█ 腦科學動態

Nature：腸道細胞如何“報警”？新研究揭示慢性疼痛的根源

氯胺酮通過調節大腦受體GluN1-2B-2D緩解抑郁癥

Syngap1基因通過感覺運動整合支持認知能力

OPN3蛋白在下丘腦調節食物攝入的新機制

兒童雙耳音高融合在6-14歲仍在發展

靜態圖像為何讓你看到動態效果？

星形膠質細胞：大腦獎勵學習的新鑰匙

Nerinetide在急性缺血性中風患者中的潛在益處

█ AI行業動態

OpenAI大模型在編程競賽中奪冠，通用能力完勝定制策略

每周一次賽美格魯肽顯著減少酒精使用障礙患者的飲酒渴求

OmniParser V2：讓AI輕松操控圖形界面

DeepSeek官方發布R1模型最佳設置指南

█ AI研發動態

國際首個“雙環路”腦機接口系統

新型雙域ACIM系統大幅提升神經網絡能效

為什么上下文學習會“善變”？揭秘大型語言模型的瞬態行為

AI精準定位，房顫消融成功率大幅提高

大型語言模型顯著提升學術會議組織效率

AI預測人格相關性超越人類，但專家和專門模型仍具優勢

腦科學動態

Nature：腸道細胞如何“報警”？新研究揭示慢性疼痛的根源

腸道疼痛是腸易激綜合征（IBS）和炎癥性腸病（IBD）等疾病的常見癥狀，但其機制尚不明確。澳大利亞霍普伍德神經生物學中心內臟疼痛研究小組Stuart M. Brierley、加州大學舊金山分校（UCSF）David Julius，Kouki K. Touhara和北京大學的李毓龍研究團隊通過實驗揭示了腸道細胞如何通過釋放神經遞質觸發持續疼痛。

研究團隊開發了一種報告小鼠模型，用于定量測量活體腸道中腸嗜鉻細胞（EC細胞）釋放的血清素（serotonin）及其傳播。研究發現，隱窩EC細胞（crypt EC cells）具有兩種模式：一種是基礎的低水平模式，通過激活上皮細胞的5-HT4受體調節基礎離子分泌；另一種是刺激誘導的高水平模式，通過激活感覺神經纖維上的5-HT3受體傳遞疼痛信號。這兩種模式都可以由刺激性受體TRPA1觸發，而TRPA1僅存在于隱窩EC細胞中。當腸道保護性黏液層受損時，TRPA1對刺激性物質的反應會增強。

絨毛EC細胞（villus EC cells）則通過另一種機制傳遞損傷信號：氧化應激激活TRPM2通道，導致血清素和ATP的釋放，進而激活感覺神經纖維。這種EC細胞功能的拓撲分離機制為腸道在不同生理條件下的監測、維護和保護提供了新的解釋。研究發表在 Nature 上。

#神經科學 #腸道疼痛 #腸嗜鉻細胞 #血清素 #TRPA1

閱讀更多：

Touhara, Kouki K., et al. “Topological Segregation of Stress Sensors along the Gut Crypt–Villus Axis.” Nature, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-024-08581-9

氯胺酮通過調節大腦受體GluN1-2B-2D緩解抑郁癥

氯胺酮曾被用作麻醉劑和娛樂性藥物，近年來被用于治療抑郁癥和焦慮癥，但其作用機制和安全性仍存在爭議。冷泉港實驗室的Hiro Furukawa和Hyunook Kang團隊通過冷凍電鏡技術（cryo-EM）研究了氯胺酮與大腦受體GluN1-2B-2D的相互作用，揭示了其潛在的治療機制。

?從理論上講，氯胺酮可以通過阻斷稱為Glun1-2b-2d的腦受體來起作用。在這里可以看到該藥物的化學分子（黃色）可以與腦受體的特定部分（灰色腹板）結合的眾多方式之一。Credit: Furukawa lab/CSHL

研究團隊使用冷凍電鏡技術（cryo-EM，一種高分辨率成像技術）解析了三異源體GluN1-2B-2D NMDAR受體在五種不同狀態下的結構。研究發現，GluN2B和GluN2D亞基的不對稱運動調節了離子通道的開閉。此外，研究還發現了一種名為DQP-997-74的抑制劑，可以選擇性地影響GluN2D亞基的功能，從而調節通道活動。研究還揭示了氯胺酮（S-(+)-ketamine）與GluN1-2B NMDAR受體的結合方式，表明其通過阻斷離子通道發揮作用。這些發現為理解三異源體NMDAR受體的結構和功能提供了重要線索，并為開發針對抑郁癥和焦慮癥的新型藥物奠定了基礎。研究發表在 Neuron 上。

#大腦健康 #氯胺酮 #GluN1-2B-2D #冷凍電鏡 #抑郁癥

閱讀更多：

Kang, Hyunook, et al. “Structural Basis for Channel Gating and Blockade in Tri-Heteromeric GluN1-2B-2D NMDA Receptor.” Neuron, vol. 0, no. 0, Feb. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.01.013

Syngap1基因通過感覺運動整合支持認知能力

Syngap1基因在突觸和神經回路發展中起關鍵作用，其突變與智力障礙、孤獨癥譜系障礙（ASD）和癲癇等學習障礙相關。為了揭示Syngap1基因如何支持認知功能，Herbert Wertheim UF Scripps生物醫學創新與技術研究所的Gavin Rumbaugh團隊使用小鼠模型，結合高速攝影和觸須跟蹤技術，研究了Syngap1基因在皮質興奮性神經元中的表達及其對感知和行為的影響。研究發現，Syngap1基因通過整合感覺和運動信息，促進認知能力。

?Credit: Tom Vaissiere and Randall Golovin, Rumbaugh Lab.

研究團隊通過小鼠模型，分析了Syngap1基因在皮質興奮性神經元中的表達如何影響感知的形成。感知是一種通過感覺運動整合（SMI）實現的認知過程。研究發現，Syngap1基因的表達對形成促進SMI介導感知的體感運動網絡至關重要。Syngap1基因調節觸覺敏感性，維持觸覺物體探索，并促進觸覺學習。Syngap1表達不足的小鼠在皮質-丘腦網絡（cortical-thalamic network）中表現出由探索性觸摸誘導的神經動力學異常，這與長程突觸連接異常有關。研究結果表明，Syngap1基因通過整合時間重疊的感覺和運動信號，促進感知和注意力，從而支持認知能力。研究發表在 Nature Communications 上。

#神經科學 #孤獨癥 #智力障礙 #Syngap1基因 #感覺運動整合

閱讀更多：

Vaissiere, Thomas, et al. “Syngap1 Promotes Cognitive Function through Regulation of Cortical Sensorimotor Dynamics.” Nature Communications, vol. 16, no. 1, Jan. 2025, p. 812. www.nature.com, https://doi.org/10.1038/s41467-025-56125-0

OPN3蛋白在下丘腦調節食物攝入的新機制

下丘腦中的神經元表達Opsin 3（OPN3）蛋白，但其在大腦深處的功能尚不明確。布朗大學和辛辛那提兒童醫院的研究團隊通過基因工程手段，在小鼠的下丘腦室室核（PVN）中敲除OPN3，發現其在調節食物攝入中起重要作用。

?在下丘腦的室室核中表達神經元（綠色）的OPN3。Credit: Jonathan Mercado-Reyes.

研究團隊通過基因工程手段，在小鼠的下丘腦室室核中敲除OPN3，觀察其對食物攝入和活動水平的影響。他們還通過分子生物學技術，研究了OPN3與黑素皮質素4受體（MC4R）和Kir7.1鉀通道（Kir7.1 potassium channel）的相互作用。研究發現，OPN3與MC4R和Kir7.1鉀通道共同作用，調節神經元信號和能量平衡。敲除OPN3的小鼠食物攝入減少，活動水平降低。此外，OPN3通過Gαi/o依賴性方式負調節MC4R介導的cAMP信號，增強Kir7.1通道的活性，從而促進食物攝入。研究發表在 PNAS 上。

#神經科學 #下丘腦 #OPN3 #食物攝入 #能量平衡

閱讀更多：

Haddad, Hala K., et al. “Hypothalamic Opsin 3 Suppresses MC4R Signaling and Potentiates Kir7.1 to Promote Food Consumption.” Proceedings of the National Academy of Sciences, vol. 122, no. 8, Feb. 2025, p. e2403891122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2403891122

兒童雙耳音高融合在6-14歲仍在發展

雙耳音高融合（binaural pitch fusion）是兒童在嘈雜環境中理解語音的關鍵能力。俄勒岡州健康與科學大學的Lina Reiss和Jennifer Fowler等人，通過對62名兒童進行長期跟蹤研究，比較了聽力正常兒童與使用不同聽力設備兒童的雙耳音高融合發展。研究發現，這一能力在6至14歲期間顯著發展，為改善聽力障礙兒童的語音感知提供了新的治療方向。

研究團隊對62名兒童（包括22名女性）進行了基線測量，分為聽力正常組（n=25）、雙側助聽器組（n=10）、雙峰人工耳蝸組（n=9）和雙側人工耳蝸組（n=18）。通過長期跟蹤，測量了兒童在6至10歲開始，經過3至6年的雙耳音高融合（binaural pitch fusion）范圍的變化。雙耳音高融合范圍是指在一只耳朵接收到的聲學頻率（electrodes）與另一只耳朵同時接收到的單一參考頻率（electrodes）融合的感知范圍。耳間音高辨別（interaural pitch discrimination）能力也被測量，以控制音高辨別作為融合的潛在限制因素。

結果顯示，聽力正常兒童和雙側助聽器兒童的雙耳音高融合范圍隨著年齡增長顯著縮小1-3個八度，而雙側人工耳蝸兒童則無明顯變化。耳間音高辨別能力在各組間存在差異，但不隨年齡變化。這些結果表明，雙耳音高融合在6至14歲期間顯著發展，且聽力設備的選擇對聽力損失兒童的雙耳處理能力發展至關重要。研究發表在 Journal of the Association for Research in Otolaryngology 上。

#認知科學 #雙耳音高融合 #聽力設備 #兒童發展 #語音感知

閱讀更多：

Reiss, Lina A. J., et al. “Binaural Fusion Sharpens on a Scale of Octaves During Pre-Adolescence in Children with Normal Hearing, Hearing Aids, and Bimodal Cochlear Implants, but Not Bilateral Cochlear Implants.” Journal of the Association for Research in Otolaryngology, Feb. 2025. Springer Link, https://doi.org/10.1007/s10162-025-00975-4

靜態圖像為何讓你看到動態效果？

擴展的孔幻覺是一種靜態圖像讓人產生動態擴展效果的視覺現象，但其背后的神經機制尚不明確。為了揭示這一機制，弗林德斯大學的Nasim Nematzadeh和David Powers等人開發了一種基于高斯差異的計算模型，模擬了人類視網膜的對比度和運動感知處理過程，并解釋了這種幻覺的神經基礎。

?擴展的孔幻覺：這種靜態模式產生了動態效果，給人的印象是該模式中中央區域的連續擴展。Credit: Flinders University

研究團隊使用高斯差異（Difference of Gaussians, DoG）濾波和經典感受野（Classical Receptive Field, CRF）模型，模擬了早期視網膜處理機制。研究發現，擴展的孔幻覺源于視網膜處理對比度和運動感知與大腦之間的相互作用，特別是對比度依賴性側抑制（lateral inhibition）在早期視覺處理中的作用。對比度梯度和多層空間處理共同導致了擴張的感知，這一結果與心理物理學的發現一致，并支持了視網膜神經節細胞在生成這種錯覺運動信號中的關鍵作用。這一模型不僅解釋了視覺錯覺的神經機制，還為改進AI視覺系統提供了新方向，使其在低光環境或復雜背景中更加魯棒。

#神經科學 #視覺錯覺 #視網膜處理 #AI視覺系統 #高斯差異

閱讀更多：

Nematzadeh, Nasim, and David M. W. Powers. A Bioplausible Model for the Expanding Hole Illusion: Insights into Retinal Processing and Illusory Motion. arXiv:2501.08625, arXiv, 15 Jan. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2501.08625

星形膠質細胞：大腦獎勵學習的新鑰匙

星形膠質細胞在大腦功能中扮演重要角色，但其在獎勵學習中的具體作用尚不明確。Cajal研究所、馬德里自治大學和卡洛斯三世健康研究所的研究團隊使用新開發的AstroLight工具，揭示了星形膠質細胞在獎勵驅動行為中的專門網絡。

?左：使用 AstroLight 對星形膠質細胞群體進行標記。借助該工具，作者獲得了與條件刺激動機行為任務相關的伏隔核中星形膠質細胞群體的空間圖譜。右：星形膠質細胞群體刺激。激活標記有 AstroLight 的星形膠質細胞引起了小鼠對兩個可能的獎勵位置之一的偏好改變。Credit: Serra et al.

研究團隊使用AstroLight工具，將星形膠質細胞的鈣信號轉化為光依賴的基因表達，識別出在伏隔核（Nucleus Accumbens, NAc）中形成的星形膠質細胞合奏。這些合奏在獎勵驅動的行為中活躍，并且直接光遺傳學激活這些合奏足以驅動小鼠的獎勵尋求行為。研究結果表明，星形膠質細胞并非均勻分布，而是形成特定的合奏，這些合奏在學習和記憶中扮演關鍵角色。研究發表在 Nature Neuroscience 上。

#神經科學 #星形膠質細胞 #獎勵學習 #光遺傳學 #伏隔核

閱讀更多：

Serra, Irene, et al. “Astrocyte Ensembles Manipulated with AstroLight Tune Cue-Motivated Behavior.” Nature Neuroscience, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-01870-0

Nerinetide在急性缺血性中風患者中的潛在益處

Nerinetide是一種在急性缺血性中風發病后3小時內有效的神經保護劑，但其在臨床中的應用效果尚不明確。加拿大安大略省和不列顛哥倫比亞省的七個中風中心的研究團隊進行了一項多中心、隨機、雙盲、安慰劑對照的研究，評估了在疑似中風癥狀出現后3小時內，在到達醫院前給予Nerinetide的可行性和安全性及其有效性。

這項研究的關鍵方法是多中心、隨機、雙盲、安慰劑對照試驗，研究人員在疑似嚴重中風發病后3小時內，將40至95歲之間、之前能夠獨立生活并被送往加拿大安大略省或不列顛哥倫比亞省的七個中風中心之一的參與者納入研究。參與者以1:1的比例隨機分配接受靜脈注射Nerinetide（2.6 mg/kg）或安慰劑。主要結果是在改良Rankin量表（modified Rankin Scale）上90天時的功能良好結果。研究結果顯示，Nerinetide并未在所有疑似缺血性中風患者中改善神經功能結局，但在癥狀出現后3小時內接受再灌注治療的急性缺血性中風患者中可能有益。研究發表在The Lancet Neurology上。

#大腦健康 #急性缺血性中風 #Nerinetide #多中心隨機雙盲安慰劑對照試驗

閱讀更多：

Christenson, Jim, et al. “Efficacy and Safety of Intravenous Nerinetide Initiated by Paramedics in the Field for Acute Cerebral Ischaemia within 3 h of Symptom Onset (FRONTIER): A Phase 2, Multicentre, Randomised, Double-Blind, Placebo-Controlled Study.” The Lancet, vol. 405, no. 10478, Feb. 2025, pp. 571–82. www.thelancet.com, https://doi.org/10.1016/S0140-6736(25)00193-X

AI 行業動態

OpenAI大模型在編程競賽中奪冠，通用能力完勝定制策略

OpenAI的研究表明，強化學習應用于大語言模型顯著提升了其在復雜編程和推理任務中的表現。研究團隊對比了兩種通用推理模型——OpenAI的o1和o3早期版本——與專為2024年國際信息學奧林匹克競賽（IOI）設計的定制化系統o1-ioi。在IOI 2024現場競賽中，o1-ioi憑借手工設計的測試策略位列第49百分位，而在放寬競賽約束的條件下，o1-ioi獲得了金牌。然而，后續評估發現，o3模型無需手工設計的領域特定策略或放寬約束，也能輕松斬獲金牌。值得注意的是，o3在2024年IOI中奪得金牌，并在CodeForces平臺上達到了與頂尖人類選手相當的評分。

研究結果表明，盡管定制化策略如o1-ioi能帶來顯著改進，但規模更大、通用性更強的o3模型無需依賴手工設計的推理啟發式方法，便能超越這些成果。這一發現表明，擴展通用強化學習而非依賴領域特定技術，是推動推理領域（如編程競賽）人工智能達到頂尖水平的可靠路徑。

此外，研究還回顧了編程競賽作為評估推理和編碼能力的挑戰性基準的重要性，以及OpenAI在大推理模型（LRMs）領域的進展。LRMs通過強化學習訓練，能夠“推理”和“思考”復雜的思維鏈，從而解決數學和編程等復雜任務。DeepSeek-R1和Kimi k1.5的研究也獨立證明了思維鏈學習在提升數學和編程能力方面的有效性。

#OpenAI #大語言模型 #編程競賽 #強化學習 #推理能力

閱讀更多：

https://arxiv.org/pdf/2502.06807

每周一次賽美格魯肽顯著減少酒精使用障礙患者的飲酒渴求

一項發表在JAMA Psychiatry上的隨機臨床試驗表明，GLP-1受體激動劑賽美格魯肽（Semaglutide）可能對酒精使用障礙（AUD）患者有顯著療效。研究由來自美國學術醫療中心的研究人員團隊領導，旨在評估每周一次皮下注射賽美格魯肽對AUD患者飲酒量和渴求感的影響。試驗共招募了48名非治療尋求者且患有AUD的參與者，隨機分為賽美格魯肽組和安慰劑組。

結果顯示，低劑量賽美格魯肽顯著減少了患者在治療后實驗室自給任務中的酒精攝入量，并降低了每周的酒精渴求感。此外，在吸煙的參與者中，賽美格魯肽還顯著減少了每日吸煙量。研究人員認為，這些結果為未來更大規模的臨床試驗提供了初步支持，表明GLP-1受體激動劑可能成為AUD治療的新方向。

#賽美格魯肽 #酒精使用障礙 #GLP-1受體激動劑 #臨床試驗 #飲酒渴求

閱讀更多：

https://jamanetwork.com/journals/jamapsychiatry/fullarticle/2829811

OmniParser V2：讓AI輕松操控圖形界面

微軟的研究人員開發了OmniParser V2，這是一款能夠將大語言模型轉變為高效圖形用戶界面（GUI）自動化代理的工具。GUI自動化需要代理能夠理解并交互用戶屏幕，但通用LLM模型在作為GUI代理時面臨兩大挑戰：可靠識別用戶界面中的可交互圖標，以及準確理解屏幕截圖中元素的語義并將其與相應區域關聯。OmniParser通過將UI屏幕截圖從像素空間“分詞”為LLMs可解析的結構化元素，解決了這一問題，使得LLMs能夠基于解析后的可交互元素進行下一步操作預測。

OmniParser V2在前代基礎上進一步提升，實現了對更小可交互元素的更高檢測準確率和更快的推理速度。它通過更大規模的交互元素檢測數據和圖標功能描述數據進行訓練，并將圖標描述模型的圖像尺寸縮小，使延遲降低了60%。在最新發布的ScreenSpot Pro基準測試中，OmniParser+GPT-4o以39.6的平均準確率刷新了GPT-4o的原始得分0.8，展現了其在處理高分辨率屏幕和小型目標圖標方面的卓越性能。

此外，研究人員還開發了OmniTool，這是一個容器化的Windows系統，集成了多種先進LLMs（如OpenAI、DeepSeek、Qwen和Anthropic），支持屏幕理解、grounding、動作規劃和執行等步驟，以加速智能體設置的實驗。為降低風險，OmniParser V2遵循微軟AI原則和負責任AI實踐，通過使用負責任AI數據訓練圖標描述模型，盡可能避免推斷圖標圖像中個體的敏感屬性。同時，研究人員建議用戶僅在不包含有害內容的截圖上使用OmniParser，并提供沙盒容器和安全指南以確保使用安全。

#OmniParser #GUI自動化 #LLM #ScreenSpot Pro #OmniTool

閱讀更多：

https://www.microsoft.com/en-us/research/articles/omniparser-v2-turning-any-llm-into-a-computer-use-agent/

DeepSeek官方發布R1模型最佳設置指南

近日，DeepSeek官方通過其X賬號發布了關于R1模型的推薦設置，引發了廣泛關注。自春節以來，DeepSeek一直是人工智能（AI）領域的熱門話題，其官方App更是創下了史上最快突破3000萬日活的記錄。此次更新旨在幫助用戶更好地部署和使用DeepSeek-R1模型，并強調了官方版本與開源版本的一致性。

官方推薦設置包括四項關鍵內容：首先，建議用戶不要使用系統提示詞，這一建議已被許多開發者提出；其次，將溫度參數設置為0.6，以防止模型輸出無休止的重復或不連貫的內容；第三，分享了用于搜索和文件上傳的官方提示詞模板，用戶可根據需求調整參數；第四，提供了一個指南，幫助緩解模型繞過思考的問題，建議強制模型以“\n”作為響應的開頭，以確保其進行徹底推理。

盡管此次更新僅涉及DeepSeek-R1項目的README.md文件，但仍獲得了大量好評。不過，也有部分用戶對官方推薦的設置表示困惑，認為需要進一步解釋。總體而言，此次更新為開發者提供了更清晰的指導，有望進一步提升模型的使用體驗。

#DeepSeek #R1模型 #AI技術 #模型優化 #提示詞設置

閱讀更多：

https://x.com/deepseek_ai/status/1890324295181824107

AI 研發動態

國際首個“雙環路”腦機接口系統

天津大學腦機海河實驗室和清華大學集成電路學院聯合，開發出一款基于憶阻器神經形態器件的“雙環路”無創演進腦機接口系統。團隊還首次揭示了大腦電信號與解碼器在交互過程中如何進一步協同增強的奧秘，并成功實現了人腦對無人機的高效四自由度操控。

研究團隊發現，腦電信號中的非平穩特性不僅來源于傳統觀點認為的背景腦電變異，而且與閉環腦機交互引導下的任務腦電演變密切相關。基于這一發現，團隊首次提出了“雙環路腦機協同演進框架”，并通過憶阻器神經形態器件構建了全新的腦機接口系統。在雙環路框架下，“機學習”環路中的憶阻器解碼器通過適應腦電信號波動完成解碼參數更新，“腦學習”環路中的任務相關腦電特征在“決策-反饋”循環的引導下不斷正向演化。相關算法基于128kb規模的憶阻器神經形態器件實現了硬件化部署，將腦電信號的多步計算過程優化為單步計算。

“相較于傳統純數字硬件方案，‘雙環路’腦機接口系統精度更高、能耗更低、能處理更復雜任務。像效率提高2個數量級（百倍）以上，能耗降低3個數量級（千分之一）以下。”許敏鵬舉例說，傳統無創腦機接口技術通常只能控制無人機進行簡單的二自由度飛行，研究團隊開發的“雙環路”腦機接口系統可高效支撐無人機完成上下、左右、前后、旋轉四自由度任務目標。

在連續6小時的長時程腦機交互實驗中，大腦和解碼器的貢獻比例呈現動態變化，初期以解碼器自適應更新為主，隨著時間推移，大腦貢獻逐步增加，最終腦機接口性能不僅沒有下降，準確率還提升了約20%。相關成果刊發在Nat Electron上。

#腦機接口 #腦機交互

閱讀更多：

Liu, Z., Mei, J., Tang, J. et al. A memristor-based adaptive neuromorphic decoder for brain–computer interfaces. Nat Electron (2025). https://doi.org/10.1038/s41928-025-01340-2

新型雙域ACIM系統大幅提升神經網絡能效

隨著機器學習模型的廣泛應用，傳統計算機架構的計算能力面臨挑戰。清華大學的研究團隊，由Ze Wang等人組成，開發了一種新型雙域模擬計算存儲器（ACIM）系統，旨在提高神經網絡運行的能效和性能。該團隊通過結合高精度浮點（FP）兼容數字計算和模擬計算存儲器，成功設計出一種混合架構，顯著提升了神經網絡在處理復雜回歸任務時的效率和精度。

研究團隊開發了一種低成本的雙域浮點處理器，將模擬計算存儲器陣列與數字核心合并，形成了一種新型的混合架構。這種架構在浮點神經網絡推理中的能效比常見的FP-32乘法器高出39.2倍。此外，團隊還創建了一個基于憶阻器（memristor）的計算系統原型，該系統在處理復雜回歸任務（如YOLO對象檢測）時，平均精度比純ACIM系統提高了2.7倍。這一成果不僅展示了ACIM系統在處理復雜計算任務上的潛力，也為未來神經網絡計算架構的設計提供了新的方向。研究發表在 Nature Electronics 上。

#神經技術 #神經網絡 #能效 #模擬計算存儲器 #浮點計算

閱讀更多：

Wang, Ze, et al. “A Dual-Domain Compute-in-Memory System for General Neural Network Inference.” Nature Electronics, Jan. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41928-024-01315-9

為什么上下文學習會“善變”？揭秘大型語言模型的瞬態行為

上下文學習（ICL）使大型語言模型能夠通過輸入的上下文適應新任務，但其機制尚未得到統一解釋。為了填補這一空白，哈佛大學、NTT研究所和密歇根大學的研究團隊提出了一種新的實驗設置，通過訓練Transformer模型模擬有限混合馬爾可夫鏈生成的序列數據，系統性地研究了ICL的算法動態。研究揭示了四種算法之間的競爭關系，并解釋了ICL的瞬態性質。

研究團隊設計了一種合成序列建模任務，即通過訓練Transformer模型模擬有限混合馬爾可夫鏈（Markov chains）生成的序列數據。通過改變訓練步驟、數據多樣性（鏈的數量）和上下文大小，團隊發現模型在ICL中表現出四種不同的算法階段。這些算法結合了模糊檢索與推理方法以及一元（unigram）或二元（bigram）統計。研究表明，這些算法在競爭動態中相互影響，具體的實驗條件（如上下文大小或訓練量）決定了哪種算法主導模型行為。例如，僅改變上下文大小或訓練量就會導致模型行為的急劇轉變，揭示了ICL的瞬態性質。此外，研究還發現，模型規模會影響算法階段的邊界，表明ICL應被視為不同算法的混合體，而非單一能力。這一發現為理解ICL的復雜機制提供了新的視角，并表明在不同實驗條件下得出的ICL結論可能并不普遍適用。

#認知科學 #上下文學習 #Transformer #算法競爭 #馬爾可夫鏈

閱讀更多：

Park, Core Francisco, et al. Competition Dynamics Shape Algorithmic Phases of In-Context Learning. arXiv:2412.01003, arXiv, 28 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2412.01003

AI精準定位，房顫消融成功率大幅提高

房顫（AF）是成人中最常見的心律失常，但持續性及長期持續性AF的治療仍具挑戰性。TAILORED-AF研究團隊，包括Isabel Deisenhofer、Jean-Paul Albenque等來自多個機構的專家，開展了一項多中心、隨機、對照、雙盲試驗，評估AI引導的個性化消融手術是否優于標準PVI手術。

研究將藥物難治性持續性AF患者隨機分為兩組：一組接受肺靜脈隔離（PVI）加AI算法檢測的時空散射區域消融（個性化組，n=187），另一組僅接受標準PVI手術（解剖組，n=183）。主要療效終點為單次消融手術后12個月內無記錄AF（無論是否使用抗心律失常藥物）。結果顯示，個性化組在主要療效終點上顯著優于解剖組（88% vs. 70%），但在無任何房性心律失常終點上無顯著差異。兩組在安全性終點上無差異，但個性化組的手術和消融時間更長。研究表明，AI引導的時空散射區域消融加PVI在1年隨訪中優于僅PVI手術，但長期維持竇性心律可能需要消融后續的有序房性心動過速。研究發表在 Nature Medicine 上。

#神經技術 #房顫 #AI引導消融 #肺靜脈隔離 #時空散射

閱讀更多：

Deisenhofer, Isabel, et al. “Artificial Intelligence for Individualized Treatment of Persistent Atrial Fibrillation: A Randomized Controlled Trial.” Nature Medicine, Feb. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41591-025-03517-w

大型語言模型顯著提升學術會議組織效率

組織學術會議面臨日益復雜的挑戰，尤其是在投稿數量和多樣性增加的情況下。AMIA 2024信息學峰會科學計劃委員會嘗試使用生成式人工智能和大型語言模型來優化會議組織流程。研究團隊由Yuan Luo、Yikuan Li、Omolola Ogunyemi、Eileen Koski和Blanca E. Himes組成，他們利用LLMs開發算法，自動化處理投稿與審稿人匹配、主題分組和生成一句話摘要等任務，顯著提高了會議組織效率。

研究團隊使用大型語言模型開發了審稿人分配算法、主題分組和生成一句話摘要的工具。LLMs通過提示工程（prompt engineering）生成Python代碼，自動化處理投稿與審稿人匹配，僅需30分鐘，而傳統手動方法需要20小時以上。主題分組任務中，LLMs幫助生成會期名稱和分組建議，盡管需要人類監督，但時間從2.5天縮短到2.5小時。生成一句話摘要的任務僅需15分鐘，而手動完成150個摘要需要25小時。LLMs在提高效率的同時，保持了主題一致性和信息清晰度。研究發表在 npj Digital Medicine 上。

#認知科學 #大型語言模型 #學術會議 #人工智能 #效率提升

閱讀更多：

Luo, Yuan, et al. “Leveraging Large Language Models for Academic Conference Organization.” Npj Digital Medicine, vol. 8, no. 1, Feb. 2025, pp. 1–5. www.nature.com, https://doi.org/10.1038/s41746-025-01492-7

AI預測人格相關性超越人類，但專家和專門模型仍具優勢

現代AI系統能否準確理解人類個性？Philipp Schoenegger、Spencer Greenberg、Alexander Grishin、Joshua Lewis和Lucius Caviola團隊對此展開研究，測試了通用大型語言模型和專門AI系統（如PersonalityMap）在預測人格問卷項目相關性方面的表現。結果顯示，所有AI模型均優于大多數普通民眾和學術專家，但基于中位數的預測顯示，專門模型和專家仍具優勢。

研究通過預先注冊的分析，測試了兩類前沿LLMs（GPT-4o和Claude 3 Opus）、一個專門模型（PersonalityMap）、普通民眾和學術專家預測兩個調查問題之間關系的能力。在未預先注冊的分析中，還測試了另一個專門模型（SurveyBot3000）以及不同規格的GPT-4o。研究結果顯示，所有AI模型在預測人格項目相關性方面均優于大多數普通民眾和學術專家。然而，通過取每組的預測中位數，可以進一步提高預測準確性。基于中位數，PersonalityMap和學術專家在大多數指標上超越了LLMs和普通民眾。這一結果表明，盡管先進的大型語言模型在預測方面優于大多數個體，但專門模型如PersonalityMap在特定領域任務中仍能匹配甚至超越專家群體表現。研究發表在 Communications Psychology 上。

#認知科學 #AI預測 #人格心理學 #大型語言模型 #專門模型

閱讀更多：

Schoenegger, Philipp, et al. “AI Can Outperform Humans in Predicting Correlations between Personality Items.” Communications Psychology, vol. 3, no. 1, Feb. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44271-025-00205-w

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。如果您有進一步想要討論的內容，歡迎評論區留言，或添加小助手微信questionlab，加入社群與我們互動。

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。

Chen Institute與華山醫院、上海市精神衛生中心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天橋神經科學研究院。

Chen Institute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、、中文媒體追問等。