名变化。他们将此方法应用于多个基于成对比较模型（例如Bradley–Terry model）的流行排行榜，结果令人惊讶：在一个拥有超过57,000条用户偏好数据的平台上，仅需移除两个投票（占比0.0035%）就能让排名第一的模型易主。即便是在一个采用专家标注、数据质量更高的平台上，移除大约3%的数据后，顶级模型的排名同样发生了翻转。研究人员指出，许多这类具有决定性影响的投票可能源于用户误操作或随机噪声，这意味着排行榜的头名并不能保证其在所有场景下都具备普适的优越性。

#AI驱动科学 #大模型技术 #数据鲁棒性 #排行榜稳定性

阅读更多：

Huang, Jenny Y., et al. Dropping Just a Handful of Preferences Can Change Top Large Language Model Rankings. 2026, https://arxiv.org/abs/2508.11847

机器人群将音乐转化为动态光画

如何让机器人将音乐的感性转化为视觉艺术？滑铁卢大学的Gennaro Notomista和Jingde Cheng开发了一套系统，利用机器人集群将音乐实时“绘制”成动态光绘作品，并允许人类参与共同创作，将音乐、绘画与机器人技术创新性地结合起来。

研究团队构建了一个由多个足球大小的轮式机器人组成的集群。这些机器人通过算法“聆听”音乐，实时提取节奏与和弦等情感特征，并将其转化为具体的视觉元素。机器人的移动速度、在地面画布上的位置，以及其拖曳光迹的颜色、强度和宽度，都会随着音乐的情感变化而动态调整。一台摄像机从上方捕捉这些光迹，最终融合成一幅流动的光影画作。该系统不仅是机器人的单向表演，更是一个开放的协作平台。人类创作者可以通过控制器实时调整光迹宽度等参数，与机器人群共同完成艺术品，实现人机之间的灵感互补。这项技术背后的多机器人协调控制算法，未来还有望应用于环境监测、精准农业和搜救任务等领域。

#AI驱动科学 #机器人及其进展 #人机协作 #艺术创作

阅读更多：

Cheng, Jingde, and Gennaro Notomista. “Music-Driven Robot Swarm Painting.” 2025 IEEE International Conference on Advanced Robotics and Its Social Impacts (ARSO) [Osaka, Japan], July 2025, pp. 335–40. Semantic Scholar, https://doi.org/10.1109/ARSO64737.2025.11124982

AI精准追踪脑干白质通路，助力神经疾病诊断与预后评估

脑干是人体的“生命中枢”，其内部微小的白质通路受损与多种神经系统疾病密切相关，但传统影像技术难以清晰呈现。来自麻省理工学院、哈佛大学和麻省总医院的Mark Olchanyi、Emery N. Brown等人，开发了一款名为“脑干束工具”（BSBT）的人工智能软件，首次实现了对脑干内八个关键白质束的自动化精准分割，为相关疾病的诊断和预后评估开辟了新途径。

▷ Credit: Mark Olchanyi/MIT Picower Institute

该研究的核心是一种为识别微小解剖结构而优化的卷积神经网络。研究团队首先利用健康志愿者的扩散磁共振成像（diffusion MRI）数据对该网络进行训练，并通过与尸检人脑的“真实”解剖结构比对来验证其准确性。训练完成后，BSBT能够自动分析患者的MRI扫描数据，量化每个白质束的体积和结构完整性指标——各向异性分数（fractional anisotropy, FA，反映水分子沿神经纤维扩散的方向一致性，是评估白质健康度的常用指标）。研究团队将该工具应用于阿尔茨海默病、帕金森病、多发性硬化症和创伤性脑损伤患者的数据集，发现了与特定疾病相关的独特损伤模式。尤为引人注目的是，该工具还成功追踪了一名昏迷患者长达七个月的康复过程，清晰地展示了其受损脑干束的愈合情况，证实了其巨大的临床应用潜力。研究发表在 PNAS 上。

#疾病与健康 #预测模型构建 #AI驱动科学 #神经影像

阅读更多：

Olchanyi, Mark D., et al. “Probabilistic Mapping and Automated Segmentation of Human Brainstem White Matter Bundles.” Proceedings of the National Academy of Sciences, vol. 123, no. 6, Feb. 2026, p. e2509321123. www.pnas.org, https://doi.org/10.1073/pnas.2509321123

抛弃全局视野，聚焦局部信息：Transformer如何学会物理定律

通用AI模型能否不止步于预测，而去发现宇宙的物理定律？针对当前Transformer等模型在科学任务中仅能“拟合数据”而无法构建“世界模型”的难题，来自麻省理工学院、贝勒医学院和斯坦福大学的Ziming Liu、Sophia Sanborn、Surya Ganguli和Andreas Tolias等研究人员发现，只需引入三个简单的归纳偏置，就能引导AI从学习开普勒的几何模型，转变为发现牛顿的力学定律。

研究团队通过实验证明，通用Transformer之所以无法自发学习牛顿定律，是因为缺少了关键的先验假设。他们系统地引入了三个归纳偏置：首先，通过将预测任务从离散分类变为连续回归，保证了空间的平滑性；其次，通过在训练中加入噪声，解决了回归模型中常见的误差累积问题，确保了稳定性。仅这两步就足以让模型学会一个连贯的开普勒世界模型，即根据行星历史轨迹拟合出椭圆轨道。然而，实现从几何拟合到物理洞察的飞跃，需要第三个偏置：时间局域性。通过将模型的注意力窗口限制在极短的过去，研究人员迫使模型放弃依赖全局历史信息的“曲线拟合”策略，转而学习如何仅根据局部状态（当前位置和速度）计算作用力，并以此预测未来，从而成功发现了牛顿的动力学表征。这项工作清晰地表明，简单的架构选择可以决定AI是成为数据拟合者还是物理学家。

#AI驱动科学 #计算模型与人工智能模拟 #归纳偏置 #世界模型 #Transformer

阅读更多：

Liu, Ziming, et al. “From Kepler to Newton: Inductive Biases Guide Learned World Models in Transformers.” 2026. Semantic Scholar, https://www.semanticscholar.org/paper/From-Kepler-to-Newton%3A-Inductive-Biases-Guide-World-Liu-Sanborn/4eeb778f159d6c5e758d718da4410b180b454a1c

考试满分实战不及格：大模型无法提升公众医疗决策质量

尽管大语言模型在医学执业考试中屡获高分，但在真实世界中它们真的能成为合格的“AI医生”吗？Andrew M. Bean、Rebecca Elizabeth Payne 和 Guy Parsons 等（牛津大学）团队通过一项大规模研究对这一问题给出了否定的答案。研究人员发现，尽管AI拥有海量的医学知识，但在实际协助普通人进行医疗决策时，其表现并不比传统的互联网搜索更好，这揭示了当前AI医疗应用中被忽视的“交互鸿沟”。

该研究是一项针对1298名参与者的随机对照试验，旨在评估大语言模型作为公众医疗助手的可靠性。研究团队设计了10种不同的医疗情景（如感冒、贫血、胆结石等），并让参与者分别使用GPT-4o、Llama 3、Command R+或传统搜索引擎来辅助判断病情及决定后续行动（如是否呼叫救护车）。结果显示，当LLM“独自”应对这些考题时，表现堪称完美，疾病识别准确率高达94.9%。然而，当这些“超级学霸”作为助手与人类互动时，效果却大打折扣：人类参与者的疾病识别率暴跌至34.5%以下，行动决策正确率也不足45%，甚至没有超过使用谷歌搜索的对照组。

研究团队指出，核心问题在于“人类-LLM交互”的失败。普通用户往往无法向AI提供完整、准确的病情描述，而AI回复中充斥的专业术语或模棱两可的建议（如笼统地区分紧急与非紧急情况）往往让用户感到困惑或误解。这一发现表明，目前的医学基准测试无法预测AI在真实应用中的表现，单纯堆砌医学知识并不能解决实际医疗场景中的沟通难题。研究发表在 Nature Medicine 上。

#疾病与健康 #大模型技术 #人机交互 #医疗决策 #公共卫生

阅读更多：

Bean, Andrew M., et al. “Reliability of LLMs as Medical Assistants for the General Public: A Randomized Preregistered Study.” Nature Medicine, Feb. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41591-025-04074-y

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。