追问daily|到大自然里走走，大脑真的会改变；运动时听音乐未必

发布时间：2026-02-28 12:31:05  浏览量：1

脑科学动态

Nature：“超级老人”的记忆秘诀：大脑持续新生神经元以对抗衰老

Science：人类为何会得流感？

唐氏综合征大脑发育图谱问世：三大关键基因及其调控潜力

大脑的“谷歌地球”：4D图谱揭示大脑的生长发育信息

普通能量分子乙酸盐竟能选择性提升女性记忆力

抗生素可通过调理肠道菌群修复受损大脑

压力大、注意力不集中？到大自然里走走，大脑真的会改变

别只盯着焦虑：气候危机让青少年感到愤怒与背叛

运动听音乐未必能提升专注力或改善情绪

脑体节律层级系统塑造主观时间感

AI行业动态

谷歌Nano Banana 2刷屏：Pro级画质白菜价

AI开始自己写AI算法，新算法已吊打现有模型

取代初级科学家？AI正在重塑科研就业市场，实验岗位暂时安全

AI驱动科学

DeepSeek 联手清北发布 DualPath，打破大模型推理存储墙

具身神经形态智能：迈向更高效、更自主的机器人未来

AI智能体不是越多越强：信息冗余构成了LLM规模效应的瓶颈

聊天机器人过度强调社会人口统计学刻板印象

机器善辨假图，人类更识伪片

让电极对超声波“隐身”，实现读写交互双重视野

像人类团队一样思考与分工：智能体AI重塑生物医学发现流程

MAPLE架构：通过解耦记忆、学习与个性化提升AI智能体适应性

机器意识评估新视角：超越计算等效性的行为推理原则

脑科学动态

Nature：“超级老人”的记忆秘诀：大脑持续新生神经元以对抗衰老

成人大脑能否新生神经元，及其与阿尔茨海默病的关系长期存在争议。伊利诺伊大学芝加哥分校和中国科学院分子细胞科学卓越创新中心的Ahmed Disouky、Orly Lazarov等人，通过对人类海马体的单细胞多组学分析，证实了成人神经发生的存在，并首次描绘了其分子调控图谱，揭示了该过程在阿尔茨海默病中的早期紊乱，以及“超级老人”大脑中独特的认知韧性特征。

研究团队采用单细胞核RNA测序和单细胞核ATAC测序两种前沿技术，分析了来自年轻成人、健康老人、超级老人（80岁以上但记忆力与中年人相当的个体）、临床前阿尔茨海默病患者和确诊患者五组人群的超过35万个海马体细胞核。研究证实，成人海马体中存在从神经干细胞到成熟神经元的完整发育路径。在阿尔茨海默病患者大脑中，这条神经元“生产线”在早期就出现了“堵塞”：尽管源头的干细胞数量增多，但下游的未成熟神经元数量却显著减少。更关键的发现是，这种功能障碍首先体现在表观遗传层面，即染色质可及性的改变，这比基因表达的显著变化发生得更早。与之形成鲜明对比的是，超级老人的大脑中未成熟神经元数量更多，并拥有一套独特的“韧性特征”，其稳定的基因调控程序可能帮助他们抵御了认知衰退。研究发表在 Nature 上。

#疾病与健康 #神经机制与脑功能解析 #阿尔茨海默病 #神经发生

阅读更多：

Disouky, Ahmed, et al. “Human Hippocampal Neurogenesis in Adulthood, Ageing and Alzheimer’s Disease.” Nature, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10169-4

Science：人类为何会得流感？浙江大学于晓方团队破解流感病毒跨物种感染人类的关键机制

禽流感病毒如何突破人体屏障感染人类，进而引发大流行？浙江大学的于晓方团队与吉林大学的魏伟团队合作，揭示了人体内一道关键的天然防线，并阐明了流感病毒突破该防线的分子机制。该研究由叶润鑫、王松狄、胡赢等人共同完成。

研究团队发现，人体内的干扰素基因刺激因子蛋白是抵抗禽流感病毒的一道关键屏障。当病毒入侵时，STING蛋白通过其特定的氨基酸位点被激活，进而启动核因子κB（NF-κB）信号通路，并诱导下游一个名为GADD34的抗病毒蛋白表达，从而有效抑制病毒在人体细胞内的复制。然而，研究人员通过序列比对发现，能够感染人类的流感病毒发生了一个“狡猾”的进化：其基质蛋白1（M1）的第115位氨基酸由缬氨酸突变成了异亮氨酸。这个看似微小的改变，却赋予了M1蛋白特异性结合并“关闭”人类STING蛋白的能力，使得病毒能够成功规避这道防线，在人体内高效复制。这一发现不仅揭示了流感病毒跨物种传播的核心机制，也指出M1蛋白的115位突变可作为预测禽流感大流行风险的分子标记。研究发表在 Science 上。

#疾病与健康 #疾病预防 #先天免疫 #病毒跨物种传播

阅读更多：

Ye, Runxin, et al. “STING–NF-κB Signaling Builds an Influenza Spillover Barrier.” Science, vol. 391, no. 6788, Feb. 2026, p. eads4405. science.org (Atypon), https://doi.org/10.1126/science.ads4405

唐氏综合征大脑发育图谱问世：揭示三大关键基因及其调控潜力

长期以来，导致唐氏综合征智力障碍的分子机制一直是个“黑匣子”。杜克-新加坡国立大学医学院的Vincenzo De Paola、伦敦帝国理工学院的Michael Lattke及其合作团队，通过构建首个高分辨率的唐氏综合征胎儿大脑皮层发育单细胞图谱，成功识别出三个关键的主调控基因，并初步证实了其活性是可调控的。

▷

健康胎儿（CON）和唐氏综合征（DS）胎儿脑组织中不同细胞类型的显微图像。绿色细胞代表一种在唐氏综合征患者中显著减少的神经元。Credit: Michael Lattke

研究团队利用先进的单细胞测序技术，分析了来自唐氏综合征和健康胎儿大脑皮层的约25万个细胞，绘制了详尽的基因调控图谱。分析发现，在唐氏综合征胎儿脑中，21号染色体上三个名为BACH1、PKNOX1和GABPA的转录因子因染色体多出一条而过度活跃，如同“过于强势的指挥官”，扰乱了大脑中数百个与学习记忆相关基因的正常活动，并导致特定类型的兴奋性神经元数量减少。更关键的是，研究团队在实验室培养的人类神经祖细胞中，使用反义寡核苷酸技术成功“调低”了这三个基因的活性，观察到下游基因的表达紊乱得到了部分纠正。这项发现不仅揭示了唐氏综合征神经发育异常的核心机制，也为未来开发靶向治疗提供了概念验证。研究发表在 Nature Medicine 上。

#疾病与健康 #神经机制与脑功能解析 #唐氏综合征 #基因调控 #单细胞测序

阅读更多：

Lattke, Michael, et al. “Single-Cell Atlas of the Developing Down Syndrome Brain Cortex.” Nature Medicine, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41591-026-04211-1

大脑的“谷歌地球”：4D图谱揭示大脑的生长发育信息

为了解决现有脑图谱无法展现大脑连续发育过程的难题，奥斯陆大学的Harry Carey、Heidi Kleven及同事开发了名为DeMBA的首个4D小鼠脑图谱。这一“大脑谷歌地球”整合了时间维度，能够以前所未有的精度追踪大脑从出生后到成年的动态变化，为理解孤独症、精神分裂症等神经发育障碍提供了关键工具。

▷

使用 DeMBA 及相关软件。Credit: Nature Communications (2025).

研究团队整合了6个不同发育时间点（出生后第4天至第56天）的公开小鼠脑3D图像模板。他们利用三维配准（3D-to-3D registration）技术对齐这些模板，并通过算法插值，生成了覆盖出生后第4天到第56天、共53个年龄阶段的连续动态模型，从而构建了DeMBA（发育期小鼠脑图谱，Developmental Mouse Brain Atlas）。这个四维图谱不仅提供了大脑结构的三维视图，更加入了时间这一关键维度，用户可以像播放电影一样观察大脑的生长过程。团队还开发了软件包，允许研究者在不同年龄阶段间转换和比较数据。这一工具如同大脑研究的“时光机”，能帮助科学家将数据精确定位到相应的发育阶段，极大地提高了研究的精确性，对于研究孤独症、精神分裂症和注意力缺陷多动障碍等神经发育障碍尤其重要。研究发表在 Nature Communications 上。

#神经科学 #神经机制与脑功能解析 #自动化科研 #4D脑图谱

阅读更多：

Carey, Harry, et al. “DeMBA: A Developmental Atlas for Navigating the Mouse Brain in Space and Time.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 8108. www.nature.com, https://doi.org/10.1038/s41467-025-63177-9

普通能量分子乙酸盐竟能选择性提升女性记忆力

我们身体代谢产生的能量分子如何直接影响记忆力？美国一个科学家团队，包括Erica M. Periandri和Gabor Egervari等研究人员，发现一种简单的代谢物乙酸盐（acetate）能显著增强雌性小鼠的长期记忆。这项研究揭示了新陈代谢、表观遗传与认知功能之间存在深刻的性别特异性联系。

▷

乙酸盐有助于长期记忆。Credit: Science Signaling (2026).

研究团队通过给成年小鼠注射乙酸盐，并对其进行新物体位置等一系列记忆测试。结果显示，接受乙酸盐注射的雌性小鼠在记忆任务中表现明显优于对照组，而雄性小鼠的记忆力提升则不显著。为探究其背后的神经机制，研究人员聚焦于大脑的记忆中枢——背侧海马。他们发现，在雌性小鼠中，乙酸盐能够特异性地增加一种名为H2A.Z的组蛋白的乙酰化水平。这种表观遗传修饰使得包裹基因的染色质结构变得更加松散，从而“解锁”了与学习记忆密切相关的基因（如Nr4a3和Ptgs2），使其表达水平显著提高。值得注意的是，这些分子层面的变化在雄性小鼠大脑中并未发生，这解释了记忆增强效应的性别差异。该发现为理解女性更易受阿尔茨海默病等认知衰退疾病影响提供了新视角，并提示乙酸盐或许能成为一种针对女性的非侵入性记忆增强疗法。研究发表在 Science Signaling 上。

#疾病与健康 #神经机制与脑功能解析 #记忆机制 #表观遗传学

阅读更多：

“Acetate Enhances Long-Term Memory in Female Mice by Sex-, Context-, and Brain Region–Specific Epigenetic and Transcriptional Remodeling.” Science Signaling. www.science.org, https://www.science.org/doi/10.1126/scisignal.aec0496. Accessed 27 Feb. 2026

抗生素可通过调理肠道菌群修复受损大脑

创伤性脑损伤（TBI）后的恢复过程复杂，其引发的肠道菌群失衡如何影响大脑健康备受关注。休斯顿卫理公会医院的Sonia Villapol及其团队通过动物模型研究发现，短期抗生素治疗能够通过重塑肠道菌群，显著减轻脑损伤后的神经炎症和神经退行性变，为TBI治疗提供了新思路。

▷

Credit: Communications Biology (2026).

研究团队对遭受脑损伤的小鼠进行了短期口服抗生素治疗，发现该疗法有效减小了大脑病灶体积、限制了细胞死亡，并显著抑制了小胶质细胞和巨噬细胞的活化，降低了促炎细胞因子水平。长读长宏基因组测序进一步揭示，抗生素清除了大部分有害细菌后，两种有益菌——人副杆菌（Parasutterella excrementihominis）和约翰逊乳杆菌（Lactobacillus johnsonii）——得以存留并可能在促进细胞修复、调节免疫中扮演关键角色。有趣的是，研究人员观察到无菌小鼠在脑损伤后恢复情况更差，这表明肠道菌群的存在对大脑修复至关重要。此外，该疗法的保护机制并非通过短链脂肪酸介导，暗示了存在其他肠-脑通讯通路。研究发表在 Communications Biology 上。

#疾病与健康 #神经机制与脑功能解析 #肠道微生物 #脑-肠轴

阅读更多：

Flinn, Hannah, et al. “Antibiotic-Induced Gut Microbiome Remodeling Reduces Neuroinflammation in Traumatic Brain Injury.” Communications Biology, Feb. 2026. www.nature.com, https://doi.org/10.1038/s42003-026-09737-1

压力大、注意力不集中？到大自然里走走，大脑真的会改变

亲近自然为何能舒缓身心？其背后的大脑机制尚不明确。为了系统性地解答这一问题，麦吉尔大学的Mar Estarellas和智利阿道夫·伊瓦涅斯大学的Constanza Baquedano等人，综合分析了108项脑成像研究。他们发现，大脑对自然的反应呈现出一种级联模式，为“自然疗法”提供了清晰的神经科学证据。

该研究是一项大规模的范围综述，系统地整合了来自脑电图（EEG）、功能磁共振成像（fMRI）等多种技术的研究成果。分析揭示，当人置身自然时，大脑会启动一个四步走的“平静程序”：首先，感官负荷降低，因为自然界的分形图案比城市的人工环境更易于大脑处理；接着，压力系统随之稳定，负责恐惧和应激反应的杏仁核活动减弱，心率放缓；随后，大脑的注意力网络得到恢复，从紧张的任务导向模式切换到放松的恢复模式；最后，与自我反思和胡思乱想相关的默认模式网络活动减少，内心归于平静。研究还指出，即使是短短三分钟的自然接触也能产生效果，但更长时间、更沉浸的体验益处更显著。这些发现不仅为绿色城市设计和医生开具“自然处方”提供了科学支持，也强调了环境保护与个人心理健康的紧密联系。研究发表在 Neuroscience Biobehavioral Reviews 上。

#疾病与健康 #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：

Baquedano, Constanza, et al. “Your Brain on Nature: A Scoping Review of the Neuroscience of Nature Exposure.” Neuroscience Biobehavioral Reviews, vol. 183, Apr. 2026, p. 106565. ScienceDirect, https://doi.org/10.1016/j.neubiorev.2026.106565

别只盯着焦虑：气候危机让青少年感到愤怒与背叛

气候危机如何重塑年轻一代的内心世界？西蒙弗雷泽大学的 Judy Wu 和 Maya Gislason 等人通过研究发现，儿童和青少年面对气候变化时产生的情绪远比“生态焦虑”复杂得多。除了焦虑，他们还深陷愤怒、背叛感和无力感之中，但研究也指出，积极的社区行动能为他们带来新的希望。

研究团队对48项涉及19岁以下人群的国际定性研究进行了快速综述，旨在捕捉单纯的问卷调查无法体现的情绪细微差别。结果显示，除了常被提及的生态焦虑（eco-anxiety），青少年还普遍表现出对他人的愤怒、对未来的无助感（即生态瘫痪， eco-paralysis）以及因从事不环保行为产生的内疚。特别是原住民青年和生活在受灾地区的青少年，更多报告的是气候变化对当下生活的直接冲击，而非仅是对未来的恐惧。研究指出，许多年轻人在能够用自己的语言描述经历时，更容易流露对成年人或系统不作为的愤怒与背叛感。关键发现是，参与以环境为主题的教育和社区活动能有效将负面情绪转化为希望和集体韧性，帮助青少年建立社会联系并重获掌控感。研究发表在 Journal of Environmental Psychology 上。

#疾病与健康 #心理健康与精神疾病 #气候变化 #生态情绪 #青少年发展

阅读更多：

Wu, Judy, et al. “Eco-Emotions in Children and Adolescents: A Rapid Review of the Qualitative Literature.” Journal of Environmental Psychology, Dec. 2025, p. 102894. ScienceDirect, https://doi.org/10.1016/j.jenvp.2025.102894

运动听音乐未必能提升专注力或改善情绪

人们普遍认为音乐是运动的“助推剂”，能提升表现和心情。为验证这一观点，来自于韦斯屈莱大学音乐、身心与大脑卓越中心的研究人员 Andrew Danso 及其同事，联合因斯布鲁克大学等机构的团队，对现有实验证据进行了深入的系统性审查。他们发现，音乐的实际效果可能并不像大众预期的那样普遍或一致。

该研究对10项符合标准的实验进行了系统综述和荟萃分析，重点考察了音乐在急性运动期间对执行功能以及情感反应的影响。研究分析了涵盖21个干预组的数据，结果显示音乐对认知或情绪结果并没有产生一致的显著影响。研究发现结果高度依赖于具体情境。特别是在高强度运动和老年参与者样本中，音乐的效应往往较弱甚至可以忽略不计。数据表明，随着运动强度的增加，音乐带来的效应量呈下降趋势。研究负责人 Andrew Danso 指出，音乐并非改善运动体验的“万能药”，其效果受运动情境、强度和人群差异的显著影响。这表明此前关于音乐在运动中益处的笼统主张缺乏足够的证据支持。研究发表在 Frontiers in Psychology 上。

#认知科学 #神经机制与脑功能解析 #运动心理学 #音乐与大脑

阅读更多：

Danso, Andrew, et al. “Does Music Support Executive Functions and Affective Responses during Acute Exercise? A Systematic Review and Meta-Analysis.” Frontiers in Psychology, vol. 16, Jan. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2025.1714707

脑体节律层级系统塑造主观时间感

为何快乐的时光总是短暂，而痛苦的等待却显得漫长？György Buzsáki 在一项新发表的观点文章中指出，主观时间感并非源于对物理时间的被动记录，而是由大脑和身体内部的节律层级系统共同构建的。这一研究挑战了传统的时间感知模型，提出时间体验本质上是对身体和神经回路“变化”的度量，强调了时间感知的具身性特征。

在这篇综述中，作者指出物理时间的线性流动与主观体验的可变性存在张力。研究运用韦伯-费希纳定律（Weber-Fechner law）解释了大脑对时间的对数尺度编码，即我们对时间长短的辨别力取决于持续时间的比例而非绝对差值。Buzsáki 提出了一个核心机制：跨频率相位-振幅耦合，即慢速的脑体节律（如呼吸、心跳对应的超慢波）的相位会调节快速脑波（如伽马波）的振幅。这种层级化的“节律套娃”结构，使得大脑能够整合不同时间尺度的信息。此外，研究强调了内感受的关键作用，即源自心跳、呼吸和胃肠蠕动等自主生理信号的输入，不断校准大脑的节律活动，从而产生了“度日如年”或“时光飞逝”的主观体验。这一观点将时间感知从抽象的神经计算拉回到了具体的生理过程中。研究发表在 Nature Reviews Neuroscience 上。

#认知科学 #神经机制与脑功能解析 #生理心理学 #时间感知

阅读更多：

Buzsáki, György. “Time, Space, Memory and Brain–Body Rhythms.” Nature Reviews Neuroscience, vol. 27, no. 1, Jan. 2026, pp. 61–78. www.nature.com, https://doi.org/10.1038/s41583-025-00987-2

AI 行业动态

谷歌Nano Banana 2刷屏：Pro级画质白菜价

谷歌近日正式发布了备受期待的图像生成模型Nano Banana 2，首席执行官皮查伊称其为“迄今为止最好的图像模型”。此次升级的核心并非单纯的画质提升，而是模型能力的结构性变革。它深度融合了Gemini对世界的深度理解，并能调用实时网页搜索获取信息，从而生成高保真且反映实时状况的图像，例如根据用户指定位置实时生成带有当地天气的“窗边景色”。模型在复杂文本生成、多主体一致性保持（最多5个角色和14个物体）、指令遵循以及对复杂构图（如分镜、图表）的理解能力上均有显著进步，速度也大幅提升，生成4K图像用时不到一分钟。

在定价策略上，Nano Banana 2展现出极大的市场竞争力，实现了“Pro级质量，Flash级价格”，图像生成成本比Pro版本降低25-50%，文本token成本降低70-80%。这一举措被解读为谷歌正将顶尖图像生成能力系统性地推向高频生产基础设施，例如Google Ads已开始接入该能力，预示着AI图像生成将正式进入广告生产流程。社区实测中，模型展现出从生成书籍内页、模仿笔迹到创建全景网站甚至CAD图纸的多样化潜力，尽管在生成时钟等精细元素上偶有失误，但其整体能力和性价比已引发关于设计师等创意职业未来的广泛讨论。

#NanoBanana2 #谷歌AI #图像生成 #AI模型 #Gemini

阅读更多：

AI开始自己写AI算法，新算法已吊打现有模型

多智能体强化学习（MARL）在不完全信息博弈中取得的突破，很大程度上依赖于研究人员对核心算法的反复手动调优。即使是基于坚实理论基础的反事实后悔最小化（CFR）和策略空间响应预言机（PSRO）等算法家族，其最有效的变体也往往源自人类的直觉与试错。Google DeepMind的研究团队利用大语言模型驱动的进化编码智能体AlphaEvolve，实现了算法设计过程的自动化。该框架将算法源代码视为“基因组”，通过LLM执行智能变异操作——重写逻辑、引入新控制流、注入创新符号运算，从而在广阔的算法设计空间中进行语义层面的搜索，而非简单的参数调优。

该框架在两大博弈论学习范式下展现了其通用性与强大能力。在迭代后悔最小化领域，团队演化出一种名为波动率自适应折扣CFR（VAD-CFR）的新算法。它引入了波动率敏感贴现、一致性强制乐观等非直观机制，在多个博弈基准测试中超越了当前最先进的基线方法。在基于种群的训练领域，团队则发现了平滑混合乐观遗憾PSRO（SHOR-PSRO）。这一新变体通过动态混合基于遗憾的求解器与贪婪策略，并自动调节混合因子，实现了从训练初期鼓励种群多样性到后期聚焦于严格均衡求解的平滑过渡，显著提升了算法的收敛速度与鲁棒性。这项工作标志着博弈论求解器的未来或将由人类智慧与人工智能驱动的洞察共同塑造。

#AlphaEvolve #多智能体强化学习 #博弈论 #算法自动发现 #大语言模型

阅读更多：

取代初级科学家？AI正在重塑科研就业市场，实验岗位暂时安全

人工智能的浪潮正席卷各行各业，科研领域也难以置身事外。据Nature最新调查，AI的崛起已经开始减少对能编写代码或进行基础数据分析的人类研究人员的需求，这些工作通常由研究生、博士后或没有研究生学历的科研人员承担。麻省理工学院的机械工程师赵选贺指出，在计算机建模等领域，基础性岗位的淘汰正在发生，因为AI在这些方面比入门级科学家做得更好。例如，斯坦福大学的计算生物学家布莱恩·希认为，过去实验室里负责编写代码包的研究程序员岗位如今已变得过时。威斯康星大学麦迪逊分校的计算生物学家汉娜·韦门特-斯蒂尔坦言，若在五年前建实验室，她会考虑雇佣研究程序员，但现在AI已能胜任繁重的编码工作，她不再有此需求。这种影响也体现在就业数据上，美国翻译协会科学技术部门的成员数量在不到两年半内下降了26%，部分科学翻译甚至转而从事送餐服务。

然而，这并非意味着所有科学工作都将被取代。多数研究人员认为，AI目前还无法完成更高层次的科研任务，例如提出原创性的研究思路。伦敦大学学院的量子物理学家乔纳森·奥本海姆虽使用AI生成论文的模拟评审意见，但认为AI“无法真正提出新颖的想法”。相较而言，从事“湿实验”的实验室技术员和早期职业研究人员暂时更为安全，因为由AI和机器人驱动的自动化实验室在许多任务上仍力不从心，且难以解读实验结果。二月份一项关于结构生物学的研究预印本也佐证了这一点：尽管AI工具AlphaFold2能高置信度预测大量蛋白质结构，但耗时费力的手动实验方法仍在被用于研究AI难以把握的蛋白质，显示出人类在特定领域的“比较优势”。

#AI科研影响 #科学就业 #自动化风险 #实验科学家 #未来工作

阅读更多：

AI 驱动科学

DeepSeek 联手清北发布 DualPath，打破大模型推理存储墙

在智能体工作负载成为主流的背景下，多轮交互累积的长上下文使得大模型推理的瓶颈从计算能力转移到了存储带宽。针对预填充阶段存储I/O压力过大这一痛点，DeepSeek联合北京大学和清华大学的研究团队，包括 Yongtong Wu、Shaoyuan Chen、Yinmin Zhong 等人，提出了一种创新的推理架构。该研究旨在解决现有架构中带宽利用极度不平衡的问题，通过优化数据加载路径，显著提升了大语言模型在处理复杂智能体任务时的效率。

DeepSeek团队提出的名为DualPath的系统，核心创新在于引入了双路径KV-Cache加载机制。传统的预填充-解码分离（PD-disaggregated）架构中，数据仅通过预填充引擎加载，导致其网卡过载而解码引擎网卡闲置。DualPath允许数据先加载至解码引擎，再通过远程直接数据存取（RDMA）技术经由计算网络传输至预填充引擎，从而将所有引擎的存储网卡聚合成一个全局资源池。此外，系统还采用了以计算网卡为中心的流量管理和自适应请求调度策略，确保大规模数据传输不干扰延迟敏感型的模型推理任务。在包含1152个GPU的生产集群上的测试结果显示，DualPath在离线推理场景中将吞吐量提升了1.87倍，在在线服务场景下提升了1.96倍，有效突破了单节点I/O限制。

#大模型技术 #机器人及其进展 #高性能计算 #推理优化 #存储带宽

阅读更多：

Wu, Yongtong, et al. “DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference.” arXiv:2602.21548, arXiv, 26 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.21548

具身神经形态智能：迈向更高效、更自主的机器人未来

设计能够在非结构化环境中自主交互并展现复杂行为的机器人，始终是工程学的一大难题。Chiara Bartolozzi、Giacomo Indiveri 和 Elisa Donati 组成的研究团队指出，理解生物体适应环境的机制是解决这一问题的关键。他们通过系统综述，探讨了如何利用神经形态工程技术，从感知到运动控制全方位赋能机器人，使其具备低功耗、高效率的“具身神经形态智能”，从而不仅限于受控环境下的重复操作，更能无缝融入人类社会。

该研究对比了传统机器人与生物系统的差异，指出传统方法依赖高功耗的计算和冗余控制，难以应对现实世界的动态变化。团队提出了一种基于“神经计算基元”的框架，主张采用事件驱动的感知方式，例如动态视觉传感器，它只在场景发生变化时产生信号，而非像传统相机那样记录静态帧，从而极大降低了数据处理量和延迟。研究还探讨了利用脉冲神经网络（SNN）和赢者通吃（Winner-Take-All）网络等计算基元来实现机器人的决策与运动控制。这种端到端的神经形态方法不仅能大幅降低能耗和硬件体积，还能赋予机器人类似生物的实时适应能力。研究人员同时指出了当前面临的挑战，如缺乏标准化的通信协议和基准测试，并呼吁神经科学、材料科学与机器人社区加强跨学科合作。研究发表在 Nature Communications 上。

#神经科学 #机器人及其进展 #计算模型与人工智能模拟 #神经形态工程 #具身智能

阅读更多：

Bartolozzi, Chiara, et al. “Embodied Neuromorphic Intelligence.” Nature Communications, vol. 13, no. 1, Feb. 2022, p. 1024. www.nature.com, https://doi.org/10.1038/s41467-022-28487-2

AI智能体不是越多越强：信息冗余构成了LLM Agent Scaling的瓶颈

基于大语言模型的多智能体系统常被认为可以通过增加智能体数量来提升性能，但上海交通大学、加州大学伯克利分校、加州理工学院以及约翰·霍普金斯大学的Yingxuan Yang、Weinan Zhang、Adam Wierman、Shangding Gu等研究人员发现，单纯堆砌同质智能体会迅速导致性能饱和。他们揭示了限制系统扩展的根本原因并非智能体数量不足，而是信息冗余。

研究团队在GSM8K、ARC等七个基准任务上进行了广泛的对比实验，采用和辩论两种协作机制，分析了同质与异质智能体系统的表现。研究人员引入了信息论框架，提出“有效信息通道”的概念，并开发了无需真实标签即可量化该通道数量的指标。研究结果表明，同质智能体的输出具有高度相关性，导致信息冗余，边际收益迅速递减；相反，引入多样性（如不同的基座模型、角色设定或工具）能显著增加非冗余的有效信息通道。数据显示，仅使用2个具有多样性的智能体，其表现就能匹配甚至超越16个同质智能体。这证明了多智能体系统的性能瓶颈在于有效信息的获取，而非单纯的计算量堆叠。

#大模型技术 #跨学科整合 #计算模型与人工智能模拟

阅读更多：

Yang, Yingxuan, et al. “Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity.” arXiv:2602.03794, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.03794

聊天机器人过度强调社会人口统计学刻板印象

聊天机器人能否真实代表不同背景的人类？宾夕法尼亚州立大学的 Pranav Narayanan Venkit、Sarah Rajtmajer 和 Shomir Wilson 等研究人员发现，当前的人工智能虽然能模拟特定人口统计特征，但往往过度依赖肤浅的刻板印象。这项研究指出，AI生成的角色未能很好地代表某些背景的人群，而是倾向于夸大文化符号，削弱了真实的人类体验。

研究团队对 GPT-4o、Gemini 1.5 Pro 和 DeepSeek v2.5 等大型语言模型进行了审计。他们让这些模型根据年龄、种族、性别等因素生成了1512个虚拟人物角色，并将这些角色的自我描述与126名真人撰写的756份描述进行了对比。结果显示，AI生成的角色表现出明显的算法他者化（Algorithmic Othering），即过度强调种族特征并将复杂身份简化为单一标签。例如，在模拟50岁非裔美国女性时，AI倾向于谈论福音音乐或社会正义等，而真人则更多谈论工作、育儿和健康等个性化内容。研究还识别出四种主要的表征伤害：依赖概括的刻板印象、将少数群体视为异类的异域风情、忽略复杂历史的抹杀以及通过礼貌语言掩盖的善意偏见。这表明，虽然AI生成的文本结构完整，但实际上是在使用文化编码语言过度简化少数群体的经历。

#大模型技术 #计算模型与人工智能模拟 #AI伦理 #算法偏见 #人机交互

阅读更多：

Venkit, Pranav Narayanan, et al. “A Tale of Two Identities: An Ethical Audit of Human and AI-Crafted Personas.” arXiv:2505.07850, arXiv, 7 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.07850

机器善辨假图，人类更识伪片

随着深度伪造技术在网络上迅速蔓延，区分媒体内容的真伪已成为一大挑战。佛罗里达大学的Brian S. Cahill、Natalie C. Ebner、Didem Pehlivanoglu和Mengdi Zhu等人通过一项对比研究发现，虽然人工智能在识别静态伪造人脸方面表现出惊人的准确性，但在检测动态伪造视频时，人类的判断力反而超越了现有算法。这一发现揭示了人脑在处理复杂动态线索时的独特优势。

研究团队通过两个独立的实验，分别测试了机器与人类对静态图像和动态视频的辨别能力。研究人员制作并整理了数百个真实与深度伪造的样本，邀请数千名参与者进行评估，并将结果与专门的检测算法进行对比。结果显示，在静态图像检测中，人工智能程序的准确率高达97%，而人类的表现仅与随机猜测无异。然而，在面对包含丰富语境的视频时，局势发生了逆转：算法的准确率大幅下降至随机水平，且表现出较高的误报率；相比之下，人类能够通过捕捉动作流畅度、面部表情和时间同步上的细微不协调，在大约三分之二的情况下正确识别真伪。此外，研究还量化了心理因素的影响：具备较强分析思维和互联网技能的参与者检测能力显著更强，而报告处于积极情绪中的人因对他人的信任感增加，其检测准确率反而有所下降。这表明在对抗深度伪造威胁时，人机协作可能比单纯依赖某一方更为有效。研究发表在 Cognitive Research: Principles and Implications 上。

#认知科学 #计算模型与人工智能模拟 #深度伪造 #人机交互 #心理学

阅读更多：

Pehlivanoglu, Didem, et al. “Is This Real? Susceptibility to Deepfakes in Machines and Humans.” Cognitive Research: Principles and Implications, vol. 11, no. 1, Jan. 2026, p. 3. Springer Link, https://doi.org/10.1186/s41235-025-00700-y

神经接口新突破：让电极对超声波“隐身”，实现读写交互双重视野

长期以来，传统的金属神经电极就像一面“镜子”，会反射超声波，导致科学家无法在记录神经电信号的同时进行脑功能成像。来自代尔夫特理工大学的 Raphael Panskus、Andrada Iulia Velea 和 Vasiliki Giagka 等研究人员，开发了一套全新的设计与验证框架，成功制造出能够让超声波“穿透”的柔性神经接口，实现了对大脑活动的同步多模态观测。

该研究并没有发明一种全新的材料，而是通过精密的计算模型解决了材料与结构的匹配问题。研究团队利用转移矩阵法建立模型，量化了不同材料厚度对声波的影响。基于该模型，他们设计了一种以热塑性聚氨酯为基底、覆盖极薄金属层（如300纳米金层）的电极。在清醒小鼠的体内实验中，这种新型接口表现出色：虽然超声信号强度有轻微衰减，但大脑的功能激活图谱依然清晰可见，结构相似性指数（SSIM）保持在较高水平，证明了该技术可以在不牺牲成像质量的前提下，实现精准的电生理记录。这一突破为脑疾病诊断和神经调控闭环系统提供了重要的硬件基础。研究发表在 npj Flexible Electronics 上。

#意识与脑机接口 #脑机接口 #多模态成像 #功能性超声 #柔性电子

阅读更多：

Panskus, Raphael, et al. “Ultrasound-Transparent Neural Interfaces for Multimodal Interaction.” Npj Flexible Electronics, vol. 10, no. 1, Jan. 2026, p. 15. www.nature.com, https://doi.org/10.1038/s41528-025-00517-1

像人类团队一样思考与分工：智能体AI重塑生物医学发现流程

传统的生成式AI多为单打独斗，如何让AI像人类科研团队一样分工协作？来自希德斯-西奈医疗中心的Binglan Li、Anil Kumar Saini、Jose Guadalupe Hernandez和Jason H. Moore团队提出了一种激进的新方向——Agentic AI。他们构建了一个允许通过多个具备自主决策能力的智能体进行协作的框架，旨在重构生物医学研究的组织形式，使AI从工具升级为科研合作伙伴。

该研究系统地阐述了Agentic AI的技术基础，由三种核心算法支撑：大语言模型作为处理指令的推理引擎，强化学习通过奖励机制优化智能体行为，以及进化算法用于探索人类直觉之外的创新解决方案。此外，研究团队总结了七个关键构建模块：推理、验证、反思、规划、工具使用、记忆和沟通。其中，“工具使用”是其核心优势，使智能体能灵活调用PLINK等生物信息学工具或通过检索增强生成（RAG）获取最新知识。

在实际应用中，该框架已展现出强大潜力。例如，多智能体系统Virtual Lab成功设计了92种针对SARS-CoV-2变体的新型纳米抗体，涵盖了从文献综述到实验设计的全流程。尽管目前面临数据隐私、算力成本和伦理可靠性等挑战，但这种“计算机模拟团队科学”模式预示着未来科研将是人类与AI深度协作的形态。研究发表在 Nature Biotechnology 上。

#AI驱动科学 #自动化科研 #智能体 #生物医学 #大模型技术

阅读更多：

Li, Binglan, et al. “Agentic AI and the Rise of in Silico Team Science in Biomedical Research.” Nature Biotechnology, Feb. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41587-026-03035-1

MAPLE架构：通过解耦记忆、学习与个性化提升AI智能体适应性

为何不同背景的用户向AI提问会收到相同的回答？针对现有大型语言模型智能体缺乏个性化适应能力的问题，Deepak Babu Piskala 开发了一种名为MAPLE的新型架构。该研究指出，现有系统错误地将记忆、学习和个性化混为一谈，而MAPLE通过架构解耦，成功解决了这一痛点，使AI能够像人类助手一样，根据用户的专业背景和历史偏好提供量身定制的回复。

Deepak Babu Piskala 提出的MAPLE架构将智能体的适应性分解为三个独立的子智能体：记忆组件负责存储和检索基础设施（Retrieval infrastructure），确保信息的留存；学习组件异步地从交互历史中提取模式和洞见；个性化组件则在有限的上下文窗口内实时应用这些知识。这种设计模仿了神经生物学中的记忆机制和认知框架。在MAPLE-Personas基准测试中，该方法展现了显著优势：与传统的无状态基线相比，MAPLE将个性化得分提升了14.6%，特征融合率从45%跃升至75%。这意味着系统不仅能“记住”用户的反馈（如偏好代码而非文字解释），还能主动“学习”并在未来的互动中自动调整输出策略，实现了真正的用户自适应。

#大模型技术 #记忆机制 #个性化 #智能体

阅读更多：

Piskala, Deepak Babu. “MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems.” arXiv:2602.13258, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.13258

机器意识评估新视角：超越计算等效性的行为推理原则

大型语言模型的崛起引发了关于人工智能是否具备意识的紧迫讨论。目前的评估标准主要依赖于检查机器是否模拟了人类大脑的特定计算过程，即“计算等效性”。然而，Stefano Palminteri 和 Charley M Wu 针对这一主流观点提出了批评，认为在当前的AI系统中寻找特定的计算架构既不现实也不准确。为此，该研究团队提出了一种替代性的“行为推理原则”，主张应当依据能否有效解释和预测AI的行为表现来判定其是否具备意识，这为机器意识的归因提供了新的认识论框架。

这项研究对认知科学中的核心假设进行了重新审视。研究人员指出，基于“计算等效性”的评估方法存在根本缺陷：一方面，科学界对于产生意识究竟需要何种具体的计算过程（如全局工作空间理论或循环处理）尚无定论；另一方面，现代LLM如同“黑盒”，其内部数以亿计的参数使得直接验证特定计算过程变得极不可行。

针对这一困境，研究团队提出了基于“方法论行为主义”的“行为推理原则”。在该框架下，意识不被视为直接的可观察现象，而被视为一种用于解释观察数据的潜在变量。研究认为，如果将“意识”作为一种理论构造，能够比其他假设更有效地解释和预测人工智能系统的复杂行为，那么归因于其意识就是合理的。这类似于认知科学通过观察行为来推断记忆或注意力等潜在心理过程。该原则强调行为在意识科学中的首要地位，并建议未来的测试应通过严格的行为实验来推断潜在的计算过程，而非纠结于底层的物理或代码实现。研究发表在 Neuroscience of Consciousness 上。

#意识与脑机接口 #计算模型与人工智能模拟 #大模型技术 #认知科学

阅读更多：

Palminteri, Stefano, and Charley M. Wu. “Beyond Computational Equivalence: The Behavioral Inference Principle for Machine Consciousness.” Neuroscience of Consciousness, vol. 2026, no. 1, Jan. 2026, p. niag002. Silverchair, https://doi.org/10.1093/nc/niag002