如何在体外构建具有高度生理相关性的成人肝脏模型一直是生物医学领域的难题。Meritxell Huch和Lei Yuan等人（德国马克斯·普朗克分子细胞生物学与遗传学研究所）成功构建了首个能够模拟人类肝脏门区结构和功能的多细胞“组装体”，突破了以往模型无法长期维持成人肝细胞和缺乏复杂细胞互作的局限。

研究团队首先攻克了成人肝细胞难以在体外长期扩增的瓶颈。通过系统分析信号通路，他们发现激活WNT和YAP信号可以唤醒细胞增殖潜能，从而成功从28位供体中建立了可长期传代的人源肝细胞类器官（h-HepOrgs）。为了模拟真实组织的复杂性，研究人员进一步优化培养体系，引入FGF-19等成分促进细胞成熟和胆小管（bile canaliculus）网络的形成。在此基础上，团队将这些肝细胞类器官与同一供体来源的胆管上皮类器官（cholangiocyte organoids）及门区成纤维细胞整合，构建了“肝脏门区组装体”（assembloids）。这种三维结构在空间排列、基因表达及细胞间相互作用上高度还原了体内肝脏门区的特征。此外，该模型还展示了强大的疾病模拟能力：通过改变间充质细胞的比例，研究人员成功在体外诱导出了早期胆管纤维化（biliary fibrosis）的病理改变，观察到了胆管异常增殖和炎症信号上调。这一成果为肝脏疾病机制研究及个性化药物筛选提供了前所未有的工具。研究发表在 Nature 上。

Science：警惕进口海鱼：全球贸易如何重塑人体污染暴露路径

随着全球食品供应链的日益复杂，一种被称为“永久性化学物质”的污染物正通过海鲜悄然进入人体。来自南方科技大学的Qiu Wenhui、宁波东方理工大学的Zheng Chunmiao以及福州大学的Wu Minghong等科学家组成的联合研究团队，通过跨学科合作，首次全面量化了全球鱼类贸易对全氟和多氟烷基物质（PFAS）暴露风险的影响。该研究揭示了被忽视的贸易网络如何重新分配环境健康风险，尤其指出了富裕国家消费者面临的严峻挑战。

为了解开这一复杂的暴露网络，研究人员开发了一套综合分析框架，整合了模拟生物体内污染物累积的海洋食物网模型、涵盖212种商业鱼类的全球高精度捕获数据，以及来自联合国商品贸易统计数据库（UN Comtrade）的宏观贸易数据。团队重点分析了每日估计摄入量（EDI），发现在北美、大洋洲和欧洲，尽管部分本地海域污染未必最重，但居民的PFAS暴露水平却位居全球前列。研究指出，欧洲国家作为贸易枢纽，显著改变了污染物的全球流动路径。此外，数据表明经济发展水平与暴露风险呈正相关，高收入国家因更多消费进口深海鱼类而摄入更多污染物。尽管针对全氟辛烷磺酸（PFOS）的国际法规已使其相关风险下降了约72%，但研究团队警告，未受监管的长链全氟和多氟烷基物质（long-chain PFAS）正在成为新的主要健康隐患，其危险指数甚至超过了已被管控的物质。研究发表在 Science 上。

大脑皮层如何通过神经元放电来协调我们的感知与运动？几十年来，主流理论认为这依赖于“吸引子动力学”，即强连接的神经元群形成稳定的活动模式。然而，Domenico Guarino、Anton Filipchuk 和 Alain Destexhe（巴黎-萨克雷神经科学研究所）团队的一项最新研究挑战了这一经典假设。他们通过分析多模态数据和计算模型，发现皮层神经元的重复活动并非源于传统的模式补全单元，而是通过一种全新的“层级模块化”结构进行组织，其中“核心神经元”扮演了关键的信息枢纽角色。

为了深入探究这一机制，研究团队利用了来自MICrONS项目和艾伦脑观测站（Allen Brain Observatory）等机构的公开数据集，结合了双光子成像、电生理学和电子显微镜等多种技术手段。通过对神经元连接图谱的精细分析，他们惊讶地发现，那些反复共同放电的神经元之间并没有预想中的强连接，这直接反驳了吸引子动力学（attractor dynamics）理论。相反，研究揭示大脑皮层网络呈现出层级模块化（hierarchical modularity）特征，位于模块界面处的“核心神经元”作为高信息流节点，像漏斗一样汇聚并引导神经活动。进一步的计算模拟证实，仅凭距离依赖性连接就足以产生这种模块化结构和可重复的神经事件。这一发现重新定义了皮层活动的结构基础，表明大脑网络是预先配置好以支持感觉运动协调的。研究发表在 Nature Neuroscience 上。

神经场理论模型成功区分植物人与微意识状态

意识是如何在大脑中产生和变化的，一直是神经科学中最大的谜团之一。为了解开这一谜题，并寻找能够量化意识状态的有效方法，Daniel Polyakov, P A Robinson, Avigail Makbili, Steven Laureys, Olivia Gosseries, Oren Shriki 等研究人员利用计算模型探索了大脑皮层丘脑系统的动力学特性。他们的研究成果不仅验证了数学模型在区分健康与病理意识状态方面的能力，还为理解意识障碍背后的生理机制提供了新的视角。

该研究采用了神经场理论（NFT）作为计算框架，这是一种能够模拟大脑宏观电活动的物理模型。研究团队收集了117名意识障碍患者和23名健康对照组的静息态脑电图（EEG）数据。这些患者涵盖了从无反应觉醒综合征（UWS）到不同程度的微小意识状态（MCS）等多种情况。研究人员将皮层丘脑NFT模型精确拟合到每位参与者的EEG数据上，并深入分析了模型参数与意识水平之间的相关性。结果显示，拟合后的模型参数不仅能有效区分健康个体与意识障碍患者，还能反映出不同意识状态下的生理特征，如突触延迟或神经元放电率的变化。这表明NFT模型可以作为一种强大的“计算机模拟”工具，用于预测患者对特定治疗的反应，从而推动个性化医疗的发展。研究发表在 Neuroscience of Consciousness 上。

让大脑“安静”下来：Homer1基因通过降低背景噪音提升注意力

注意力缺陷多动症（ADHD）患者常面临无法有效过滤环境干扰的挑战。为了寻找调控注意力的遗传根源，Zachary Gershon 和 Priya Rajasethupathy 等人（洛克菲勒大学）开展了一项开创性研究。他们发现，Homer1基因在注意力发育中起着至关重要的作用，通过降低该基因的表达水平，可以让大脑活动更加“平静”，从而显著提升注意力，这为开发非兴奋剂类的ADHD治疗药物提供了新方向。

研究团队采用了无偏倚的正向遗传学方法，对近200只具有高度遗传多样性的小鼠进行了基因组扫描。结果在13号染色体上锁定了一个关键位点，发现前额叶皮层中 Homer1基因及其特定变体（Homer1a 和 Ania3）水平较低的小鼠，在注意力任务中表现更佳。进一步的机制研究揭示，在青春期这一关键发育窗口降低Homer1水平，会促使神经元上调 GABA受体。这种变化增强了大脑的抑制性张力，有效降低了背景神经活动的“噪音”，使得大脑在接收重要信号时反应更加精准。与传统兴奋剂药物增强信号的原理不同，这种机制类似于冥想带来的镇静效果。研究还指出，这种干预仅在发育早期有效。研究发表在 Nature Neuroscience 上。

线粒体不仅供能还调控情绪

心理和社会经历如何转化为生理变化一直是个谜。莱斯大学的Christopher P. Fagundes及其同事通过综合分析指出，线粒体可能是这一过程中的关键“缺失环节”。他们发现，线粒体不仅是细胞的能量工厂，更是连接心理压力与生理疾病的核心中介。

研究团队回顾并分析了大量关于线粒体生物学与心理健康关联的证据。研究指出，大脑因其高能量需求，对线粒体功能障碍尤为敏感。当个体经历慢性压力、孤独或创伤时，这些社会心理因素会直接影响线粒体，导致其效率降低，进而引发氧化应激和炎症反应。这种细胞层面的损伤会破坏神经递质传递和大脑可塑性，最终导致焦虑、抑郁、创伤后应激障碍以及阿尔茨海默病等神经退行性疾病。

此外，研究还发现线粒体功能的个体差异可能解释了为什么有些人比其他人更易受压力影响。在干预措施方面，耐力训练被证实能最有效地改善线粒体酶活性；而正念疗法和对抗孤独感也被认为有助于打破“压力-线粒体功能障碍”的恶性循环，提升大脑信号传导效率。这一发现为将生物心理社会模型扩展到细胞机制层面提供了理论支持。研究发表在 Current Directions in Psychological Science 上。

味觉也可以“训练”：短期记忆训练显著提升甜味感知灵敏度

为什么美食家和侍酒师能尝出普通人忽略的味道？这可能源于后天的学习而非单纯的生理天赋。来自东北大学的Satoru Ebihara和Uijin Park等人发现，通过短期的味觉记忆训练，人类可以显著提高对不同甜味物质的辨别能力。研究表明，味觉感知具有高度的可塑性，通过大脑的“味觉记忆”积累，普通人也能像专家一样“训练”出敏锐的味蕾。

研究团队招募了40名健康成年人，探究人类如何区分同一味觉类别下的细微差别。研究人员首先测量了参与者对葡萄糖、果糖、蔗糖、麦芽糖和乳糖这五种甜味物质的味觉阈值。随后，训练组进行了为期三天的“甜味回忆训练”，反复品尝浓度略低于其个人阈值的样品，并试图通过记忆辨别物质种类。结果显示，经过短短三天的训练，参与者对所有五种甜味物质的敏感度均显著提高，能够感知到更低浓度的甜味。这一发现证实，味觉与视觉、听觉一样，可以通过学习和记忆来增强。Satoru Ebihara指出，这种基于记忆的训练类似于大脑的“新兵训练营”，通过快速积累味觉经验来优化感知。目前，该团队已在东北大学医院探索这种方法在味觉障碍和老年人食欲减退康复中的临床应用。研究发表在 Chemical Senses 上。

大脑白质连接与神经时间尺度的匹配度决定认知效率

为何有些人的思维转换如此敏捷，而有些人则较慢？罗格斯大学的Linden Parkes和康奈尔大学的Jason Z. Kim等人组成的团队，通过结合脑成像数据与数学模型，揭示了大脑结构连接如何通过协调不同速度的神经信号来支持认知功能。

该研究分析了960名参与者的多模态脑成像数据，利用网络控制理论（Network Control Theory）构建了能够描述复杂系统随时间变化的数学模型。研究团队重点关注了内在神经时间尺度（Intrinsic Neural Timescales），即大脑不同区域处理信息所需的特定时间窗口。研究发现，大脑的物理线路图——即连接组与这些时间尺度之间的匹配程度至关重要。当一个人的白质连接结构能更好地支持各脑区处理快慢信息的需求时，大脑在不同活动模式间切换的效率就越高，个体也表现出更强的认知能力。此外，这种神经时间尺度的分布模式与基因表达及细胞类型密度紧密相关，并且在小鼠和人类之间表现出跨物种的保守性，表明这是神经系统的一项基本生物学特征。这一发现量化了大脑结构与功能动力学之间的相互作用，为理解认知差异提供了新的生物物理学框架。研究发表在 Nature Communications 上。

空气污染物加速青少年大脑皮质变薄

常见的空气污染是否正在悄然重塑青少年的大脑结构？Calvin A. Jara和Bonnie J. Nagel等人（俄勒冈健康与科学大学）通过一项大规模纵向研究发现，接触日常水平的空气污染物会加速青少年关键脑区的皮质变薄。研究指出，这种结构性改变甚至发生在污染水平低于现行安全标准的地区，提示环境因素可能对青少年长期的认知和情绪健康构成隐形威胁。

研究团队利用了美国最大的青少年大脑发育纵向数据集——ABCD研究（Adolescent Brain Cognitive Development Study），对近11,000名9至10岁的儿童进行了长达数年的跟踪分析。研究人员结合地理编码技术估算了参与者居住地的污染物暴露水平，并通过多波次的磁共振成像数据监测大脑结构变化。结果显示，细颗粒物（PM2.5）和二氧化氮（NO2）的暴露与额叶和颞叶区域的皮质厚度加速变薄显著相关。这些脑区主要负责执行功能、语言处理及情绪调节。值得注意的是，即便在空气质量符合美国环境保护署“安全”标准的地区，这种加速老化的迹象依然存在。相比之下，臭氧（O3）对皮质结构的影响甚微。该发现强调了改善空气质量对保护青少年神经发育的重要性。研究发表在 Environmental Research 上。

盛大AI东京研究院发布Mio框架，攻克数字人“无灵魂”难题

在 SIGGRAPH Asia 2025 期间，盛大集团（Shanda Group）旗下，盛大 AI 东京研究院（Shanda AI Research Tokyo）以展台活动、BoF 学术讨论与顶尖教授闭门交流等形式完成首次公开亮相，标志着盛大在数字人的 “交互智能 (Interactive Intelligence)” 与世界模型的 “时空智能 (Spatiotemporal Intelligence)” 等两大方向的研究，正式登上国际顶级学术与产业舞台。

这一全新范式是盛大集团创始人陈天桥长期愿景的直接体现。他多年来对脑科学与 AI 融合研究的战略投入，以及在 TCCI 首届 AI 驱动科学研讨会（AIAS 2025）上系统阐述的 “发现式智能”（discovery intelligence）理念，共同强调了智能体认知基底的重要性。而「交互智能」的实现，也得益于盛大集团旗下 EverMind 团队产品 EverMemOS 的能力互补，彰显了集团内部强大的技术协同生态。

研究人员指出，尽管现有技术已能创造出视觉逼真的形象，但数字人普遍面临“灵魂缺失”的困境。这种空洞感主要源于三个系统性挑战：长期记忆缺失导致的“人格漂移”、多模态情感表达不足产生的“僵尸脸”现象，以及缺乏从交互中学习的自主进化能力。为了解决这些痛点，来自香港大学、早稻田大学等机构的专家在盛大 AI 东京研究院组织的闭门研讨会上达成共识，认为未来的核心竞争力在于构建具备深度认知与交互逻辑的智能体。 

作为对这一行业挑战的系统性回应，盛大 AI 东京研究院正式推出了 Mio（Multimodal Interactive Omni-Avatar），一个旨在实现「交互智能」（Interactive Intelligence）的端到端系统性框架。Mio 的诞生标志着一个分水岭时刻，其设计理念是将数字人从一个被动执行指令的 “木偶”，转变为一个能够自主思考、感知并与世界互动的智能伙伴。

Mio 包含五个高度协同的模块，其中“认知核心”采用了创新的“介于叙事时间的知识图谱”（Diegetic Knowledge Graph，一种能标记信息时间属性以防止剧透并维持叙事逻辑的技术），有效解决了传统大语言模型在长对话中的记忆混乱问题。而在视觉呈现方面，“身体动画师”模块利用“流式扩散模型”（Streaming Diffusion，一种能实时生成高质量连续动作图像的生成式AI技术），在保持实时性的同时实现了高保真的全身动作生成。测试数据显示，Mio 的交互智能评分显著优于现有技术，标志着数字人技术正从单纯的“形似”向“神似”迈进。目前，该项目的技术报告和预训练模型已向全球开发者公开，有望推动虚拟陪伴和互动叙事领域的革命性变革。

Mio 的诞生，标志着数字人发展的一次范式转移 —— 行业的关注焦点正从静态的、孤立的外观逼真度，转向动态的、有意义的交互智能。这并非一个概念上的飞跃，而是可以被量化的巨大进步。在严谨的测试中，Mio 的整体交互智能分数（IIS）达到了 76.0，较之前的最优技术水平提升了整整 8.4 分，为行业树立了新的性能标杆。

在近日举办的2025小米人车家全生态合作伙伴大会上，小米核心系统部总经理 Niu Kun 正式宣布，小米已与行业领先的脑机接口公司展开早期合作。此次合作的伙伴包括脑虎科技（NeuroXess）和阶梯医疗（Stairmed）。小米计划将这些前沿的脑机项目接入米家生态系统，旨在通过意念控制等创新交互方式，进一步降低智能家居的使用门槛。这一举措不仅展示了小米在“人车家”全生态战略下的深度布局，也预示着消费级科技产品与前沿神经科学技术的融合将成为未来智能生活的新趋势。

合作方在临床试验方面已取得显著进展，证明了相关技术的可行性。据媒体报道，脑虎科技研发的“三全”脑机接口产品——即全植入、全无线、全功能——已在复旦大学附属华山医院成功完成首例临床试验。这是国内首款、国际第二款内置电池的此类产品，标志着中国在侵入式脑机接口（Invasive BCI，通过手术将电极植入大脑皮层以获取高质量神经信号的技术）硬件领域达到国际先进水平。与此同时，阶梯医疗也在今年5月顺利推进了我国首例侵入式脑机接口系统的前瞻性临床试验。同样在复旦大学附属华山医院，一名四肢截肢的受试者通过植入颅内的微型装置，成功实现了仅靠意念游玩赛车游戏的操作。研究人员的这些医疗突破为未来脑机接口技术在智能家居场景中的落地应用奠定了坚实的基础。

随着2025年临近尾声，Anthropic 推出的 Claude Opus 4.5 展现了惊人的编程实力。根据模型评估与威胁研究组织（METR）的最新报告，该模型已能持续自主编码近5小时而不崩溃，其50%任务完成时间跨度约为4小时49分钟，一举打破了由 OpenAI 的 GPT-5.1-Codex-Max 保持的纪录。这一突破性数据揭示了 AI 编码智能体正从“短跑选手”向“马拉松冠军”蜕变，其任务处理时长的增长速度已达到每4个月翻一番。研究人员指出，按照目前的指数级增长趋势，预计到2026年4月，首批 AI 智能体将具备独立完成一个完整人类工作日任务的能力。这表明 AI 技术并未触碰天花板，反而正在通过提升推理能力、工具熟练度和自纠错机制，加速逼近通用人工智能的临界点。 

尽管算力与逻辑推理能力飞速发展，但“记忆”仍是通往 AGI 的最后一道关卡。目前的智能体主要依赖“被动记忆”或检索增强生成，一旦任务复杂度提升，容易出现“上下文腐烂”（Context rot，指随着对话变长，模型遗忘或混淆之前信息的现象）的问题。研究人员认为，真正的突破在于构建类似人类的长期主动记忆系统，使 AI 能够从经验中自我学习而非仅仅依赖搜索。随着 OpenAI 和 Anthropic 等公司在记忆机制上的持续攻关，未来12个月内或将迎来重大进展。届时，解决了记忆难题的 AI 将不仅是高效工具，更将成为能够积累经验、越用越聪明的“数字同事”，从而在社会经济的各个角落释放出真正的智能生产力。

针对晚期年龄相关性黄斑变性导致的失明问题，Science Corp（Max Hodak）团队取得了重大临床突破：他们开发的PRIMA视网膜电子假体系统成功帮助多名严重视力受损的患者恢复了精细视力，使其不仅能识别视力表上的字母和数字，甚至能够阅读书本内容。

这项研究的核心技术是名为PRIMA的微型仿生系统，它由植入视网膜下方的光伏芯片和特制的智能眼镜组成。该芯片表面覆盖着蜂窝状排列的微型六边形“太阳能电池单元”，总计拥有378个光驱动像素。在工作时，智能眼镜通过摄像头捕捉外部世界的画面，并通过内置的红外投影模块（Infrared Projection Module）将图像编码为红外光束，精确地投射到眼底的植入物上。这些光束为芯片提供能量并传输数据，芯片随即将光信号转换为电信号，直接刺激视网膜中剩余的双极细胞（Bipolar Cells）。这种机制成功“绕过”了因病退化的视杆细胞和视锥细胞，重新建立了眼睛与大脑之间的视觉通路。该系统的成功表明电子视网膜技术已具备恢复复杂视觉任务（如阅读）的能力。研究发表在 New England Journal of Medicine 上。

全生物降解“人工突触”，能耗低于人脑且记忆力破纪录

随着人工智能硬件需求的激增，电子垃圾和高能耗成为了亟待解决的全球性难题。Yoojin Chang、Sangyun Na和Hyunhyub Ko等人（蔚山国立科学技术研究院）开发出一种完全可生物降解、坚固耐用且极具能源效率的人工突触。这项研究不仅攻克了传统环保电子器件在性能上的短板，还展示了其在构建可持续神经形态系统方面的巨大潜力。

该研究团队受大脑突触启发，设计了一种独特的“三明治”层状结构，名为多层人工突触（M-AS）。该装置完全由环保材料制成，包括源自贝壳的壳聚糖、豆类的瓜尔胶以及植物茎秆的醋酸纤维素。在工作原理上，研究人员在器件内部嵌入氯化钠，利用钠离子模拟大脑中的神经递质。通过一种称为离子偶极耦合（ion-dipole coupling）的机制，该装置能够在界面处有效捕获离子，从而实现信息的存储。实验结果令人瞩目：该器件每次信号处理仅消耗0.85飞焦耳（fJ），能耗甚至低于人类大脑的生物突触。同时，它能保持记忆长达5944秒（约100分钟），创下了可降解突触领域的最高纪录。此外，该器件在土壤中仅需16天即可完全自然分解。为了验证其实用性，团队还构建了一个集成热敏电阻的机器人系统，成功模拟了人类在接触高温物体时的缩手反射行为。研究发表在 Nature Communications 上。

“AI 顾问”进驻自主实验室：人机协作实现电子材料性能150%提升

全自动化的实验室虽然高效，但在面对复杂且数据稀缺的科研任务时，往往缺乏人类科学家的直觉与应变能力。阿贡国家实验室（Argonne National Laboratory）与芝加哥大学（The University of Chicago）的研究团队提出了一种全新的“人机共有主控权”模式，通过引入“AI 顾问”决策模型，将人类智慧与机器智能无缝结合。这一创新不仅优化了实验流程，更在电子材料研发领域取得了突破性进展，大幅提升了材料性能。

该研究团队开发了一种受金融高频交易软件启发的“AI 顾问”系统，并将其部署在名为 Polybot 的自主实验室中，用于探索一种关键的电子材料——混合离子-电子导电聚合物（MIECPs）。与传统全自动系统不同，该系统能实时监控实验数据，当识别到性能瓶颈或趋势异常时，会主动提示人类研究者介入以调整实验策略或参数空间。通过这种协作，团队利用有机电化学晶体管（OECTs）对材料进行了严格的性能评估。实验结果显示，在仅仅64次自主试验中，该平台就实现了材料混合导电优值（$mu C^*$）的大幅跨越，最高达到 1,275 F cm⁻¹ V⁻¹ s⁻¹，相比现有最先进技术提升了约 150%。此外，通过对实验数据的深度分析，AI 顾问帮助团队锁定了提升体积电容的两个关键结构因素：更大的晶体层状间距和更高的比表面积，并意外发现了一种此前未知的聚合物多晶型结构。这一成果证明，在科学探索中保留人类的决策权，能有效弥补纯AI驱动在小样本数据下的短板。研究发表在 Nature Chemical Engineering 上。

AI智能体记忆系统的全面重构：从碎片化到统一分类学

随着大语言模型向通用人工智能演进，记忆机制成为智能体实现持续适应与复杂推理的关键。针对当前该领域研究碎片化、定义模糊的现状，Yuyang Hu、Guibin Zhang等来自新加坡国立大学、中国人民大学、复旦大学及北京大学的多机构联合团队，提出了一套全新的分类学框架。该研究系统梳理了智能体记忆的定义，填补了传统长短期记忆分类在应对现代AI系统时的空白，为未来智能体设计提供了重要的概念基础。

该团队通过“形式-功能-动态”的三维视角，对智能体记忆进行了深度解析。在形式上，研究将记忆划分为标记级记忆（token-level）、参数化记忆（parametric）和潜在记忆（latent），分别对应文本上下文、模型权重更新及隐状态存储。在功能层面，提出了比传统分类更精细的划分：事实记忆（factual）用于存储交互知识，经验记忆（experiential）用于积累解决问题的技能，而工作记忆则负责当前任务的信息管理。此外，研究还详细分析了记忆在与环境交互中的形成、检索及演化动态。为了推动实际开发，团队汇编了全面的基准测试与开源框架，并指出了自动化记忆设计、强化学习与记忆系统的融合、以及多模态记忆等新兴前沿方向。

人工智能无法完全像人类一样写作

尽管人工智能生成的文本日益流畅，它是否真的掌握了人类写作的精髓？James O'Sullivan及其团队（科克大学学院）通过首个系统的文体学对比研究给出了否定答案。研究发现，虽然AI系统能够生成语法完美的散文，但其写作风格表现出明显的统一性和狭隘性，与人类作者丰富多样的个性化表达形成了鲜明对比，这表明机器写作仍带有可识别的“数字指纹”。

为了量化这种差异，研究团队应用了文学文体计量学（Literary stylometry）——一种传统上用于鉴定文学作品作者身份的计算方法。研究人员利用Burrows' Delta算法，分析了人类作家与GPT-3.5、GPT-4及Llama 70b等大型语言模型在创作短篇小说时常用词汇的分布模式。结果显示，AI生成的文本在统计上呈现出高度紧密的聚类，反映了算法生成的单一和可预测性；相比之下，人类的写作则展现出巨大的风格差异，体现了独特的个人声音和创作意图。即便是目前最先进的GPT-4，尽管其内部一致性有所提高，但在风格特征上依然无法与人类作品“无缝融合”。该研究强调，尽管AI在功能性写作上表现出色，但在涉及创意和个性的文学创作领域，它尚未跨越模仿与真实表达之间的鸿沟。研究发表在 Humanities and Social Sciences Communications 上。

拒绝“高分低能”：SDE框架评估AI真实科研水平

大型语言模型在科学领域的应用日益广泛，但现有的测试往往只考察死记硬背的知识，无法衡量其真正的科研发现能力。针对这一问题，Zhangde Song, Jieyu Lu, Yuanqi Du, Haojun Jia, Huan Sun, Seyed Mohamad Moosavi, Chenru Duan等研究人员（Deep Principle，康奈尔大学，俄亥俄州立大学，多伦多大学等）开发了一套全新的评估框架，旨在揭示大模型在真实科研场景中的表现。

研究团队提出了一种名为“科学发现评估”（Scientific Discovery Evaluation, SDE）的框架，该框架覆盖生物、化学、材料和物理四大领域。与传统脱离语境的问答测试不同，SDE由领域专家定义真实的科研项目，并将其分解为模块化的研究场景。评估分为两个层面：一是场景相关的问题级准确性；二是项目级性能，要求模型像科学家一样提出假设、设计模拟实验并解释结果。对当前最先进模型的测试结果显示，模型在SDE中的表现明显逊色于通用科学基准测试，且单纯扩大模型规模带来的收益正在递减。研究发现，虽然目前的模型距离通用的科学“超级智能”仍有较大差距，且存在系统性缺陷，但它们在特定引导下的探索中仍展现出辅助科研的潜力。

谷歌DeepMind提出“分布式AGI安全”框架：警惕多智能体协作涌现的“拼凑型”超级智能

当通用人工智能不是作为一个全能的神，而是作为一群协作的专家出现时，我们该如何确保安全？Nenad Tomašev及其团队（谷歌 DeepMind）针对这一被忽视的“拼凑型AGI”假设，提出了一种全新的分布式安全框架。他们指出，当前的AI安全研究过度关注单体系统，而忽略了由多个次AGI代理（sub-AGI agents）通过协作涌现出高级智能的风险。该团队认为，这种分布式智能的出现可能比预期更快，因此亟需建立一套结合市场机制与技术监管的新型防御体系。

研究团队提出构建“虚拟代理沙盒经济”（Virtual Agentic Sandbox Economies），通过设计严密的市场规则来约束AI代理的行为。在这个框架中，代理之间的互动不仅仅是数据交换，更被视为受监管的经济交易。研究引入了纵深防御（Defense-in-depth）策略，涵盖四个关键层面：首先是市场设计，利用激励对齐和类似金融市场的“熔断机制”（Circuit Breakers）来防止系统性崩溃或智能失控；其次是基线代理安全，确保每个进入市场的代理都具备抗对抗攻击的能力和可中断性；再次是实时监控与监督，利用图分析识别潜在的危险协作模式；最后是监管机制，包括建立明确的法律责任和保险制度。通过引入“皮古税”等经济学概念，系统可以自动惩罚产生负外部性（如制造信息垃圾）的代理。这一框架将AI安全从单一的“对齐”问题转变为复杂的系统治理问题，为未来大规模代理网络的安全运行提供了理论基础。