追问daily | Cell：利用光合作用治疗干眼症；Nature：破解孤独症关键靶点；大语言模型如何推算时间？

█ 脑科学动态

Nature：破解自闭症核心症状的关键靶点

Nature：首次实现人工细胞的不对称分裂

Cell：移植植物光合作用系统治疗干眼症

海马涟漪与重放机制揭示大脑如何灵活重组知识以解决新问题

神经元过度活跃诱发严重自身免疫性脑病

严厉管教破坏幼儿压力调节能力的发展

绿地接触显著改善弱势儿童心理健康

█ AI行业动态

谷歌Gemini 3.2 Flash意外泄露：单次生成2200行代码

AnySearch打通“暗网”数据，为AI Agent开启真实世界之眼

马耳他开全球先例：全民免费享用ChatGPT Plus一年

OpenAI深夜重组：Brockman正式掌权

█ AI驱动科学

Cell：AI模型Path2Space仅凭病理切片预测空间基因表达

LLM多智能体系统演进全景：从基础能力到自主自我进化的闭环生命周期

突破超长上下文训练瓶颈：Lighthouse Attention实现高效大模型预训练

大语言模型如何推算时间？研究揭示Llama内部的通用几何计算器

新型深度学习架构CCDNN利用典型相关性引导实现高效多源数据融合

脑科学动态

Nature：破解自闭症核心症状的关键靶点：X染色体长链非编码RNA PTCHD1-AS

Clarrisa A. Bradley、Sangyoon Y. Ko和Stephen W. Scherer（加拿大多伦多病童医院）发现X染色体基因PTCHD1-AS缺失会引发自闭症核心症状及脑纹状体失调，明确了特定行为异常的遗传基础。

研究团队对9349名自闭症患者和8332名对照者进行全基因组测序，发现27名男性患者存在PTCHD1-AS微缺失，其患病风险增加2.56倍，且主要表现为社交障碍而较少伴随认知缺陷。团队据此构建了基因敲除小鼠模型，发现小鼠展现出社交减少、发声沟通异常及过度理毛等刻板行为，但学习和记忆力保持正常。结合转录组学分析，该基因在小鼠背侧纹状体（dorsal striatum，负责行为控制和习惯形成的脑区）持续表达。基因敲除导致该脑区的少突胶质细胞、神经元及星形胶质细胞发生分子改变，引起常规蛋白激酶C（conventional protein kinase C，参与细胞内信号传导的酶类）减少并扰乱了突触可塑性。此外研究证实该基因的功能完全独立于相邻的蛋白质编码基因。研究发表在 Nature 上。

#疾病与健康 #神经机制与脑功能解析 #长链非编码RNA #自闭症 #PTCHD1-AS

阅读更多：

Bradley, Clarrisa A., et al. “An X-Linked Long Non-Coding RNA, PTCHD1-AS, and the Core Features of Autism.” Nature, May 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-026-10515-6

Nature：首次实现人工细胞的不对称分裂

天然细胞能通过不对称分裂产生不同子代，而现有合成细胞缺乏复杂内部结构域边界，难以复现该过程。为解决人工细胞受控分裂的难题，Yan Qiao、Shu Wang与Yiyang Lin等研究人员（中国科学院化学研究所与北京化工大学）构筑了层状液晶液滴模型，首次在无外部操控下成功实现了人工细胞向两种结构迥异子代的不对称分裂。

该研究团队利用脂质分子与核苷酸自组装，构筑了分子密集的层状液晶液滴人工细胞（artificial cell，一种模拟天然生命系统基本特征的合成微室模型）。加入碱性磷酸酶（alkaline phosphatase，一种催化大分子去磷酸化反应的酶）后，液滴表面产生局部凹陷，随着反应进行，凹陷沿周向扩展并形成清晰的核壳界面。当凹陷张开至临界角度时，液滴内部核心被完整挤出，被剥离的外壳闭合成具有内部水相的多层囊泡。

实验证明静电屏蔽作用是这种不对称分裂（asymmetric division，母体细胞分裂为组成与形态不同子代的过程）的核心驱动力，多价金属离子在无酶条件下也能引发相同现象。分裂结束后子代液滴保留了酶活性，而子代囊泡因结构疏松释放出部分分子并降低了内部pH值。这说明不对称分裂能为后续功能演化提供差异化的化学微环境。该研究展示了化学不均匀性与界面能梯度协同诱发形态改变的新机制，为组装可增殖系统奠定基础。研究发表在 Nature 上。

#其他 #其他 #人工细胞 #不对称分裂 #生命起源

阅读更多：

Meng, He, et al. “Asymmetric Splitting in Dividing Lipid-Nucleotide Multilamellar Droplets.” Nature, vol. 653, no. 8114, May 2026, pp. 418–24. www.nature.com, https://doi.org/10.1038/s41586-026-10489-5

Cell：移植植物光合作用系统治疗干眼症

针对干眼症引发的眼表炎症难题，David Tai Leong、叶娟、孙晓和丁显光（新加坡国立大学、浙江大学医学院附属第二医院、山东第一医科大学、南京邮电大学）等研究人员将植物光合作用系统移植入哺乳动物眼部，成功利用可见光驱动细胞产生代谢物，有效缓解了干眼症状。

研究团队提取了菠菜叶绿体中的类囊体基粒（Thylakoid grana，光合作用中进行光反应的膜结构堆叠体），去除消耗能量的暗反应酶系，并使用表面活性剂将其包裹成名为LEAF的纳米系统。这些颗粒尺寸约400纳米，保留了完整的光系统复合结构，能够在环境可见光下自主高效地产生还原型烟酰胺腺嘌呤二核苷酸磷酸（NADPH，一种关键的抗氧化还原辅酶）。实验表明，LEAF能够被角膜上皮细胞和巨噬细胞快速吞噬。当小鼠内源性合成途径被完全阻断时，LEAF依然能独立提供充足的NADPH，并使细胞内的活性氧水平降低一半。在干眼症小鼠模型中滴注LEAF眼药水并在正常环境光下照射，小鼠角膜的NADPH水平在30分钟内即显著上升。连续治疗5天后，角膜荧光染色损伤评分大幅下降，泪液分泌显著增加。它不仅能在细胞内部恢复自身抗氧化能力并促使促炎巨噬细胞转变为抗炎型，还能在细胞外通过附带的植物源抗氧化酶清除微环境中的致炎因子，整体疗效优于常用的免疫抑制药物环孢素A。研究发表在 Cell 上。

#疾病与健康 #跨学科整合 #干眼症 #纳米医学 #光合作用

阅读更多：

Xing, Kuoran, et al. “Transplanting Light-Dependent Reactions for Mammalian Eye Photosynthesis.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.034

海马涟漪与重放机制揭示大脑如何灵活重组知识以解决新问题

面对新情况时，人类大脑如何将过去的知识重新组合以进行灵活的规划？北京师范大学、中国医学科学院和伦敦大学学院等机构的Li He、Xiongfei Wang等团队通过记录人脑电活动，揭示了海马体和内侧前额叶皮层在这一过程中协同工作的关键神经机制。

▷ 利用颅内记录设计轮廓构建任务（研究 1）。Credit: Nature Neuroscience (2026).

为了探究这一过程，研究人员招募了28名因治疗需要植入颅内电极的癫痫患者。参与者被要求完成两项类似乐高拼搭的推理任务，需要在脑海里将熟悉的元素组合成全新的图案。实验期间，研究团队使用高分辨率颅内脑电图记录了患者海马体和皮层区域的脑电活动。数据分析显示，海马体会产生短暂的高频神经活动爆发，即海马涟漪，这种活动能够促使内侧前额叶皮层更新其活动模式，从而将新推断出的解决方案编码为组合结构。与此同时，大脑会快速触发重放机制（replay，即对过往经验或信息序列的快速重新激活），将熟悉的知识模块重新组合成解决当前问题所需的候选序列。研究发现，重放活动在海马涟漪期间最为强烈，它不仅与内侧前额叶皮层的活动高度协同，还能有效预测参与者是否能做出高效的推理行为。这项研究证明了海马涟漪和重放机制是大脑动态更新皮层表征、支持灵活规划与推理的核心动力。研究发表在 Nature Neuroscience 上。

#神经科学 #神经机制与脑功能解析 #海马体 #灵活规划

阅读更多：

He, Li, et al. “Human Hippocampal Ripples Coordinate Planning Sequences and Compositional Representations in Neocortex.” Nature Neuroscience, May 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-026-02291-3

神经元过度活跃诱发严重自身免疫性脑病

针对免疫系统错误攻击大脑细胞导致抗IgLON5疾病中Tau蛋白病理改变的具体分子机制问题，德国神经退行性疾病中心和柏林夏里特医学院的Bilge Askin和Susanne Wegmann及其团队证实异常抗体会引发神经元过度活跃，进而导致细胞内Tau蛋白的异常聚集与错位，揭示了该罕见脑炎的致病基础。

▷ 来自患者血浆的α-IgLON5 自身抗体可与神经元 IgLON5 结合。Credit: Science Advances (2026).

该团队从患者血浆中分离出纯化的IgLON5特异性自身抗体（α-IgLON5 AABs，一种针对特定神经元表面蛋白的异常免疫分子），并将其应用于体外培养的小鼠海马神经元和成年野生型小鼠中。体外实验显示，异常抗体会导致IgLON5蛋白与细胞表面的其他受体和通道分子发生聚集，这种膜表面的受体簇集迅速诱发了神经元的异常过度活跃。过度活跃随后触发了致死性级联反应，导致神经元内出现明显的Tau蛋白错位（Tau missorting，即原本应位于轴突的Tau蛋白异常转移并积累在细胞体和树突中）。实验进一步证实，含有易聚集Tau突变的神经元在连续抗体处理下，显著形成了类似神经原纤维缠结的结构。在体内测试阶段，研究人员通过微量泵连续十四天将总计75微克的患者抗体注入野生型小鼠侧脑室，结果成功在小鼠海马体中诱导出Tau蛋白异常磷酸化及强烈的神经炎症反应。该研究明确了异常免疫抗体与细胞内Tau病理学之间的因果关系，将神经元功能亢进确立为驱动该类神经退行性病变的核心因素。研究发表在 Science Advances 上。

#疾病与健康 #神经机制与脑功能解析 #自身免疫疾病 #Tau蛋白 #IgLON5脑炎

阅读更多：

Askin, Bilge, et al. “IgLON5 Autoimmune Antibodies Activate Tau via Neuronal Hyperactivity.” Science Advances, vol. 12, no. 20, May 2026, p. eaec2042. science.org (Atypon), https://doi.org/10.1126/sciadv.aec2042

严厉管教破坏幼儿压力调节能力的发展

严厉的教养方式会如何影响儿童处理压力的能力？Jianing Sun与Erika Lunkenheimer团队（宾夕法尼亚州立大学）研究发现，体罚或吼叫等严厉管教方式会破坏幼儿独立调节压力的发展轨迹，导致儿童在面临压力时更难以平复，且随着年龄增长反而更加依赖母亲的外部干预。

研究团队对129对高危母子进行了两阶段追踪，在儿童3岁和4岁时分别进行评估。母亲通过问卷报告自身大声呵斥或体罚等育儿行为。在儿童进行具有挑战性的拼图任务时，研究人员为母子佩戴监测设备，以30秒为间隔追踪其呼吸窦性心律失常。数据表明，母亲在一时间段内的生理状态能预测孩子下一时段的状态。在管教温和的家庭中，母亲对孩子的生理调节影响随孩子长到4岁而减弱，显示儿童正发展独立的自我调节能力。但在管教严厉的家庭中，母亲的外部调节影响随孩子成长反而增强。受严厉管教的儿童还表现出更大的呼吸窦性心律失常惯性（RSA inertia，指受到压力挑战后升高的压力水平需要更长时间才能恢复到基线水平），表明其压力调节系统发育不良且更为僵化。研究发表在 Child Development 上。

#认知科学 #心理健康与精神疾病 #儿童发展 #压力调节 #家庭教育

阅读更多：

https://dx.doi.org/10.1093/chidev/aacag033

绿地接触显著改善弱势儿童心理健康

自然绿地能否缩小弱势儿童的心理健康差距？Keira I. Denker和Andrea Faber Taylor（伊利诺伊大学厄巴纳-香槟分校）研究发现绿地具均衡生成效应，弱势儿童从中获得的心理益处显著多于优势同龄人。

研究团队采用范围界定综述方法，检索并筛选了123项关于自然环境对健康影响的实证研究。随后他们深入分析了其中24项专门比较0至18岁不同社会背景儿童心理健康的文献。数据表明123项研究中近百分之六十证实了均衡生成（equigenesis，即特定物理环境促进不同人群健康公平的现象）的存在。聚焦儿童的24项研究中，半数明确指出弱势儿童从绿地中获益更多，表现为焦虑水平降低、行为问题减少，且阅读数学能力和亲社会行为得到显著改善。尽管优势儿童也能获益，但由于其已具备充足支持，往往表现出天花板效应。各项数据均未显示绿地存在负面影响，这表明投资校园绿化是改善弱势儿童心理健康的高回报手段。研究发表在 Frontiers in Psychology 上。

#疾病与健康 #心理健康与精神疾病 #儿童心理 #社会经济因素 #自然干预

阅读更多：

Denker, Keira I., and Andrea Faber Taylor. “Nature Is Nurture: A Scoping Review of Nature Exposure as an Equigenic Intervention on Children’s Psychological Health.” Frontiers in Psychology, vol. 17, Apr. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2026.1731222

AI 行业动态

谷歌Gemini 3.2 Flash意外泄露：单次生成2200行代码，手搓Windows 98引轰动

在年度I/O大会开幕前夕，谷歌悄然在网页端上线了新一代模型Gemini 3.2 Flash，被全球开发者意外捕获。该模型展现出惊人的编码实力：过去模型单次生成难以突破四五百行代码，而Gemini 3.2 Flash可轻松输出超过1000行，甚至有人仅用一次提示就生成了2200行的Three.js项目代码。更令人惊叹的是，有开发者利用其Pro版本仅凭提示就“手搓”出一个功能完备、支持窗口拖拽和内置浏览器的Windows 98模拟界面。在物理模拟和SVG设计测试中，该模型同样表现卓越，能生成带有透明光影、水花粒子的3D场景和高度细节化的PS5主机蓝图，其创意编程能力甚至超越了自家的旗舰Pro版本。

这一突破得益于谷歌DeepMind采用的模型蒸馏与稀疏化技术，在保持核心性能的同时将推理成本降低15-20倍，延迟压缩至200毫秒以内。业内传言其代码与推理能力已逼近GPT-5.5的92%水平。除了模型本身，Gemini应用正在全面打通第三方服务，目前已接入GitHub、Spotify、WhatsApp等，并预告将集成Canva（在线设计平台）、Instacart（生鲜购物平台）和OpenTable（餐厅预订平台），用户可直接在对话中完成设计、购物和订位，打造全能AI管家入口。随着I/O大会临近，更多产品如全天候智能体Gemini Spark、视频生成工具Gemini Omni等也遭泄露。在OpenAI和Anthropic下一代模型蓄势待发的背景下，这场泄露被视为谷歌在通往ASI竞速中的关键翻盘局。

#Gemini3.2Flash #AI编码 #模型蒸馏 #全能AI管家 #谷歌I/O

阅读更多：

https://9to5google.com/2026/05/17/gemini-app-thinking-level/

AnySearch打通“暗网”数据，为AI Agent开启真实世界之眼

在AI Agent自主执行任务的能力飞速提升之际，一个关键瓶颈——信息获取的深度与广度——正日益凸显。传统搜索引擎无法触及互联网上超过80%的专业数据，如企业股权结构、生产级代码、法律裁决书和实时威胁情报等。近日，一款名为AnySearch的产品试图解决这一痛点。它定位为AI时代的“搜索基础设施”，为Agent提供一个统一的高质量搜索入口。通过智能意图路由（Intent Classifier，一种自动判断查询目标并分配至最佳数据源的技术）和结果融合算法，AnySearch能将散落在代码仓库、金融数据库、法律文书库等专业源头的结构化信息，整合为简洁的Markdown格式输出。上线仅一周，该产品便在GitHub、ClawHub等开发者社区引发热潮，被多位技术专家评价为Agent开发中不可或缺的“天眼”。

AnySearch的能力在多个专业场景中得到验证。产品经理用它完成竞品调研时，它能自动聚合融资动态、应用商店评分和社区舆论，并标注信息置信度；开发者查询生产级代码实现时，它能直接从主流开源仓库（如bb8、pgcat）中提取核心逻辑并横向对比；投资人做公司尽调，它会诚实指出数据冲突与信息缺口，避免误导；安全工程师排查可疑IP，它能提供基础网络信息并明确自身的判断边界。该产品提供REST API、MCP Server和Skill三种接入方式，并承诺不记录、不追踪用户查询，将隐私保护作为架构底线。AnySearch的尝试，标志着搜索正经历从“帮人找网页”到“帮AI理解世界”的第四次范式转移。

#AI搜索 #AIAgent #AnySearch #智能路由 #专业数据源

阅读更多：

https://github.com/anysearch-ai

马耳他开全球先例：全民免费享用ChatGPT Plus一年

OpenAI近日宣布与马耳他政府达成一项国家级合作，向所有马耳他公民免费提供为期一年的ChatGPT Plus访问权限，相关费用由国家承担。这是全球首个以国家为单位、覆盖全体公民的人工智能工具普及计划。不过，获得这一福利有一个前置条件：公民需先完成由马耳他大学开发的人工智能素养课程，内容涵盖人工智能的基本原理、能力边界以及在家庭和工作场景中的负责任使用方法。首批用户预计在今年5月接入，由马耳他数字创新管理局负责分发，后续还将覆盖海外马耳他公民。这种“先教育、后工具”的路径，与多数国家停留在监管层面的政策形成鲜明对比。

对于OpenAI而言，这项合作的直接订阅收入（马耳他约57万人口，全员开通年成本约1.3亿美元）并非主要目标。其真正意图在于三方面：一是通过政府渠道批量获取用户，抢占心智，将ChatGPT塑造为“全球公用事业”；二是获得来自教师、渔民、公务员等多样化真实世界的交互数据，反哺模型训练，提升数据多样性；三是打造“样板间”，以吸引更多中等规模国家跟进合作。从财政可行性看，人口在500万以下的国家（如爱沙尼亚、新加坡、卢森堡）较易复制此模式，而人口过千万的大国则面临较大预算压力。这场实验的核心检验命题是：人工智能普及的瓶颈究竟是工具可及性，还是使用能力。项目启动6个月后的月活留存率，将成为判断该模式是否可持续的关键指标。

#马耳他 #ChatGPTPlus #全民AI #AI素养 #OpenAI

阅读更多：

https://openai.com/index/malta-chatgpt-plus-partnership/

OpenAI深夜重组：Brockman正式掌权，三大王牌合并迎战“SaaS末日”与Anthropic反超

人工智能领域的领军企业OpenAI在IPO前夕进行了公司历史上最大规模的组织重组。联合创始人兼总裁Greg Brockman从“代管”正式转正，全面接管所有产品战略。此次调整的核心是将ChatGPT、编程智能体Codex以及开发者生态命脉API三大独立产品线打碎合并，形成统一的产品与平台团队。原ChatGPT负责人Nick Turley被调离消费者业务，转管企业方向，其职位由前Instagram副总裁Ashley Alexander接替。这一“三线合一”的战略旨在以最大专注力向“智能体时代”（Agentic Future，指AI能自主完成复杂数字任务的阶段）进军，并秘密开发代号为“超级应用”的桌面端产品，该应用将融合ChatGPT、Codex和Atlas浏览器，目标是“自主代替用户执行复杂的数字任务”。

此次堪称“硅谷权游”的权力洗牌，被外界解读为OpenAI在内外交困下的断臂自救。内部层面，公司近期遭遇严重的高管空心化：AGI部署负责人Fidji Simo因病无限期休假，Sora负责人Bill Peebles等多位技术大牛接连离职。外部竞争则更为凶险：最大竞争对手Anthropic刚完成300亿美元融资，估值飙升至9000亿美元，在估值和编程领域实现对OpenAI的反超；同时，谷歌也计划在下周I/O大会上发布一系列针对ChatGPT的AI产品。为在年内推进IPO并重塑资本市场信心，OpenAI必须通过重组讲出一个“统一底层能力、统治桌面端”的清晰故事。Brockman这位技术灵魂亲自挂帅产品，既是临危受命，也是为守住9亿周活跃用户帝国而发起的背水一战。

#OpenAI重组 #GregBrockman #超级应用 #Anthropic反超 #智能体时代

阅读更多：

https://www.wired.com/story/openai-reorg-greg-brockman-product/

AI 驱动科学

Cell：AI模型Path2Space仅凭病理切片预测空间基因表达

空间转录组学能够揭示肿瘤异质性，但高昂的成本限制了其大规模应用。Eldad D. Shulman和Eytan Ruppin等（美国国立癌症研究所）开发了一款深度学习模型，直接从常规病理切片中精准预测空间基因表达，成功提取乳腺癌生物标志物，为肿瘤微环境分析与治疗预测提供了低成本的新方案。

研究团队利用空间转录组学的大规模数据与匹配的常规病理图像，训练了这款名为Path2Space的AI模型。该模型采用多层感知机预测每个微小捕获区域的基因表达。结果表明，模型能稳健预测上万个基因的空间分布，性能超越现有的21种计算方法，并在福尔马林固定石蜡包埋（formalin-fixed paraffin-embedded，一种标准的临床组织保存法）的切片上表现优异。研究人员将其应用于癌症基因组图谱的976个乳腺癌样本，成功推断出局部细胞类型丰度，并将患者划分为三个具有不同生存结局的空间亚组。更值得注意的是，基于该模型构建的空间肿瘤微环境（tumor microenvironment，肿瘤细胞周围由各类细胞和非细胞成分组成的复杂环境）景观，比传统批量测序更准确地预测了患者对化疗和曲妥珠单抗的临床响应。研究发表在 Cell 上。

#疾病与健康 #个性化医疗 #空间转录组学 #人工智能 #生物标志物

阅读更多：

Shulman, Eldad D., et al. “AI-Predicted Spatial Transcriptomics Unlocks Breast Cancer Biomarkers from Pathology.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.023

LLM多智能体系统演进全景：从基础能力到自主自我进化的闭环生命周期

大语言模型多智能体在复杂协作中面临故障难诊断与无法自主改进的困境。Shihao Qi、Jie Ma等研究人员（西安交通大学等）提出涵盖系统生命周期的全景综述框架，揭示了从基础协作到闭环自我进化的深层机制。

研究团队提出了名为LIFE的四阶递进理论模型。该框架将系统演化路径划分为奠定能力基础（Lay the capability foundation，指构建单智能体认知模块）、通过协作整合（Integrate agents through collaboration，指确立组织架构与通信协议）、通过归因寻找故障（Find faults through attribution，指识别复杂环境中的错误源头）以及通过自主改进进化（Evolve through autonomous self-improvement，指基于诊断结果自发优化行为）四个阶段。团队系统评估了现有研究在组织拓扑及故障分析等层面的方法论，并严谨验证了相邻阶段的双向制约关系。结果表明，系统故障诊断与结构优化之间存在核心的闭环效应。精准的故障溯源不仅能剖析错误发生的深层根源，更能极大程度地收敛架构迭代的搜索空间。若缺乏可靠的诊断支撑，智能体生态的自我进化将失去方向；而缺乏进化演变机制，归因结果也难以在实际应用中落地。该研究系统总结了迈向全自主闭环协作生态的跨期技术路线图。

#大模型技术 #意图与决策 #多智能体系统 #失败归因 #自我进化

阅读更多：

https://arxiv.org/abs/2605.14892

突破超长上下文训练瓶颈：Lighthouse Attention实现高效大模型预训练

极长上下文大语言模型的训练面临注意力机制计算量呈平方级激增的严重瓶颈。为此，诺斯研究院（Nous Research）的Bowen Peng、Subho Ghosh和Jeffrey Quesnelle提出了Lighthouse Attention架构，不仅大幅提升了训练速度，还完美保留了模型推理期的全注意力能力。

该研究提出了一种仅用于训练阶段的对称选择式分层注意力算法。研究人员首先对查询（Queries，注意力机制中代表当前处理信息的向量）、键（Keys，代表被匹配信息的向量）和值（Values，包含实际内容信息的向量）进行多层级的对称压缩池化，并使用无需梯度的参数无关评分机制进行重要性评估。随后，算法通过分块双调排序（chunked-bitonic top-K，一种用于图形处理器上快速并行筛选最高分项的排序机制）选出关键特征，将其重组为密集的因果子序列，再送入闪存注意力（FlashAttention，一种精确的硬件感知注意力加速内核）中进行核心计算，最后通过反向散射操作将结果精准还原至原始序列位置。这种解耦设计将稀疏选择逻辑完全移出核心计算流，极大提升了并行效率。在大语言模型预训练实验中，研究人员采用两阶段策略：主要时间使用新架构，最后阶段短暂恢复为标准全注意力训练。数据显示，在512K上下文下，该方法前向传播速度比基线快21倍，总运算速度提升17.3倍。最终模型的收敛损失不仅优于从头训练的全注意力基线，而且端到端总耗时大幅缩减。

#大模型技术 #计算模型与人工智能模拟 #长文本预训练 #LighthouseAttention #稀疏注意力

阅读更多：

https://arxiv.org/abs/2605.06554

大语言模型如何推算时间？研究揭示Llama内部的通用几何计算器

大语言模型在处理月份等循环概念时，究竟是如何进行推理的？Sheridan Feucht和Ekdeep Singh Lubana团队（Goodfire以及东北大学等机构）发现，Llama 3.1 8B 模型并未采用特定周期的模运算，而是在内部调用了一个通用的十进制几何计算器来统一处理此类任务。

为了揭开大模型内部计算机制的面纱，研究团队采用分布式对齐搜索（Distributed Alignment Search，一种通过追踪网络层级间信息流向来定位抽象因果变量的优化过程）和因果分析技术，对模型处理各类循环任务的神经活动进行了观测。实验中，研究人员将标准加法任务的神经激活状态进行修补（patching，指在神经网络特定层替换激活值以测试因果关系的干预方法）到循环任务中，成功改变了模型的预测结果。

研究揭示，当面对诸如八月之后的六个月是哪个月的提问时，模型并非像人类那样依次推算，而是先将八月转换为数字8，在第18层调用一个通用的十进制加法模块算出6加8等于14，随后在更深层的网络中将14映射回二月。更令人惊叹的是，模型使用傅里叶特征（Fourier features，即利用一组圆在激活空间中通过不同余数周期组合来表征数字的数学技术）并行处理这些加法子问题。研究团队甚至在第18层精准定位了28个专门负责加法的多层感知机神经元，这些神经元形成不同的聚类，完美协同处理不同周期的加法运算。

#大模型技术 #计算模型与人工智能模拟 #因果分析 #几何表征

阅读更多：

Feucht, Sheridan, et al. “Arithmetic in the Wild: Llama Uses Base-10 Addition to Reason About Cyclic Concepts.” arXiv:2605.01148, arXiv, 1 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.01148

新型深度学习架构CCDNN利用典型相关性引导实现高效多源数据融合

在工业4.0时代，如何高效融合来自不同传感器和系统的数据是提升自动化和智能化水平的关键。来自中南大学的陈志文（Zhiwen Chen）教授及其合作团队提出了一种名为CCDNN的创新深度学习架构，通过将数据相关性作为一种“引导”而非最终目标，实现了更高效、更专注的多源数据融合。

▷ 该创新方法利用典型相关引导的深度神经网络技术实现高效数据融合。实验结果表明，该方法在基准测试任务中表现出优异的性能，凸显了其在智能控制、自动化和数据驱动工程系统等领域的应用潜力。Credit: Professor Zhiwen Chen, Central South University, China

传统的数据融合方法，如典型相关分析（CCA）及其深度学习版本，致力于最大化不同数据源之间的相关性，但这可能偏离了如故障诊断或性能预测等具体工程任务的核心。CCDNN架构则另辟蹊径，它将“保持数据相关性”作为一个约束条件，让深度神经网络（DNNs）在优化过程中能够更专注于手头的任务。此外，该架构还集成了一个独特的无参数冗余滤波器，以精简信息。实验结果验证了其优越性：在标准的MNIST数据集上进行重构任务时，其误差比主流的DCCA模型降低了40%以上；在模拟工业故障诊断和设备剩余寿命预测等复杂场景中，CCDNN的分类和预测准确性也显著优于现有方法。这一灵活的架构能够有效处理图像、时间序列等异构数据，为开发下一代智能工程系统提供了强大的新工具。研究发表在 IEEE/CAA Journal of Automatica Sinica 上。

#AI驱动科学 #跨学科整合 #深度学习 #工业自动化

阅读更多：

Chen, Zhiwen, et al. “CCDNN: A Novel Deep Learning Architecture for Multi-Source Data Fusion.” IEEE/CAA Journal of Automatica Sinica, vol. 13, no. 3, Mar. 2026, pp. 555–67. IEEE Xplore, https://doi.org/10.1109/JAS.2025.125411

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。