追問daily | 長期服用魚油會阻礙腦損傷修復；越關注身體越健康：為什么有些人更喜歡展望未來？

█ 腦科學動態

Nature：抑制芳香烴受體可促進神經損傷后的軸突再生

為什么有些人更愛想象未來？大腦獎賞系統是關鍵

專注于身體感覺的走神有助于降低抑郁與ADHD風險

長期服用魚油可能阻礙輕度腦外傷后的腦血管修復

大腦如何喊停進食？星形膠質細胞充當飽腹感通訊員

Cnpy1蛋白對信息素感知神經元的功能與存活至關重要

SPARO技術實現活體腦細胞分子圖譜精準繪制

觀摩資深治療師如何塑造新手溝通力

眼睛聚焦依賴顏色信號而非僅憑清晰度

█ AI行業動態

Anthropic“囚禁”最強模型Claude Mythos

首款居家神經調控設備Proliv?Rx獲FDA批準

█ AI驅動科學

識別語音特征誰更快？架構差異決定AI深層處理策略

可穿戴機器人通過觸覺反饋提升小提琴二重奏協作

AI心理治療師來了？別急，先從輔助人類專家開始

人工智能驅動的發現陷入瓶頸：科學證據被困于前數字系統

達摩院新模型精準預測細胞對藥物的反應

ERAST：基于AI大模型的毫秒級生物序列搜索工具

S-Researcher：一個用于社會科學自動化的人機協作AI平臺

BraiNCA模型通過長程連接和拓撲優化提升AI自組織能力

大語言模型有“數感”嗎？新基準SenseMath揭示其推理捷徑的局限性

腦科學動態

Nature：抑制芳香烴受體可促進神經損傷后的軸突再生

神經或脊髓損傷常導致長期的運動與感覺功能喪失。西奈山伊坎醫學院的Dalia Halawani、Yiqun Wang與Hongyan Zou等人發現，芳香烴受體是控制神經元應對壓力與生長的關鍵開關，抑制該受體可顯著促進損傷后的軸突再生與功能恢復。

為探究神經損傷后修復受限的機制，研究人員構建了周圍神經損傷與脊髓損傷的小鼠模型。通過基因敲除或藥物干預技術抑制小鼠神經元中的芳香烴受體，觀察其對神經修復的影響。結合單細胞和表觀基因組學分析發現，當軸突受損時，激活的芳香烴受體會促使神經元優先維持蛋白質穩態以自我保護，但這減少了神經元生長所需新蛋白質的生成。一旦芳香烴受體被抑制，神經元便會轉變策略，增加蛋白質的從頭翻譯，并激活依賴于HIF-1α（一種調控代謝和組織修復的蛋白因子）的生長網絡?；铙w動物實驗證實，抑制該受體可有效改善小鼠受損神經的運動與感覺功能。該研究揭示了重塑損傷反應程序的分子機制，為臨床干預脊髓損傷提供了新思路。研究發表在 Nature 上。

#疾病與健康 #神經機制與腦功能解析 #脊髓損傷 #芳香烴受體 #軸突再生

閱讀更多：

Halawani, Dalia, et al. “AhR Inhibition Promotes Axon Regeneration via a Stress–Growth Switch.” Nature, Apr. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-026-10295-z

為什么有些人更愛想象未來？大腦獎賞系統是關鍵

為什么有些人比其他人更喜歡規劃和想象未來？德國波鴻魯爾大學和巴黎索邦大學的Ekrem Dere提出了自我強化假說，指出這種心理時間旅行會激活大腦的獎賞系統，從而強化個體的前瞻性行為，且該機制在病理狀態下可能導致精神疾病慢性化。

想象未來有助于預測后果和降低壓力，但這是一項耗時且無即時回報的復雜認知任務。為了解釋個體間的頻率差異，研究者基于操作性條件反射提出了全新理論。研究指出，如果未來導向的心理時間旅行（mental time travel，即設想未來情境的認知過程）看似能有效解決當前的社會或職業問題，大腦的中腦邊緣多巴胺系統就會被激活。這種神經層面的內在獎勵不僅有助于個體記住行動計劃直至實現，還能強化這種前瞻性行為。

研究建議未來可以通過功能性磁共振成像進行實證測試，他們預言經常想象未來的人擁有更活躍的獎賞系統。此外，研究警告該功能可能被病理機制劫持，導致患者將過去的負面經歷投射到未來，產生災難化預測并引發適應不良的回避行為，最終使精神障礙演變為慢性疾病。因此，在心理干預中阻斷災難化預測并訓練建設性的未來規劃具有重要臨床意義。研究發表在 Psychological Review 上。

#認知科學 #心理健康與精神疾病 #心理時間旅行 #大腦獎賞系統 #多巴胺系統

閱讀更多：

Dere, Ekrem. “Future-Oriented Mental Time Travel and Self-Reinforcement.” Psychological Review [US], 2026. APA PsycNet, https://doi.org/10.1037/rev0000624

越關注身體越健康：專注于身體感覺的走神有助于降低抑郁與ADHD風險

走神時大腦究竟在想什么？傳統的神經影像學研究多將靜息狀態視為認知基線，往往忽略了身體真實的內部感受。Leah Banellis、Micah G. Allen等（來自丹麥、加拿大和德國的合作機構）揭示了身體游離現象，發現關注自身生理感覺的走神模式雖然在當下會引發高度警覺，但長期來看卻與更少的抑郁癥和注意力缺陷多動障礙（ADHD）癥狀相關。

? 與走神相關的獨特腦連接模式，這種模式根植于身體感覺和情緒。Credit: Proceedings of the National Academy of Sciences (2026).

為了探究大腦如何專注于身體，研究人員對536名參與者進行了詳細評估。參與者在接受功能磁共振成像掃描時需注視屏幕十字并保持靜止。期間，傳感器同步追蹤其心率、呼吸和胃部活動。隨后參與者完成了包含22個維度的問卷，以評估靜息狀態下對內部感覺的關注度。研究發現，被稱為身體游離（body-wandering，指注意力自發轉向心跳或呼吸等身體內部生理狀態的過程）的現象在個體間差異巨大。與通常令人愉悅的普通思維漫游不同，身體游離總是與負面情緒、更快的心跳和較低的心率變異性相關。盡管當下生理體驗偏向負面，但經常發生身體游離的人反而報告了更少的抑郁癥和ADHD癥狀。此外，多變量功能連接分析表明，這種狀態伴隨丘腦與調節運動和觸覺的皮層網絡之間更強的神經連接。該發現為理解身心機制及開發相關精神疾病干預手段提供了全新視角。研究發表在 PNAS 上。

#疾病與健康 #心理健康與精神疾病 #走神 #身體游離 #靜息態功能磁共振成像

閱讀更多：

Banellis, Leah, et al. “Uncovering the Embodied Dimension of the Wandering Mind.” Proceedings of the National Academy of Sciences, vol. 123, no. 13, Mar. 2026, p. e2520822123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2520822123

長期服用魚油可能阻礙輕度腦外傷后的腦血管修復

魚油對腦損傷恢復有何長期影響？Onder Albayram、Eda Karakaya、Semir Beyaz等（南卡羅來納醫科大學等）發現，魚油中的特定成分會重編程腦血管代謝，阻礙輕度腦外傷愈合并加速認知衰退。

? Credit: Cell Reports (2026).

研究團隊結合動物模型、體外實驗與人類腦組織進行系統分析。在小鼠模型中，采用魚油補充飲食結合反復輕微頭部撞擊，結果顯示高水平的二十碳五烯酸積累引發了延遲的脆弱性。小鼠不僅空間學習能力下降，皮層中還出現了血管相關的tau蛋白病變。轉錄組學結果表明，該成分抑制了細胞外基質組織和內皮完整性的基因表達。體外實驗證實，在促進脂肪酸代謝的環境下，人腦微血管內皮細胞暴露于該酸會導致血管生成網絡變弱。最后，團隊分析了人類慢性創傷性腦病患者死后的上額皮質組織，發現了脂肪酸平衡紊亂與血管穩定性降低的趨同特征。研究發表在 Cell Reports 上。

#疾病與健康 #神經機制與腦功能解析 #精準營養 #魚油補充劑 #創傷性腦損傷

閱讀更多：

Karakaya, Eda, et al. “Eicosapentaenoic Acid Reprograms Cerebrovascular Metabolism and Impairs Repair after Brain Injury, with Relevance to Chronic Traumatic Encephalopathy.” Cell Reports, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.celrep.2026.117135

大腦如何喊停進食？星形膠質細胞充當飽腹感通訊員

大腦如何感知飽腹并停止進食？傳統觀點認為這主要由神經元直接控制。然而，María de los ángeles García-Robles和Ricardo Araneda團隊（康塞普西翁大學與馬里蘭大學）合作研究發現，通常被視為支持細胞的星形膠質細胞在此過程中扮演了核心的中介角色，揭示了調節食欲的大腦通訊鏈中缺失的一環。

? 圖示展示了血糖升高如何觸發大腦中雙重飽腹信號。室管膜細胞檢測到葡萄糖并釋放乳酸，乳酸既激活大腦中的“停止進食”神經元（通過星形膠質細胞），又抑制“繼續進食”神經元——從而從兩個方向同時抑制饑餓感。Credit: Ricardo Araneda, University of Maryland.

該研究團隊通過對下丘腦的實驗，發現了一條由室管膜細胞、星形膠質細胞和神經元共同組成的復雜通訊網絡。實驗中，研究人員將葡萄糖直接輸送到單個室管膜細胞內，發現它會處理糖分并釋放副產物乳酸。隨后，乳酸被鄰近星形膠質細胞上的一種特殊受體HCAR1檢測到。當乳酸與受體結合時，星形膠質細胞被激活并釋放谷氨酸。這些谷氨酸信號最終到達并激活大腦中抑制食欲的促阿黑皮素原神經元，從而有效抑制饑餓。

研究人員還通過基因沉默技術阻斷了HCAR1受體，證實了星形膠質細胞在傳遞飽腹信號中具有不可替代的作用。這一發現打破了以往認為乳酸直接與神經元通訊的假說，證明了代謝信號必須經過膠質細胞的接力翻譯。這項研究不僅重塑了科學界對大腦能量平衡調節機制的認知，還為未來靶向HCAR1受體治療肥胖及飲食失調等疾病提供了全新方向。研究發表在 PNAS 上。

#疾病與健康 #神經機制與腦功能解析 #星形膠質細胞 #食欲調節

閱讀更多：

López, Sergio, et al. “Tanycyte-Derived Lactate Activates Astrocytic HCAR1 to Modulate Glutamatergic Signaling and POMC Neuron Excitability.” Proceedings of the National Academy of Sciences, vol. 123, no. 15, Apr. 2026, p. e2537810123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2537810123

Cnpy1蛋白對信息素感知神經元的功能與存活至關重要

犁鼻器中的神經元在異常高的內質網應激環境下如何維持受體功能和自身存活一直是個未解之謎。塔塔基礎研究所的G. V. S. Devakinandan和Adish Dani團隊首次證實，長期被認為在哺乳動物中無功能的Cnpy1蛋白，實際上是小鼠信息素感知神經元存活和功能維持的關鍵內質網相關因子，缺失該蛋白會導致神經元加速凋亡和行為缺陷。

? 小鼠犁鼻器切片圖，圖中綠色部分為特定神經元亞群，品紅色部分為擴張的內質網。Credit: Adish Dani Lab, TIFR-Hyderabad

研究團隊首先利用免疫沉淀結合質譜分析，發現小鼠體內存在完整的功能性Cnpy1蛋白。該蛋白選擇性定位于犁鼻器神經元的內質網（endoplasmic reticulum，細胞內負責蛋白質折疊和質量控制的細胞器）中，并與特定的G蛋白偶聯受體及多種分子伴侶緊密結合。隨后，研究人員構建了缺乏該基因的小鼠模型。行為學實驗表明，缺失該蛋白的小鼠在面對捕食者或異性刺激時，其犁鼻器神經元激活受阻，雄性領地攻擊行為大幅減少。微觀細胞分析顯示，這些缺乏Cnpy1的神經元在出生前發育正常，但在出生后會發生選擇性的漸進式細胞凋亡。令人驚訝的是，即使缺失該蛋白，感覺受體仍能順利到達細胞表面，這說明Cnpy1并非受體運輸所必需，而是充當了嚴苛細胞環境中維持受體功能成熟與結構穩定的核心護航者。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #犁鼻器 #信息素 #Cnpy1蛋白

閱讀更多：

Devakinandan, G. V. S., et al. “Cnpy1 Is a Candidate Endoplasmic Reticulum Chaperone of Vomeronasal Type 2 GPCRs.” Proceedings of the National Academy of Sciences, vol. 123, no. 13, Mar. 2026, p. e2528466123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2528466123

SPARO技術實現活體腦細胞分子圖譜精準繪制

在研究阿爾茨海默病等疾病時，現有的分離提取腦細胞技術往往會破壞細胞及其蛋白質，導致無法準確獲取細胞自然狀態下的分子特征。Srikant Rangaraju團隊（耶魯大學醫學院）和Steven A. Sloan團隊（埃默里大學醫學院）合作開發了一項新技術，成功在活體動物組織中非破壞性地同時捕獲了特定腦細胞的蛋白質和RNA圖譜。

? 實驗概述：比較 TurboID 富集的星形膠質細胞轉錄組與 RiboTag 富集的星形膠質細胞轉錄組。Credit: Nature Communications (2026).

研究團隊開發了一種被稱為同步蛋白質和RNA組學（SPARO，Simultaneous Protein and RNA-Omics，一種利用特定酶進行化學標記以同時獲取蛋白質組和轉錄組的技術）的新方法。該方法的核心是利用TurboID（一種能夠對蛋白質進行化學標記的生物酶），它不僅能為蛋白質添加化學標簽，還能捕獲與這些蛋白質相互作用的RNA。研究人員首先在體外測試了細胞系，證實該方法生成的圖譜與現有數據完全吻合，并能準確捕捉由脂多糖引起的神經炎癥激活效應。隨后，團隊通過基因改造小鼠使其在神經元或星形膠質細胞中表達TurboID。實驗表明，SPARO技術能夠有效地在活體大腦自然環境中同步捕獲這兩種細胞的蛋白質組和轉錄組。由于避免了傳統細胞分離過程造成的組織損傷，這種標記方法為細胞間的復雜通訊提供了更為準確的分子快照。研究發表在 Nature Communications 上。

#疾病與健康 #神經機制與腦功能解析 #多組學分析 #阿爾茨海默病 #SPARO技術

閱讀更多：

Ramelow, Christina C., et al. “Simultaneous Profiling of Native-State Proteomes and Transcriptomes of Neural Cell Types Using Proximity Labeling.” Nature Communications, Mar. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-71098-4

觀摩資深治療師如何塑造新手溝通力

如何有效提升心理學學生在精神健康治療中的人際交往技能？挪威科技大學的Steffen André Fagerbakk等人研究發現，通過師徒制讓學生觀摩資深治療師的工作，可顯著改善他們與患者溝通及建立聯系的能力。

成為臨床心理學家需要長期的學習，學生在第一年就開始接觸患者互動練習。該研究招募了108名心理學一年級新生，將其隨機分為兩組。一組僅接受以理論基礎為主的常規課程；另一組則在此基礎上增加了工作見習（job shadowing，指跟隨經驗豐富的從業者觀察其日常工作的培訓方式），在10周的時間里每周旁聽不同治療師的臨床心理治療環節。

研究結果顯示，參與見習的學生在治療后的人際交往能力取得了明顯進步。特別是在與患者建立治療聯盟）以及修復存在破裂風險的聯系方面，見習組的表現顯著優于對照組。雖然對照組的技能也有所提升，且兩組之間的整體進步差異較為細微，但研究認為這種向經驗豐富的治療師學習的學徒式模式，是對傳統第一學年基礎理論培訓的重要且有價值的補充，值得在未來的心理學教育中進一步推廣與研究。研究發表在 Psychotherapy Research 上。

#疾病與健康 #心理健康與精神疾病 #臨床心理學 #人際交往技能 #醫學教育

閱讀更多：

Fagerbakk, Steffen André, et al. “Developing Facilitative Interpersonal Skills: A Randomized Controlled Study of an Apprenticeship Training for First-Year Clinical Psychology Students.” Psychotherapy Research, Jan. 2026, pp. 1–14. DOI.org (Crossref), https://doi.org/10.1080/10503307.2026.2615393

眼睛聚焦依賴顏色信號而非僅憑清晰度

由于可見光包含多種波長且折射率各異，人眼在面對多彩場景時是如何選擇焦點以避免畫面模糊的？Benjamin M. Chin、Martin S. Banks、Derek Nankivil、Austin Roorda 與 Emily A. Cooper 組成的研究團隊展開了探索。研究發現，人眼并非僅憑畫面清晰度和亮度來調節焦距，而是通過優化特定顏色神經通路的信號質量來進行聚焦選擇。

? 調節和視網膜圖像聚焦。Credit: Science Advances (2026).

研究團隊招募了八名視力正常的參與者，利用配備紅外激光傳感器的定制光學設備，精準追蹤他們的眼睛對不同顏色和距離的反應。由于縱向色差（longitudinal chromatic aberration，不同波長的光穿過眼睛時折射程度不同導致的多色模糊）會使每位參與者的眼球產生獨特的折射情況，研究人員為每個人繪制了個性化的眼球圖譜，并結合激光數據構建了基于生物學原理的模型來模擬實驗結果。長期以來的主流理論認為，視覺系統的調節主要機制是最大化圖像的亮度對比度。然而實驗數據反駁了這一觀點。結果表明，眼睛選擇聚焦顏色的真正動機，是為了使大腦的顏色拮抗通道能夠最高效地運作。此外，人眼通常會避開藍光等極端波長，選擇綠黃色等中間波長作為折中，這既能保證圖像主體清晰，又能讓大腦接收到更強烈的信號。這一新機制有望指導未來的視覺顯示與照明設備設計，從而幫助減緩近視的發展。研究發表在 Science Advances 上。

#疾病與健康 #神經機制與腦功能解析 #認知科學 #近視防控 #視覺機制

閱讀更多：

Chin, Benjamin M., et al. “Focusing on Color: How the Eye Chooses Which Wavelength to See Best.” Science Advances, vol. 12, no. 14, Apr. 2026, p. eaea5693. science.org (Atypon), https://doi.org/10.1126/sciadv.aea5693

AI 行業動態

Anthropic“囚禁”最強模型Claude Mythos，因其攻擊力遠超黑客

Anthropic近日公布了其迄今為止最強大的模型——Claude Mythos的預覽版。在多項基準測試中，該模型對前代Opus 4.6形成了“碾壓”之勢：在代碼修復能力（SWE-bench Pro）上提升24%，在代理操作能力（Terminal-Bench 2.0）上提升17%。然而，其定價也高達Opus 4.6的五倍。但更令人震驚的是，Anthropic并未因這些突破性成績而興奮，反而在官方博客中流露出深深的擔憂與恐慌，因為這款“神話”模型存在一個致命缺陷——它發現了數千個高危安全漏洞，其自主尋找和利用漏洞的能力已遠超絕大多數黑客。

面對這一體兩面的安全危機，Anthropic做出了一個極不尋常的決定：暫時不向公眾開放Mythos，而是將其作為“玻璃翼計劃”（Project Glasswing）的一部分，與Amazon、Apple、Google、Microsoft、NVIDIA等科技巨頭及開源社區合作，提前利用Mythos預覽版的能力來加固自身的防御系統。Anthropic還承諾提供最高1億美元的使用額度支持安全加固工作，并向開源安全組織直接捐贈400萬美元。該公司表示，防御全球網絡基礎設施可能需耗時數年，但AI能力的躍遷近在眼前，必須立即行動。這一前所未有的“囚禁”舉措，標志著AI安全已從理論警示變為迫在眉睫的現實威脅。

#ClaudeMythos #AI安全 #模型囚禁 #網絡安全 #玻璃翼計劃

閱讀更多：

https://www.anthropic.com/glasswing

首款居家神經調控設備Proliv?Rx獲FDA批準，開啟腦調控“家庭化”時代

神經科技公司Neurolief近日宣布，其研發的居家腦神經調控設備Proliv?Rx在獲得美國食品藥品監督管理局（FDA）的上市前批準后，又獲得來自行業巨頭BrainsWay的600萬美元戰略投資。該設備專為對至少一種抗抑郁藥物反應不足的成年抑郁癥患者設計，是“首個且唯一”獲得FDA批準的處方級居家腦神經調控系統。它采用“醫生處方、遠程監督、患者居家自行管理”的全新模式，旨在解決傳統經顱磁刺激嚴重依賴醫療中心、患者需頻繁往返的痛點。這一進展標志著非侵入式神經調控技術從院內專業場景向居家常態化應用的重大模式轉變，有望大幅提升先進療法的可及性。

從行業視角看，此次獲批與融資具有多重深層意義。首先，Proliv?Rx通過的是FDA最嚴格的上市前批準，使其與市面上的消費級腦電設備劃清界限。其次，投資方BrainsWay是全球深層經顱磁刺激（Deep TMS?）的領軍者，其注資行為相當于院內治療巨頭對居家模式的有力背書，預示著神經調控領域不可逆轉的“家庭化”趨勢。此外，雖然該設備目前采用開放環路刺激方案，但其成功為未來更復雜的居家腦機接口應用——如閉環情感調節或認知增強——積累了寶貴的實踐經驗。接下來，Neurolief需要通過真實世界研究證明其療法相比傳統院內治療更具成本效益，從而獲得保險支付方的認可，并有望將技術平臺拓展至焦慮癥、偏頭痛等其他神經精神疾病領域。

#居家神經調控 #抑郁癥治療 #FDA批準 #Neurolief #腦機接口趨勢

閱讀更多：

https://www.prnewswire.co.uk/news-releases/neurolief-secures-additional-6-million-investment-following-fda-approval-of-prolivrx-expanding-access-to-brain-neuromodulation-therapy-for-patients-with-inadequate-response-to-antidepressants-302728179.html

AI 驅動科學

識別語音特征誰更快？架構差異決定AI深層處理策略

Transformer與Conformer在語音識別上表現相當，其底層處理策略是否一致尚無定論。斯坦福大學的Nathan Roll和Pranav Bhalerao等研究人員提出了一種新型探測框架，揭示出這兩大主流架構在表征信息時截然不同的內部處理機制。

研究團隊提出了架構指紋（Architectural Fingerprinting，一種通過線性探測評估各網絡層級特征獲取難度的分析框架），對24個預訓練語音編碼器展開受控分析。研究利用7個不同語料庫的5萬余條語音提取模型的隱藏狀態，并針對聲學與人口統計學等特征目標訓練探測器。結果顯示，Conformer架構傾向采用早期分類策略，其解析音素類別的深度比Transformer早29%，解析說話人性別的深度早16%。而Transformer架構則表現出晚期整合（Integrate Late，將關鍵信息推遲至深層網絡進行集中編碼的策略）傾向，在49%至57%的深網絡層才對音素、口音及發音時長進行編碼。此外，僅基于峰值位置預測模型架構的分類器表現優異，其曲線下面積高達0.88。研究證明，Conformer的前置處理更利于低延遲流媒體場景，而Transformer則更適合需要深層上下文交互的任務。

#大模型技術 #計算模型與人工智能模擬 #自動語音識別 #模型評估 #架構特征

閱讀更多：

Roll, Nathan, et al. “Categorize Early, Integrate Late: Divergent Processing Strategies in Automatic Speech Recognition.” arXiv:2601.06972, arXiv, 11 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.06972

可穿戴機器人通過觸覺反饋提升小提琴二重奏協作

在需要高度同步的協作任務中，人們通常依賴視覺和聽覺線索來協調動作，但這往往需要消耗大量意識注意力。為了探索更直接的交互方式，Aleksandra Micha?ko、Francesco Di Tommaso和Domenico Formica等（羅馬生物醫學大學、比薩圣安娜高等學院等）開發了一種可穿戴機器人系統。研究發現，該系統提供的觸覺溝通能夠顯著提升兩位小提琴演奏者之間的協作表現。

研究團隊開發了兩套雙自由度上肢外骨骼，它們能夠精準追蹤音樂家的自然運動，并根據兩位演奏者動作之間的角度偏差，向對方施加相應比例的力。這種機制建立了一種觸覺反饋，讓演奏者在不直接接觸的情況下感知對方的動作。團隊招募了20對小提琴手（包含10對專業選手和10對業余選手），讓他們在僅聽覺、聽覺加視覺、聽覺加觸覺以及三者結合這四種不同反饋條件下完成二重奏。結果顯示，雖然音樂家對這種基于力的反饋極為陌生，但在聽覺加觸覺的條件下，他們的時空協調性和動態音樂一致性均優于傳統的聽覺加視覺條件。此外，結合所有感官模式的演奏條件產生了最高水平的協作效果。這表明，外骨骼開辟了一條隱性且具身化的交流途徑，它不僅不需要刻意的意識參與，也不會干擾高技能任務的自然發揮。研究發表在 Science Robotics 上。

#認知科學 #機器人及其進展 #外骨骼 #觸覺反饋 #多感官整合

閱讀更多：

Micha?ko, Aleksandra, et al. “Robot-Mediated Haptic Feedback Outperforms Vision in Violin Duo Coordination.” Science Robotics, vol. 11, no. 112, Mar. 2026, p. eaeb1901. science.org (Atypon), https://doi.org/10.1126/scirobotics.aeb1901

AI心理治療師來了？別急，先從輔助人類專家開始

隨著對話式人工智能的興起，其在心理治療領域的應用引發廣泛討論。為厘清AI的角色與風險，來自猶他大學的Zac Imel、Vivek Srikumar、Brent Kious等人組成的跨學科團隊，提出了一個心理治療自動化的框架，將AI的應用劃分為四個不同等級，旨在為該領域的實證研究和倫理探討提供指導。

研究團隊借鑒了自動駕駛汽車的等級劃分思路，將心理治療領域的自動化分為四類。A類是腳本化系統（scripted systems），即由機器人提供預設內容；B類是AI評估治療師，通過分析會話為臨床醫生提供反饋；C類是AI輔助治療師，為人類專家提供干預建議；D類則是風險最高的AI直接提供治療。研究指出，當前最迫切且可行的應用在于B類和C類，例如利用大型語言模型高效分析治療過程，為治療師提供實時反饋和培訓，這能極大改善當前人工評估緩慢且昂貴的現狀。而對于D類應用，盡管通用大模型看似能提供共情式對話，但其存在捏造信息、固化偏見和反應不可預測的巨大風險。因此，研究者強調，當前AI在心理治療中的最佳定位是作為人類專家的協作伙伴與支持工具，而非替代者。研究發表在 Current Directions in Psychological Science 上。

#疾病與健康 #心理健康與精神疾病 #大模型技術 #AI倫理

閱讀更多：

Imel, Zac E., et al. “A Framework for Automation in Psychotherapy.” Current Directions in Psychological Science, vol. 35, no. 2, Apr. 2026, pp. 66–76. SAGE Journals, https://doi.org/10.1177/09637214251386047

人工智能驅動的發現陷入瓶頸：科學證據被困于前數字系統

當人工智能以驚人速度推動醫學創新時，科學界卻面臨一個悖論：我們的發現被一個源自17世紀的出版體系所束縛。馬來西亞博特拉大學的Boon-How Chew在一篇觀點文章中指出，這種靜態、緩慢的學術交流模式正成為數據驅動醫學發展的直接威脅，呼吁建立一個動態、透明的“科學新操作系統”。

文章深入剖析了當前學術出版體系的三大危機。首先是速度與成本的矛盾，一篇論文從預印本到正式發表常需一年以上，而高昂的訂閱費和版面費給科研機構和學者帶來沉重負擔。其次是嚴峻的可重復性危機，高達50%-90%的研究結果無法被復現，動搖了科學的根基。最后，以敘述為核心的靜態論文格式，將結論與原始數據和分析方法脫鉤，使得對復雜AI模型的驗證變得極為困難。雖然涌現出大量AI寫作助手，但它們只是在舊框架內進行修補，并未解決數據不透明、驗證流程緩慢的核心問題。作者強調，臨床AI模型的黑箱不能建立在不可重復研究的黑箱之上。未來的科學出版物必須是動態、可交互的研究對象，將數據、代碼、分析日志和同行評審永久關聯，從設計上保證科學的嚴謹與透明。研究發表在 Journal of Medical Internet Research 上。

#AI驅動科學 #自動化科研 #學術出版 #可重復性危機 #開放科學

閱讀更多：

Chew, Boon-How. “Our AI-Powered Discoveries Are Trapped in a Predigital System.” Journal of Medical Internet Research, vol. 28, no. 1, Mar. 2026, p. e96018. www.jmir.org, https://doi.org/10.2196/96018

達摩院新模型精準預測細胞對藥物的反應

如何構建一個能精準預測細胞對藥物或基因改變反應的“虛擬細胞”？阿里達摩院的Han Zhang, Deli Zhao, Yu Rong等研究人員發布了生成式細胞世界模型——靈樞細胞（Lingshu-Cell），該模型能以前所未有的精度模擬細胞狀態并預測其對擾動的反應，為藥物研發和個性化醫療開辟了新路徑。

傳統單細胞研究方法如同“拍照存檔”，缺乏動態預測能力。為解決此問題，靈樞細胞采用了創新的掩碼離散擴散模型。該方法將細胞內約1.8萬個基因的表達水平轉換為離散詞元，然后隨機遮蓋部分基因，訓練模型根據上下文“填空”，從而學習基因間復雜的調控網絡。這一設計完美契合了單細胞數據稀疏、無序的特性，實現了對全轉錄組的直接建模。在測試中，靈樞細胞不僅能生成與真實細胞高度一致的虛擬細胞，其預測能力也表現卓越。在國際性的“虛擬細胞挑戰賽”中，它在基因擾動預測任務上排名第一。此外，它還能精準預測不同個體免疫細胞對90種細胞因子（cytokine，一類調節免疫反應的蛋白質）刺激的應答，展示了其在個性化醫療領域的巨大潛力。

#AI驅動科學 #預測模型構建 #個性化醫療 #虛擬細胞

閱讀更多：

Zhang, Han, et al. “Lingshu-Cell: A Generative Cellular World Model for Transcriptome Modeling toward Virtual Cells.” arXiv:2603.25240, arXiv, 26 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.25240

ERAST：基于AI大模型的毫秒級生物序列搜索工具

面對日益龐大的生物序列數據庫，傳統的同源搜索（Homology Search）方法已力不從心。為解決這一瓶頸，騰訊生命科學實驗室的Yao Jianhua、He Bing與浙江大學的Chen Huajun、Zhang Qiang等研究人員合作，開發了一款名為ERAST的AI工具，它融合了大語言模型與向量數據庫技術，可在十億級數據規模下實現毫秒級精準檢索。

該研究的核心是將生物序列的“文字”信息轉化為“數學”坐標。研究團隊利用蛋白質大語言模型，如ESM-2，將超過10億條生物序列編碼為高維向量，并存入一個特制的向量數據庫中。ERAST的搜索過程分為三步：首先通過序列長度等元數據進行預檢索過濾；然后，將查詢序列轉化為向量，在數據庫中快速計算相似度，毫秒內找出候選序列；最后，通過一個專門的評分模型進行重排序，精準識別進化關系遙遠的“遠親”。性能測試表明，ERAST的搜索速度比高精度工具TM-align快約5萬倍，且準確率超越了所有主流深度學習方法。更重要的是，該工具還能對海量“功能未知”的蛋白質（即蛋白質暗物質）進行全局聚類，研究發現94%的未知蛋白簇能與已知功能的蛋白簇建立聯系，為揭示其功能提供了前所未有的全局視角。研究發表在 Nature Biotechnology 上。

#AI驅動科學 #預測模型構建 #大語言模型 #生物信息學 #同源搜索

閱讀更多：

Jiang, Yinuo, et al. “Scalable Homology Detection with ERAST.” Nature Biotechnology, Apr. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41587-026-03051-1

S-Researcher：一個用于社會科學自動化的人機協作AI平臺

傳統的社會科學研究因成本高、周期長而面臨瓶頸，中國人民大學高瓴人工智能學院的Lei Wang等人針對此問題，開發了名為S-Researcher的智能體平臺。該平臺通過讓大語言模型智能體同時扮演研究者和“硅基被試”的角色，構建了一個從實驗設計、模擬執行到報告生成的自動化、人機協作研究工作流。

S-Researcher的核心是其底層的大規模社會模擬引擎YuLan-OneSim，該引擎具備三大特點：通用性，可將研究者的自然語言描述自動轉化為可執行的模擬代碼；可擴展性，其分布式架構能支持多達10萬個智能體同時在線交互；可靠性，通過反饋微調機制確報智能體行為的科學可信度。在驗證中，平臺通過三種模式展現了其強大能力：在歸納研究中，它自主復現了經典的文化傳播理論；在演繹研究中，通過模擬5525名學生，驗證了課堂表達對教師注意力的決定性影響，并與真實調查數據相符；在最具挑戰的溯因研究中，平臺在公共品博弈中發現了一個新的合作機制，該發現隨后被一項120名真人參與的平行實驗所證實，人與智能體的行為數據相關性高達0.915。

#AI驅動科學 #自動化科研 #社會科學 #智能體 #計算社會科學

閱讀更多：

Wang, Lei, et al. “LLM Agents as Social Scientists: A Human-AI Collaborative Platform for Social Science Automation.” arXiv:2604.01520, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01520

BraiNCA模型通過長程連接和拓撲優化提升AI自組織能力

傳統人工智能模型通常依賴于密集的局部連接，這與生物大腦中高效的長程信息傳遞機制形成鮮明對比。來自塔夫茨大學和哈佛大學的研究人員 Léo Pio-Lopez, Benedikt Hartl, 和 Michael Levin 開發了一款名為BraiNCA的腦啟發模型。該模型通過引入注意力機制、長程連接和優化的拓撲結構，成功在形態發生和運動控制任務中展現出比傳統模型更快的學習速度和更高的魯棒性。

研究團隊提出的BraiNCA是對神經網絡細胞自動機的重大升級。它集成了兩個核心的類腦特性：一個注意力層，使每個“細胞”能夠根據上下文動態篩選重要信息；以及顯式的長程連接，允許信息在網絡中“抄近路”，實現全局協調。在模擬生物發育的形態發生任務中，細胞群需要自組織成一個笑臉圖案，具備長程連接的BraiNCA學習速度最高可達標準模型的2.19倍。在更復雜的月球登陸器控制任務中，團隊設計了一種T形拓撲結構，以模仿大腦皮層中功能區與身體部位對應的空間組織形式（somatotopic organization）。這種設計顯著提升了模型的成功率和學習速度。然而，研究也發現，并非所有長程連接都有益，不合理的連接設計反而會降低性能，這凸顯了網絡拓撲結構優化的重要性。

#AI驅動科學 #計算模型與人工智能模擬 #自組織 #神經網絡細胞自動機 #腦啟發計算

閱讀更多：

Pio-Lopez, Léo, et al. “BraiNCA: Brain-Inspired Neural Cellular Automata and Applications to Morphogenesis and Motor Control.” arXiv:2604.01932, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01932

大語言模型有“數感”嗎？新基準SenseMath揭示其推理捷徑的局限性

大型語言模型是否真正理解數學，還是僅僅在模仿計算步驟？圣母大學的Haomin Zhuang、Xiangliang Zhang等人開發了一個名為SenseMath的新基準，系統評估了LLM類似人類的“數感”，即識別數字結構并靈活運用計算捷徑的能力。研究發現，當前LLM雖能執行計算捷徑，但嚴重缺乏何時以及為何使用這些捷徑的深層理解。

研究團隊構建的SenseMath基準包含4800個數學問題，每個問題都精心設計了三種變體：一種明顯適用捷徑，一種部分適用，另一種則完全不適用。通過對五種主流LLM進行測試，研究人員評估了它們在三個認知層次上的表現：應用、判斷和創造。結果顯示，在標準的思維鏈提示下，LLM自發使用捷徑的比例不足40%。然而，當被明確提示運用“數感”時，強模型的準確率在適用問題上能提升高達15%，這表明捷徑能力是存在的，但需要被激活。更關鍵的是，模型在判斷捷徑適用性方面表現糟糕，會系統性地將捷徑錯誤地應用到不該用的問題上。在最高級的創造任務中，模型生成有效捷徑問題的成功率低至2-24%。這揭示了LLM在程序性流暢（知道“如何”做）和結構性理解（知道“為何”做）之間的巨大鴻溝。

#大模型技術 #計算模型與人工智能模擬 #數學推理 #基準測試

閱讀更多：

Zhuang, Haomin, et al. “SenseMath: Do LLMs Have Number Sense? Evaluating Shortcut Use, Judgment, and Generation.” arXiv:2604.01988, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01988

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

研究院在華山醫院、上海市精神衛生中心分別設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經科學研究院。

研究院還建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、科普視頻媒體「大圓鏡」等。