追問daily | 10分鐘數(shù)字干預(yù)課程可緩解抑郁癥狀；大語言模型是否暗中知道何時(shí)停止思考？

█ 腦科學(xué)動(dòng)態(tài)

Science揭示共情的神經(jīng)基礎(chǔ)：食欲素如何讓我們懂得安慰同伴

免疫細(xì)胞保留組織位置的分子記憶：AI算法重構(gòu)單細(xì)胞空間坐標(biāo)

前腦島活動(dòng)揭示酒精成癮者偏愛酒精的神經(jīng)機(jī)制

新冠后遺癥：味蕾內(nèi)的分子缺陷導(dǎo)致長(zhǎng)期味覺喪失

AI分析未發(fā)現(xiàn)年輕人大腦結(jié)構(gòu)與導(dǎo)航能力存在明顯關(guān)聯(lián)

記憶編碼并非持續(xù)恒定，而是隨大腦 Theta 節(jié)律波動(dòng)

低劑量鋰可能延緩輕度認(rèn)知障礙患者的語言記憶衰退

細(xì)胞譜系被證實(shí)是大腦自我組織的“隱形導(dǎo)航圖”

10分鐘數(shù)字干預(yù)課程可緩解抑郁癥狀

█ AI驅(qū)動(dòng)科學(xué)

AI驅(qū)動(dòng)的高通量全腦細(xì)胞圖譜繪制

CATS Net框架實(shí)現(xiàn)類人概念形成、理解與交流

序列模型智能體可通過上下文推理自然涌現(xiàn)合作行為

大語言模型是否暗中知道何時(shí)停止思考？

基于強(qiáng)化學(xué)習(xí)的多智能體拓?fù)溲莼瑢?shí)現(xiàn)競(jìng)賽級(jí)代碼生成

混合強(qiáng)化學(xué)習(xí)框架利用記憶機(jī)制，顯著提升大語言模型智能體的探索能力

腦科學(xué)動(dòng)態(tài)

Science揭示共情的神經(jīng)基礎(chǔ)：食欲素如何讓我們懂得安慰同伴

情感共情如何轉(zhuǎn)化為親社會(huì)行為？斯坦福大學(xué)的Jae Gon Kim和Jin Hyung Lee團(tuán)隊(duì)以小鼠為模型，揭示了下丘腦到前扣帶回皮層的食欲素能神經(jīng)通路是關(guān)鍵。該通路通過驅(qū)動(dòng)特定腦區(qū)振蕩來調(diào)控共情與親社會(huì)行為。

研究團(tuán)隊(duì)首先構(gòu)建了無經(jīng)驗(yàn)觀察恐懼和依賴經(jīng)驗(yàn)的觀察恐懼兩種小鼠模型，以對(duì)比共同經(jīng)歷對(duì)共情的影響。行為學(xué)分析顯示，擁有共同恐懼經(jīng)歷的小鼠表現(xiàn)出更強(qiáng)的觀察恐懼反應(yīng)，并在重聚時(shí)展現(xiàn)出更多社交梳理（allogrooming，即安慰行為）。隨后，研究人員結(jié)合OxLight1探針與光纖記錄技術(shù)，發(fā)現(xiàn)小鼠前扣帶回皮層（ACC）內(nèi)的食欲素能神經(jīng)元在共情期間被選擇性激活。為驗(yàn)證因果關(guān)系，團(tuán)隊(duì)采用光遺傳學(xué)技術(shù)，實(shí)時(shí)抑制從下丘腦外側(cè)區(qū)（LHA）投射至前扣帶回皮層的神經(jīng)輸入，同時(shí)記錄局部場(chǎng)電位。結(jié)果表明，這種特異性抑制不僅降低了目標(biāo)腦區(qū)特定頻率的θ波功率，還顯著減少了小鼠的凝視僵住和親社會(huì)行為。這證實(shí)了下丘腦食欲素能輸入通過驅(qū)動(dòng)皮層θ振蕩實(shí)現(xiàn)了情感共情向行動(dòng)的轉(zhuǎn)化。研究發(fā)表在 Science 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #食欲素 #親社會(huì)行為 #共情

閱讀更多：

Kim, Jae Gon, et al. “Empathy and Prosocial Behavior Powered by Orexin-Driven Theta Oscillations.” Science, vol. 391, no. 6787, Feb. 2026, pp. 800–06. science.org (Atypon), https://doi.org/10.1126/science.aea7140

免疫細(xì)胞保留組織位置的分子記憶：AI算法重構(gòu)單細(xì)胞空間坐標(biāo)

單細(xì)胞測(cè)序雖能揭示單個(gè)免疫細(xì)胞的基因活性，但在細(xì)胞分離時(shí)會(huì)丟失關(guān)鍵的空間位置信息，這阻礙了對(duì)復(fù)雜器官疾病機(jī)制的理解。波恩大學(xué)醫(yī)院和波恩大學(xué)的Junping Yin、Jian Li和Christian Kurts團(tuán)隊(duì)開發(fā)了名為MERLIN的人工智能算法，成功從離體巨噬細(xì)胞中提取出位置信息，精準(zhǔn)重建了其在器官內(nèi)的原始空間坐標(biāo)。

? 基于人工智能的腎臟免疫細(xì)胞定位多項(xiàng)式分類工作流程示意圖及其應(yīng)用。Credit: Advanced Science (2026).

該研究融合了免疫學(xué)與生物信息學(xué)，團(tuán)隊(duì)利用來自腎臟皮質(zhì)、外髓質(zhì)和內(nèi)髓質(zhì)的多個(gè)獨(dú)立單細(xì)胞RNA測(cè)序數(shù)據(jù)集對(duì)MERLIN算法進(jìn)行訓(xùn)練。該算法采用改進(jìn)的多層感知器機(jī)器學(xué)習(xí)框架，通過識(shí)別受局部缺氧或鹽濃度等組織微環(huán)境影響的特異性基因表達(dá)模式來預(yù)測(cè)細(xì)胞來源。數(shù)據(jù)表明，MERLIN預(yù)測(cè)小鼠和人類腎臟中駐留巨噬細(xì)胞空間位置的準(zhǔn)確率均超過75%，并且成功跨器官應(yīng)用于大腦，重建了小膠質(zhì)細(xì)胞的空間分布。在分析急性腎損傷和糖尿病腎病等已發(fā)表數(shù)據(jù)集時(shí)，MERLIN揭示了外髓質(zhì)巨噬細(xì)胞在促炎反應(yīng)中的主導(dǎo)地位，其預(yù)測(cè)的區(qū)域特異性免疫反應(yīng)與臨床已知的藥物療效高度吻合，為研究微環(huán)境與疾病進(jìn)展的關(guān)系提供了強(qiáng)大工具。研究發(fā)表在 Advanced Science 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #技術(shù)創(chuàng)新 #單神經(jīng)元重建 #全腦成像

閱讀更多：

Yin, Junping, et al. “Predicting Macrophage Spatial Localization from Single-Cell Transcriptomes to Uncover Disease Mechanisms.” Advanced Science, n/a, no. n/a, p. e10924. Wiley Online Library, https://doi.org/10.1002/advs.202410924

前腦島活動(dòng)揭示酒精成癮者偏愛酒精的神經(jīng)機(jī)制

成癮者為何更偏愛酒精而非社交？阿姆斯特丹醫(yī)科大學(xué)中心的Nathan J. Marchant團(tuán)隊(duì)開展研究，證實(shí)前腦島區(qū)域在決策過程中的活動(dòng)偏差是促使個(gè)體優(yōu)先選擇酒精的關(guān)鍵所在。

? 左圖：軌跡圖描繪了大鼠按下杠桿獲得酒精或社交獎(jiǎng)勵(lì)時(shí)前島葉的活動(dòng)情況。右圖：大鼠按下杠桿獲得獎(jiǎng)勵(lì)后的平均活動(dòng)值（±標(biāo)準(zhǔn)誤）。Credit: van Mourik et al., 2026

研究團(tuán)隊(duì)訓(xùn)練大鼠在交替階段按壓杠桿，以分別獲得酒精或社交獎(jiǎng)勵(lì)。研究人員在大鼠的前腦島皮層轉(zhuǎn)染了鈣指示劑，并利用光纖光度法記錄腦區(qū)活動(dòng)。同時(shí)，團(tuán)隊(duì)引入線性彈道累積器模型（Linear Ballistic Accumulator modelling，一種用于解析認(rèn)知決策中證據(jù)積累速度的數(shù)學(xué)模型）來分析行為數(shù)據(jù)。

結(jié)果顯示大鼠逐漸形成了強(qiáng)烈的酒精偏好。在面臨選擇時(shí)，前腦島皮層在酒精相關(guān)行為中的活躍度顯著高于社交行為，尤其在做出決定前的提示期最為明顯。模型表明，該腦區(qū)的活動(dòng)差異與決策偏差高度正相關(guān)，即該腦區(qū)活動(dòng)加快了傾向酒精的證據(jù)積累。當(dāng)對(duì)選擇酒精施加懲罰時(shí)，大鼠偏好逆轉(zhuǎn)，該腦區(qū)活動(dòng)偏差不再與決策相關(guān)。這證實(shí)了前腦島在酒精渴求機(jī)制中的關(guān)鍵作用，為成癮干預(yù)提供了新的潛在治療靶點(diǎn)。研究發(fā)表在 Journal of Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #成癮機(jī)制 #前腦島皮層 #決策偏差

閱讀更多：

Mourik, Yvar van, et al. “Anterior Insula Activity during Alcohol and Social Reward Self-Administration and Choice in Male and Female Rats.” Journal of Neuroscience, Feb. 2026. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1180-25.2026

新冠后遺癥：味蕾內(nèi)的分子缺陷導(dǎo)致長(zhǎng)期味覺喪失

新冠引發(fā)的長(zhǎng)期味覺喪失機(jī)制亟待闡明。科羅拉多大學(xué)安舒茨醫(yī)學(xué)院等機(jī)構(gòu)的Hanna Morad與Thomas E Finger等人合作，首次發(fā)現(xiàn)長(zhǎng)新冠患者味蕾內(nèi)的分子異常，揭示了特定味覺喪失的生物學(xué)原因。

研究團(tuán)隊(duì)招募了28名在感染新冠病毒一年后仍報(bào)告持續(xù)味覺障礙的非住院患者。研究人員首先使用WETT味覺測(cè)試客觀評(píng)估受試者對(duì)甜、鮮、苦、酸、咸五種基本味覺的感知能力。隨后，團(tuán)隊(duì)對(duì)其中20名受試者的菌狀乳頭進(jìn)行了活體組織檢查。通過組織學(xué)分析和定量聚合酶鏈?zhǔn)椒磻?yīng)（qPCR，一種用于放大并定量檢測(cè)特定遺傳物質(zhì)片段的技術(shù)），研究人員檢測(cè)了味蕾的整體結(jié)構(gòu)、神經(jīng)支配情況以及不同味覺受體細(xì)胞標(biāo)志物的信使核糖核酸表達(dá)水平。

結(jié)果顯示，11名患者出現(xiàn)了一種或多種味覺的完全喪失，主要集中在甜味、鮮味和苦味上。這些受影響的味覺均依賴于一種名為PLCβ2的蛋白質(zhì)，該蛋白質(zhì)作為受體細(xì)胞內(nèi)的分子放大器，對(duì)味覺感知至關(guān)重要。患者樣本中負(fù)責(zé)產(chǎn)生PLCβ2的mRNA水平顯著降低導(dǎo)致信號(hào)減弱，且部分患者顯微鏡下可見味蕾結(jié)構(gòu)紊亂。這表明長(zhǎng)期味覺喪失并非外周神經(jīng)整體破壞，而是由特定分子功能障礙和局部結(jié)構(gòu)改變所致。研究發(fā)表在 Chemical Senses 上。

#疾病與健康 #其他 #長(zhǎng)新冠 #味覺喪失 #分子病理

閱讀更多：

Morad, Hanna, et al. “Taste Dysfunction in Long COVID.” Chemical Senses, vol. 51, Jan. 2026, p. bjaf068. Silverchair, https://doi.org/10.1093/chemse/bjaf068

AI分析未發(fā)現(xiàn)年輕人大腦結(jié)構(gòu)與導(dǎo)航能力存在明顯關(guān)聯(lián)

長(zhǎng)期以來，人們常引用“倫敦出租車司機(jī)”的研究，認(rèn)為擅長(zhǎng)認(rèn)路的人擁有更發(fā)達(dá)的大腦特定區(qū)域。然而，這一觀點(diǎn)在普通年輕人身上可能并不適用。來自德克薩斯大學(xué)阿靈頓分校的史蒂文·韋斯伯格（Steven M. Weisberg）與佛羅里達(dá)大學(xué)的阿什什·薩胡（Ashish K. Sahoo）等人組成的研究團(tuán)隊(duì)，利用先進(jìn)的人工智能技術(shù)向這一傳統(tǒng)觀念發(fā)起了挑戰(zhàn)。他們發(fā)現(xiàn)，在健康年輕人群體中，大腦結(jié)構(gòu)與導(dǎo)航能力之間并沒有明顯的聯(lián)系。

該研究招募了90名平均年齡為23.1歲的參與者，要求他們?cè)谔摂M環(huán)境中學(xué)習(xí)路線并繪制地圖，以測(cè)試其空間記憶和導(dǎo)航能力。隨后，研究團(tuán)隊(duì)利用圖卷積神經(jīng)網(wǎng)絡(luò)（GCNN）和3D卷積神經(jīng)網(wǎng)絡(luò)（3DCNN）等深度學(xué)習(xí)模型，對(duì)參與者的磁共振成像（MRI）數(shù)據(jù)進(jìn)行分析。這些先進(jìn)的模型能夠檢測(cè)出傳統(tǒng)測(cè)量方法（如單純的體積測(cè)量）無法捕捉的細(xì)微結(jié)構(gòu)模式。研究重點(diǎn)對(duì)比了傳統(tǒng)上與記憶和導(dǎo)航密切相關(guān)的海馬體以及作為對(duì)照區(qū)域的丘腦。結(jié)果顯示，盡管AI模型能夠很好地?cái)M合訓(xùn)練數(shù)據(jù)，但在預(yù)測(cè)新數(shù)據(jù)的導(dǎo)航表現(xiàn)時(shí)效果微弱。這意味著，對(duì)于健康的年輕成年人而言，大腦宏觀結(jié)構(gòu)的差異（如海馬體的大小或形狀）并不能有效預(yù)測(cè)其認(rèn)路能力的強(qiáng)弱。這一發(fā)現(xiàn)提示我們需要重新審視大腦結(jié)構(gòu)與行為功能之間的映射關(guān)系，未來的研究可能需要更大的樣本量或更全面的行為指標(biāo)。研究發(fā)表在 Neuropsychologia 上。

#AI驅(qū)動(dòng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #海馬體 #空間導(dǎo)航 #深度學(xué)習(xí)

閱讀更多：

Sahoo, Ashish K., et al. “Deep Learning Approaches to Map Individual Differences in Macroscopic Neural Structure with Variations in Spatial Navigation Behavior.” Neuropsychologia, vol. 222, Feb. 2026, p. 109352. PubMed, https://doi.org/10.1016/j.neuropsychologia.2025.109352

記憶編碼并非持續(xù)恒定，而是隨大腦 Theta 節(jié)律波動(dòng)

為什么有些瞬間我們能清晰記住，而另一些則轉(zhuǎn)瞬即逝？Thomas M. Biba、Katherine Duncan 等來自多倫多大學(xué)、麻省理工學(xué)院的研究團(tuán)隊(duì)發(fā)現(xiàn)，人類的學(xué)習(xí)和記憶能力并非每時(shí)每刻都保持穩(wěn)定，而是以每秒數(shù)次的頻率進(jìn)行節(jié)律性波動(dòng)。這項(xiàng)研究證實(shí)了記憶編碼效率會(huì)隨著大腦的特定節(jié)律起伏，揭示了大腦捕捉信息的“最佳時(shí)刻”。

該研究采用了通常用于注意力研究的密集采樣方法，對(duì)125名參與者進(jìn)行了毫秒級(jí)精度的測(cè)試。在實(shí)驗(yàn)中，研究人員微調(diào)了提示線索與記憶目標(biāo)出現(xiàn)的時(shí)間間隔，從而重建了記憶編碼的時(shí)間進(jìn)程。結(jié)果顯示，記憶的形成呈現(xiàn)出明顯的 Theta 節(jié)律，即在3-10 Hz的頻率范圍內(nèi)波動(dòng)。這意味著大腦每秒鐘大約有3到10次“快門”開啟的機(jī)會(huì)，處于這些時(shí)間窗口內(nèi)的信息更容易被記住。此外，研究還發(fā)現(xiàn)這種節(jié)律受到乙酰膽堿相關(guān)因素的調(diào)節(jié)，乙酰膽堿是一種對(duì)注意力和學(xué)習(xí)至關(guān)重要的神經(jīng)遞質(zhì)。符合編碼與提取獨(dú)立階段模型（Separate Phases for Encoding and Retrieval (SPEAR) model）的預(yù)測(cè)，那些擁有更好持續(xù)注意力或受尼古丁（乙酰膽堿激動(dòng)劑）影響的個(gè)體，其記憶節(jié)律表現(xiàn)出不同的特征。這表明我們的記憶系統(tǒng)并非持續(xù)在線，而是通過快速的振蕩機(jī)制來優(yōu)化信息的編碼。

#認(rèn)知科學(xué) #記憶機(jī)制 #神經(jīng)機(jī)制與腦功能解析 #生理節(jié)律

閱讀更多：

Biba, Thomas M., et al. “Episodic Memory Encoding Fluctuates at a Theta Rhythm from 3-10 Hz.” s8nda_v2, PsyArXiv, 14 Jan. 2026. OSF Preprints, https://osf.io/preprints/psyarxiv/s8nda_v2/

低劑量鋰可能延緩輕度認(rèn)知障礙患者的語言記憶衰退

鋰作為治療雙相情感障礙的老藥，是否能跨界延緩阿爾茨海默病的進(jìn)程？來自匹茲堡大學(xué)醫(yī)學(xué)院的Ariel G. Gildengers及其同事的一項(xiàng)最新臨床試驗(yàn)表明，這種情緒穩(wěn)定劑可能具有神經(jīng)保護(hù)潛力。研究團(tuán)隊(duì)發(fā)現(xiàn)，雖然低劑量鋰未能全面阻止輕度認(rèn)知障礙患者的病情惡化，但在特定的記憶領(lǐng)域顯示出了減緩衰退的積極信號(hào)，且在老年群體中表現(xiàn)出良好的安全性。

在這項(xiàng)為期兩年的隨機(jī)雙盲對(duì)照試驗(yàn)中，研究人員招募了80名患有輕度認(rèn)知障礙的老年人，對(duì)比了每日服用低劑量碳酸鋰與安慰劑的效果。研究重點(diǎn)關(guān)注了參與者的加州言語學(xué)習(xí)測(cè)試-II成績(jī)及腦部影像學(xué)變化。結(jié)果顯示，雖然主要終點(diǎn)未達(dá)統(tǒng)計(jì)學(xué)顯著性，但在語言記憶這一阿爾茨海默病早期受損的關(guān)鍵領(lǐng)域，鋰劑組的年均評(píng)分下降幅度（0.73分）僅為安慰劑組（1.42分）的約一半。此外，腦成像分析顯示，盡管兩組參與者的海馬體均隨時(shí)間萎縮，但在β-淀粉樣蛋白檢測(cè)呈陽性的患者亞組中，鋰劑似乎提供了更強(qiáng)的保護(hù)作用。這一發(fā)現(xiàn)提示，未來的研究若能利用生物標(biāo)志物篩選特定患者群體，可能會(huì)觀察到更明確的療效。研究證實(shí)了該療法的安全性，為后續(xù)更大規(guī)模的驗(yàn)證性試驗(yàn)奠定了基礎(chǔ)。研究發(fā)表在 JAMA Neurology 上。

#疾病與健康 #個(gè)性化醫(yī)療 #神經(jīng)調(diào)控 #阿爾茨海默病

閱讀更多：

Gildengers, Ariel G., et al. “Low-Dose Lithium for Mild Cognitive Impairment: A Pilot Randomized Clinical Trial.” JAMA Neurology, Mar. 2026. Silverchair, https://doi.org/10.1001/jamaneurol.2026.0072

細(xì)胞譜系被證實(shí)是大腦自我組織的“隱形導(dǎo)航圖”

大腦如何從單細(xì)胞發(fā)育成擁有千億神經(jīng)元的復(fù)雜網(wǎng)絡(luò)？來自冷泉港實(shí)驗(yàn)室、哈佛大學(xué)和蘇黎世聯(lián)邦理工學(xué)院的 Stan Kerstjens、Anthony M. Zador、Florian Engert 和 Rodney J. Douglas 等研究人員提出了顛覆性的新理論。他們發(fā)現(xiàn)，細(xì)胞的位置命運(yùn)不僅僅依賴外部化學(xué)信號(hào)，更取決于其“家族血統(tǒng)”。該研究揭示了細(xì)胞譜系如何作為一種可擴(kuò)展的位置信息機(jī)制，指導(dǎo)大腦在大尺度上的精確組裝。

? 神經(jīng)科學(xué)家追蹤了斑馬魚大腦中兩個(gè)相鄰區(qū)域（分別用紅色和藍(lán)色標(biāo)出）數(shù)千個(gè)基因的表達(dá)模式。Credit: Zador lab/CSHL

長(zhǎng)期以來，科學(xué)家認(rèn)為發(fā)育中的細(xì)胞主要通過擴(kuò)散的化學(xué)信號(hào)來“導(dǎo)航”。然而，這種信號(hào)隨距離衰減，難以解釋大型大腦的精確構(gòu)建。研究團(tuán)隊(duì)構(gòu)建了一種基于譜系的模型，并在小鼠和斑馬魚的發(fā)育大腦中進(jìn)行了驗(yàn)證。他們發(fā)現(xiàn)，主要特征基因——即數(shù)千個(gè)基因的共表達(dá)模式——在發(fā)育過程中表現(xiàn)出驚人的穩(wěn)定性，并且跨物種保守。研究表明，細(xì)胞像人類家族繁衍定居一樣，傾向于停留在祖先附近，這種“基于譜系”的信息傳遞方式解決了長(zhǎng)距離定位的難題，與化學(xué)信號(hào)機(jī)制形成互補(bǔ)，共同確保了大腦結(jié)構(gòu)的正確發(fā)育。這一發(fā)現(xiàn)不僅解開了生物學(xué)基礎(chǔ)謎題，也可能為理解自我復(fù)制AI模型的代際信息傳遞提供新視角。研究發(fā)表在 Neuron 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #發(fā)育生物學(xué) #細(xì)胞譜系

閱讀更多：

Kerstjens, Stan, et al. “A Lineage-Based Model of Scalable Positional Information in Vertebrate Brain Development.” Neuron, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2025.12.043

10分鐘數(shù)字干預(yù)課程可緩解抑郁癥狀

針對(duì)抑郁癥治療門檻高、資源緊缺的全球性難題，Benjamin T. Kaveladze、Jessica L. Schleider 等研究人員開展了一項(xiàng)大規(guī)模眾包研究，旨在探索簡(jiǎn)短的數(shù)字化手段對(duì)改善心理健康的作用。該團(tuán)隊(duì)通過篩選與測(cè)試，發(fā)現(xiàn)精心設(shè)計(jì)的簡(jiǎn)短在線課程能為抑郁癥患者提供實(shí)質(zhì)性幫助。

這項(xiàng)研究是有史以來規(guī)模最大的心理健康干預(yù)隨機(jī)對(duì)照試驗(yàn)之一。研究團(tuán)隊(duì)首先眾包征集了66個(gè)干預(yù)方案，最終篩選出12個(gè)時(shí)長(zhǎng)在10分鐘以內(nèi)的單次干預(yù)（SSIs）課程，內(nèi)容涵蓋從人工智能輔助寫作到改編自勵(lì)志廣告的各種形式。7,505名患有抑郁癥狀的美國成年人被隨機(jī)分配接受其中一種干預(yù)，或進(jìn)入學(xué)習(xí)鱒魚知識(shí)的對(duì)照組。結(jié)果顯示，雖然幾乎所有干預(yù)都能帶來即時(shí)的積極情緒，但在一個(gè)月后，僅有“互動(dòng)認(rèn)知重評(píng)”（Interactive Cognitive Reappraisal，一種引導(dǎo)用戶重新解讀負(fù)面想法的技巧）和“尋找焦點(diǎn)”（Finding Focus，一種注意力訓(xùn)練）這兩種方法顯示出顯著的持續(xù)效果。與對(duì)照組相比，這兩項(xiàng)干預(yù)使抑郁癥狀進(jìn)一步減輕了約4%。盡管效應(yīng)量較小，但考慮到這些課程完全免費(fèi)且易于大規(guī)模推廣，其公共衛(wèi)生意義重大。值得注意的是，數(shù)據(jù)顯示參與者在四周后的改變意愿平均略有下降，這提示未來的研究需關(guān)注如何利用即時(shí)收益來促進(jìn)長(zhǎng)期的行為改變。研究發(fā)表在 Nature Human Behaviour 上。

#疾病與健康 #心理健康與精神疾病 #健康管理與壽命延長(zhǎng) #數(shù)字療法 #公共衛(wèi)生

閱讀更多：

Kaveladze, Benjamin T., et al. “A Crowdsourced Megastudy of 12 Digital Single-Session Interventions for Depression in US Adults.” Nature Human Behaviour, Mar. 2026, pp. 1–17. www.nature.com, https://doi.org/10.1038/s41562-026-02415-6

AI 驅(qū)動(dòng)科學(xué)

AI驅(qū)動(dòng)的高通量全腦細(xì)胞圖譜繪制

為了打破器官整體成像與細(xì)胞細(xì)節(jié)研究之間的壁壘，來自洛克菲勒大學(xué)的 Tatsuya C. Murakami 和 Nathaniel Heintz 等研究人員開發(fā)了一項(xiàng)突破性的整合技術(shù)。針對(duì)全器官成像中難以同時(shí)標(biāo)記大量分子以及缺乏高效細(xì)胞定量分析方法的痛點(diǎn)，該團(tuán)隊(duì)推出了一套結(jié)合了高多重全組織染色與人工智能分析的全新框架，成功實(shí)現(xiàn)了在完整組織樣本中對(duì)復(fù)雜細(xì)胞生態(tài)系統(tǒng)的系統(tǒng)性解析。

研究團(tuán)隊(duì)首先開發(fā)了名為 mFISH3D 的技術(shù)，通過系統(tǒng)優(yōu)化組織處理流程，包括利用甲醇脫脂、特定的雜交緩沖液以及光漂白技術(shù)去除自發(fā)熒光，實(shí)現(xiàn)了在完整小鼠大腦中對(duì)多達(dá) 10 種信使核糖核酸進(jìn)行高信噪比的三維成像。為了處理產(chǎn)生的海量三維數(shù)據(jù)，研究人員開發(fā)了名為 ZenCell 的人工智能分析工具。ZenCell 基于視覺Transformer架構(gòu)，采用自監(jiān)督學(xué)習(xí)策略，僅需極少量的人工標(biāo)注數(shù)據(jù)即可完成高精度的全腦三維細(xì)胞分割。實(shí)驗(yàn)結(jié)果顯示，該策略不僅精準(zhǔn)繪制了小鼠大腦中抑制性神經(jīng)元的亞型分布，糾正了關(guān)于丘腦細(xì)胞類型的傳統(tǒng)認(rèn)知，還成功應(yīng)用于小鼠胚胎、腎臟、魷魚腦以及人腦皮層樣本，證明了其在跨物種、多組織類型研究中的廣泛適用性。研究發(fā)表在 Neuron 上。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #全腦成像 #原位雜交 #細(xì)胞圖譜

閱讀更多：

Murakami, Tatsuya C., et al. “Artificial Intelligence-Driven Whole-Brain Cell Mapping with Highly Multiplexed in Situ Hybridization.” Neuron, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2025.12.027

CATS Net框架實(shí)現(xiàn)類人概念形成、理解與交流

當(dāng)前AI系統(tǒng)在從感知經(jīng)驗(yàn)中自發(fā)形成概念方面仍存在局限。中國科學(xué)院自動(dòng)化研究所的Shan Yu團(tuán)隊(duì)與北京大學(xué)的Yanchao Bi團(tuán)隊(duì)合作，提出了一種新型神經(jīng)網(wǎng)絡(luò)框架CATS Net。該研究不僅再現(xiàn)了類人的概念生成與理解過程，還揭示了其背后的計(jì)算原理，為構(gòu)建具有類人概念智能的系統(tǒng)提供了新思路。

CATS Net包含概念抽象（CA）模塊和任務(wù)求解（TS）模塊。在處理視覺任務(wù)時(shí)，CA模塊將高維輸入壓縮為低維概念向量，這些向量如同“鑰匙”，通過分層門控機(jī)制產(chǎn)生“開關(guān)”信號(hào)，動(dòng)態(tài)調(diào)節(jié)TS模塊以完成特定任務(wù)。研究團(tuán)隊(duì)利用功能磁共振成像（fMRI）的表征相似性分析（RSA）發(fā)現(xiàn)，CATS Net生成的概念空間與人類認(rèn)知語義模型高度一致，且其表征模式與人腦腹側(cè)枕顳皮層的活動(dòng)顯著相關(guān)。此外，CA模塊的運(yùn)作機(jī)制也與人腦語義控制網(wǎng)絡(luò)相吻合。更重要的是，該框架允許不同網(wǎng)絡(luò)間通過直接傳遞概念向量來實(shí)現(xiàn)知識(shí)共享，模擬了人類的語言交流過程。研究成果已發(fā)表在 Nature Computational Science 上。

#認(rèn)知科學(xué) #計(jì)算模型與人工智能模擬 #神經(jīng)機(jī)制與腦功能解析 #跨學(xué)科整合

閱讀更多：

Guo, Liangxuan, et al. “A Neural Network for Modeling Human Concept Formation, Understanding and Communication.” Nature Computational Science, Feb. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s43588-026-00956-4

序列模型智能體可通過上下文推理自然涌現(xiàn)合作行為

在多智能體系統(tǒng)中，如何讓自利的個(gè)體自發(fā)達(dá)成合作一直是人工智能領(lǐng)域的一大難題。Google Paradigms of Intelligence Team 的研究人員 Marissa A. Weis、Maciej Wo?czyk 和 Alexander Meulemans 等人的一項(xiàng)最新研究表明，通過讓基于序列模型的智能體與多樣化的對(duì)手進(jìn)行博弈，可以自然地誘導(dǎo)出穩(wěn)健的合作行為，而無需像過去那樣依賴復(fù)雜的元學(xué)習(xí)機(jī)制或人為設(shè)定的層級(jí)結(jié)構(gòu)。這一發(fā)現(xiàn)為利用標(biāo)準(zhǔn)序列建模和強(qiáng)化學(xué)習(xí)技術(shù)構(gòu)建可擴(kuò)展的協(xié)作多智能體系統(tǒng)提供了新路徑。

這項(xiàng)研究聚焦于經(jīng)典的迭代囚徒困境（Iterated Prisoner’s Dilemma）博弈。研究團(tuán)隊(duì)提出了一種“混合池訓(xùn)練”的方法，即讓正在學(xué)習(xí)的智能體不僅與同類互動(dòng)，還與一系列策略各異的靜態(tài)表格型智能體進(jìn)行博弈。關(guān)鍵在于，智能體不知道對(duì)手是誰，必須依靠歷史交互數(shù)據(jù)進(jìn)行實(shí)時(shí)推斷。實(shí)驗(yàn)結(jié)果顯示，這種環(huán)境迫使智能體掌握了上下文學(xué)習(xí)能力，即在單次互動(dòng)中快速識(shí)別對(duì)手并做出最佳響應(yīng)。有趣的是，這種快速適應(yīng)能力使智能體表現(xiàn)得像一個(gè)容易被利用的“天真學(xué)習(xí)者”，這反而成為了合作的催化劑：為了避免雙輸，智能體之間產(chǎn)生了相互勒索（Mutual extortion）的動(dòng)態(tài)壓力，最終在長(zhǎng)期的權(quán)重更新中演化出了互利共贏的合作策略。研究團(tuán)隊(duì)還提出了一種名為預(yù)測(cè)策略改進(jìn)（PPI）的新算法，利用序列模型的自監(jiān)督學(xué)習(xí)進(jìn)一步提升了這一過程的效率。

#大模型技術(shù) #意圖與決策 #多智能體強(qiáng)化學(xué)習(xí) #博弈論 #上下文學(xué)習(xí)

閱讀更多：

Weis, Marissa A., et al. “Multi-Agent Cooperation through in-Context Co-Player Inference.” arXiv:2602.16301, arXiv, 18 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.16301

大語言模型是否暗中知道何時(shí)停止思考？

大型推理模型在解決復(fù)雜問題時(shí)常產(chǎn)生冗長(zhǎng)且低效的“思維鏈”，但它們是否知道何時(shí)應(yīng)該“見好就收”？來自北京航空航天大學(xué)和字節(jié)跳動(dòng)公司的Zixuan Huang、Deqing Wang等人通過研究揭示，模型其實(shí)隱式地具備判斷最佳停止時(shí)機(jī)的能力，只是這種能力被現(xiàn)有技術(shù)范式所掩蓋。他們?yōu)榇碎_發(fā)了名為SAGE的新方法，成功解鎖了模型高效推理的潛力。

研究團(tuán)隊(duì)發(fā)現(xiàn)，盡管模型表面上會(huì)生成大量冗余的推理步驟，但其內(nèi)部對(duì)簡(jiǎn)短且正確的推理路徑抱有更高的“自信心”。這種自信心并非通過常規(guī)的下一個(gè)詞預(yù)測(cè)概率來體現(xiàn)，而是通過整個(gè)思考路徑的平均累積對(duì)數(shù)概率（Φ，一種衡量全局連貫性的指標(biāo)）來衡量。基于這一洞察，團(tuán)隊(duì)提出了SAGE（Self-Aware Guided Efficient Reasoning）解碼策略。該策略在推理時(shí)會(huì)探索多條可能的路徑，并優(yōu)先選擇那些讓模型整體上最自信的路徑，尤其是當(dāng)模型高度自信地生成一個(gè)“思考結(jié)束”的信號(hào)時(shí)。進(jìn)一步地，他們將SAGE融入強(qiáng)化學(xué)習(xí)框架（SAGE-RL），讓模型能夠?qū)W習(xí)并內(nèi)化這種高效的推理模式。實(shí)驗(yàn)結(jié)果表明，經(jīng)過SAGE-RL優(yōu)化的模型在多個(gè)高難度數(shù)學(xué)推理基準(zhǔn)測(cè)試中，不僅推理過程更簡(jiǎn)潔，準(zhǔn)確率也得到顯著提升。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #強(qiáng)化學(xué)習(xí) #推理效率

閱讀更多：

Huang, Zixuan, et al. “Does Your Reasoning Model Implicitly Know When to Stop Thinking?” arXiv:2602.08354, arXiv, 27 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.08354

AgentConductor：基于強(qiáng)化學(xué)習(xí)的多智能體拓?fù)溲莼瑢?shí)現(xiàn)競(jìng)賽級(jí)代碼生成

當(dāng)前用于代碼生成的多智能體系統(tǒng)因其固定的協(xié)作模式而面臨效率瓶頸。針對(duì)此問題，Siyu Wang, Ruotian Lu, Zhihao Yang等人提出了一種名為AgentConductor的新型框架。該框架引入一個(gè)“指揮家”智能體，通過強(qiáng)化學(xué)習(xí)動(dòng)態(tài)生成和演化智能體之間的交互拓?fù)洌赐ㄐ啪W(wǎng)絡(luò)），使其能根據(jù)任務(wù)的難易度和實(shí)時(shí)反饋進(jìn)行自適應(yīng)調(diào)整，從而高效解決競(jìng)賽級(jí)編程問題。

AgentConductor的核心是一個(gè)基于大語言模型的“指揮家”智能體，它通過兩階段訓(xùn)練而成：首先進(jìn)行監(jiān)督微調(diào)，使其掌握生成有效拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)知識(shí)；隨后采用強(qiáng)化學(xué)習(xí)進(jìn)一步優(yōu)化。在解決問題時(shí)，“指揮家”會(huì)評(píng)估任務(wù)難度，并生成一個(gè)與之匹配的分層有向無環(huán)圖（layered Directed Acyclic Graph，一種允許并行處理和靈活通信的圖結(jié)構(gòu)）。系統(tǒng)根據(jù)該拓?fù)鋱?zhí)行任務(wù)，若失敗則會(huì)利用執(zhí)行反饋進(jìn)行多輪迭代，重新生成更優(yōu)的拓?fù)洹Ｓ?xùn)練過程采用了一種創(chuàng)新的多目標(biāo)獎(jiǎng)勵(lì)函數(shù)，它不僅獎(jiǎng)勵(lì)代碼的正確性，還考慮了拓?fù)浣Y(jié)構(gòu)的合理性和一個(gè)與任務(wù)難度掛鉤的密度指標(biāo)，以此平衡性能與資源消耗。實(shí)驗(yàn)結(jié)果顯示，在APPS等五個(gè)公開代碼生成數(shù)據(jù)集上，AgentConductor的性能全面超越現(xiàn)有方法，pass@1準(zhǔn)確率最高提升了14.6%，同時(shí)將令牌消耗降低了68%，實(shí)現(xiàn)了更優(yōu)的效能與成本控制。

#AI驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #多智能體系統(tǒng) #強(qiáng)化學(xué)習(xí)

閱讀更多：

Wang, Siyu, et al. “AgentConductor: Topology Evolution for Multi-Agent Competition-Level Code Generation.” arXiv:2602.17100, arXiv, 19 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.17100

混合強(qiáng)化學(xué)習(xí)框架利用記憶機(jī)制，顯著提升大語言模型智能體的探索能力

如何解決大語言模型智能體在強(qiáng)化學(xué)習(xí)中探索能力不足的瓶頸？微軟研究院和韓國科學(xué)技術(shù)院的Zeyuan Liu、Jeonghye Kim、Xufang Luo等人提出了一種名為EMPO2的新型混合強(qiáng)化學(xué)習(xí)框架，通過融合外部記憶與策略優(yōu)化，顯著增強(qiáng)了智能體的自主探索與泛化能力。

該團(tuán)隊(duì)提出的EMPO2（Exploratory Memory-Augmented On- and Off-Policy Optimization）框架獨(dú)創(chuàng)性地結(jié)合了參數(shù)化與非參數(shù)化更新。在訓(xùn)練中，智能體能通過自我反思，將過去的失敗經(jīng)驗(yàn)總結(jié)為“提示”存入外部記憶，用于指導(dǎo)后續(xù)探索。更關(guān)鍵的是，該框架采用了一種混合策略優(yōu)化方法，通過一種類似知識(shí)蒸餾的離策略（off-policy）更新機(jī)制，將記憶帶來的探索優(yōu)勢(shì)“內(nèi)化”為模型自身的參數(shù)。這使得智能體最終即使脫離記憶模塊也能保持出色的性能。為進(jìn)一步提升探索效率，研究還引入了狀態(tài)新穎度的內(nèi)在獎(jiǎng)勵(lì)機(jī)制。在ScienceWorld和WebShop兩個(gè)復(fù)雜任務(wù)環(huán)境中的測(cè)試表明，EMPO2的性能相較于基線算法GRPO分別提升了128.6%和11.3%。在分布外測(cè)試中，該智能體也展現(xiàn)出強(qiáng)大的泛化能力，無需更新參數(shù)即可快速適應(yīng)新任務(wù)。

#AI驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #強(qiáng)化學(xué)習(xí) #大語言模型智能體

閱讀更多：

Liu, Zeyuan, et al. “Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization.” arXiv:2602.23008, arXiv, 26 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.23008

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)庫為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、、科普視頻媒體「大圓鏡」等。