动物如何将延迟出现的胃肠反应与特定味道相关联？普林斯顿大学Christopher Zimmerman和Ilana Witten团队通过小鼠实验发现，中央杏仁核能通过"延迟再激活"机制，将相隔30分钟的饮食与不适体验精准关联。

研究团队首先让小鼠饮用新型葡萄味饮料（Kool-Aid），30分钟后注射引发类似食物中毒的暂时性病症。通过全脑激活图谱分析发现，中央杏仁核对新型味道表现出持续特异性激活。结合光遗传学刺激后脑CGRP神经元（编码疾病信号的谷氨酸能神经元群），证实延迟不适信号会选择性"唤醒"先前饮食相关的杏仁核神经元群。单神经元记录显示，被疾病信号重新激活越强的神经元，在后续记忆提取时对相关味道的反应也越强，最终形成稳定的群体神经表征。这种神经再激活机制解释了为何新型味道能突破时间延迟形成持久记忆。研究发表在 Nature 上。

神经元通过谷氨酸与AMPA受体的相互作用传递信号，但这一过程的分子细节长期未知。约翰霍普金斯大学医学院的Edward Twomey、Anish Kumar Mondal及德克萨斯大学健康休斯顿分校的Elisa Carrillo团队，利用低温电镜在生理温度下解析了AMPA受体激活的全过程。

研究通过纯化AMPA受体（源自人胚胎细胞），在37°C下与谷氨酸结合后快速冷冻，用低温电镜（cryo-EM）拍摄超百万张图像。结果显示，谷氨酸结合后，AMPA受体的“贝壳”结构闭合，牵拉离子通道的螺旋结构对称性外翻，形成开放状态；脱敏时螺旋复位关闭通道。这一机制解释了抗癫痫药物（如吡仑帕奈）如何通过阻断通道起效，并提示温度可调控受体活性。研究发表在 Nature 上。

线粒体呼吸链如何原位组装，来自巴塞尔大学的研究团队以莱茵衣藻为模型，通过冷冻电子断层扫描（cryo-ET）技术，首次解析了 5 Å 分辨率的呼吸体（respirasome）天然结构，揭示了细胞色素 c 的结合位点及复合物间的相互作用界面。

研究采用冷冻聚焦离子束减薄（cryo-FIB）技术制备 100-200 nm 厚度的冷冻细胞切片，通过冷冻电子断层扫描（cryo-ET）获得线粒体嵴膜的高分辨率图像。结果显示，ATP 合酶（ATP synthase）与呼吸链复合物（I、III、IV）分别富集于嵴膜的弯曲和平坦区域。呼吸体由复合物 I、III、IV 组成，其原位结构（5 Å）与体外纯化样本（2.4 Å SPA cryo-EM）对比显示，天然环境中复合物间存在独特的构象变化和结合界面。此外，研究首次观察到电子载体细胞色素 c（cyt. c）在呼吸体上的结合位点，证实其在电子传递中的动态穿梭机制。这一成果为理解线粒体能量生产机制提供了直接证据。研究发表在 Science 上。

决策时大脑如何权衡奖励与风险？德国灵长类动物中心的Raymundo Báez-Mendoza与牛津大学的Fabian Grabenhorst团队发现，杏仁核神经元不仅能独立编码奖励概率和大小，还能动态整合二者，生成风险评估信号。

研究团队训练恒河猴通过视觉线索（如不同图形）判断奖励概率（如70%）和幅度，同时记录杏仁核单神经元活动。结果显示：部分神经元以独立于视觉形式的抽象方式表征概率，类似“通用识别器”；多数神经元依次响应概率和幅度信息，形成灵活的价值评估（value coding）；特定神经元通过计算概率与幅度的方差，直接编码风险，与价值信号分离。

此外，杏仁核不同亚区（nuclei）的群体编码模式各异，支持高效信息传递。研究为焦虑症（过度风险敏感）和抑郁症（奖励评估异常）的神经机制提供了潜在解释。研究发表在 Nature Communications 上。

脑细胞的可塑性比以前认为的更强

神经元亚型是否一成不变？加州大学圣克鲁斯分校的Mohammed Mostajo-Radji团队与Braingeneers合作，通过3D脑类器官模型发现，抑制性神经元身份可受环境调控，甚至实现亚型间转换。

研究首次在体外大量生成parvalbumin阳性神经元（PV神经元，调控大脑可塑性的关键细胞），并证实3D结构是成功关键。团队将小鼠MGE前体细胞移植到脑类器官（cerebral organoids，模拟大脑的3D培养体系）中，观察到PV神经元高效分化，远超2D模型。更惊人的是，已分化的somatostatin神经元（SST神经元）在3D环境中会转变成PV神经元，表明神经元身份具有可塑性。单细胞RNA测序显示，这一过程伴随PV成熟标记上调、SST标记下调。研究还发现，人皮层环境比鼠皮层更易触发这种转变，暗示物种特异性信号的存在。该发现为研究神经发育疾病（如孤独症、精神分裂症）提供了新工具，并提示大脑可能通过环境信号动态调整神经元功能。研究发表在 iScience 上。

多巴胺是运动技能学习的“开关”，阻断后学习能力归零

以色列理工学院Hadas Benisty、Jackie Schiller、Amir Ghanayim及Ronen Talmon团队发现，多巴胺在初级运动皮层（M1）的局部释放是神经网络重组的关键驱动力，缺乏它则学习完全停滞。

研究通过钙成像（GCaMP6s标记神经元活动）和化学遗传学技术（DREADDs抑制多巴胺信号），观察小鼠学习前肢取食任务时的M1神经网络变化。结果显示，正常学习中，第2-3层神经元的功能连接逐渐形成“专家”配置，且感官信号转为任务结果反馈。但阻断VTA到M1的多巴胺输入后，神经网络冻结，小鼠无法进步；恢复多巴胺则学习继续。值得注意的是，多巴胺仅影响新技能获取，对已掌握技能无干扰。研究提出多巴胺通过强化学习机制重塑M1网络连接，为帕金森病等运动障碍的治疗提供靶点。研究发表在 Nature Communications 上。

看电影也能画脑图，MIT团队绘制最全大脑皮层功能网络图谱

大脑如何分工协作处理复杂信息？MIT的Robert Desimone、剑桥大学John Duncan及Reza Rajimehr团队通过电影刺激下的脑扫描，首次绘制包含24个功能网络的皮层图谱，揭示自然情境下的脑区动态协作机制。

研究依托人类连接组计划（Human Connectome Project），使用7特斯拉高分辨率fMRI记录176人观看电影时的脑活动。通过机器学习聚类分析，团队不仅确认了语言、视觉等经典网络，还发现前额叶存在对场景高度敏感的新网络（此前未被报道）。更关键的是，执行控制网络（executive control networks）与感觉/语言网络呈现“推拉”式互动——当处理特定信息（如人脸）时，控制网络静默；而电影情节转折时，控制网络活跃以协调全局。这种动态平衡解释了大脑如何高效分配资源。此外，社交处理网络内部分化为“人-物交互”和“人-人交互”子区，凸显功能精细化。研究为自然认知研究奠定框架，未来可深入探索网络亚区机制。研究发表在 Neuron 上。

全脑突触变化图谱揭示学习记忆的关键脑区

突触可塑性如何在全脑范围内协调变化是学习记忆研究的核心难题。霍华德·休斯医学院Janelia园区的Spruston、Lavis及Karel Svoboda团队开发了DELTA成像技术，首次实现单突触分辨率的全脑蛋白动态追踪。

DELTA技术利用Janelia Fluor（JF）染料双色标记系统，通过HaloTag基因敲入小鼠标记突触蛋白（如谷氨酸受体亚基GluA2），结合扩展显微镜（ExM）和Airyscan成像，以单突触分辨率量化蛋白周转。研究发现，小鼠学习视觉关联任务时，GluA2周转率在海马CA1区显著升高，且CA3输入层（Schaffer侧支）比内嗅皮层输入层变化更明显；环境富集（如玩具/社交）引发全脑广泛的GluA2周转增加，提示非任务依赖的突触可塑性；该技术可兼容多脑区同步分析，如皮层第1层与海马CA3亚区的突触差异成像。研究为学习记忆的分子机制提供了全脑尺度新视角，发表在 Nature Neuroscience 上。

大脑如何区分直接恐惧和间接恐惧

恐惧体验分“亲身经历”和“旁观他人”两种，但大脑如何区分二者？韩国基础科学研究所（IBS）的Shin Hee-sup团队发现，蓝斑（LC）脑区的左右半球分工截然不同——右脑专司间接恐惧，左脑与直接恐惧无关。

研究结合光遗传学、光纤光度测定和病毒追踪（标记神经通路），首次揭示小鼠右脑蓝斑（LC）通过去甲肾上腺素（NA）单向连接前扣带皮层（ACC），选择性调控间接恐惧。当小鼠看到同伴遭受电击时，右LC→ACC通路活跃；若用光遗传学抑制该通路，小鼠不再僵住（恐惧标志行为）。相反，左LC抑制无效果。进一步实验发现，β受体阻滞剂普萘洛尔可阻断间接恐惧，证实NA通过右ACC的β受体发挥作用。上游脑区中，终纹床核（BNST）仅参与间接恐惧，中央杏仁核（CeA）则影响所有恐惧类型。研究发表在 Nature Communications 上。

口渴和饥饿触发的大脑反应一样吗？马克斯·普朗克生物智能研究所、雷根斯堡大学和斯坦福大学的Rüdiger Klein团队发现，杏仁核中央区（CeM）存在专一调控饮水的Sst神经元和同时调控饮食的Htr2a神经元，揭示了基本需求背后的精细神经分工。

研究结合光遗传学和钙成像技术，发现激活CeMSst神经元显著增加小鼠饮水量，而抑制则减少；CeMHtr2a神经元对食物和水线索均敏感，但对物理属性（如味道）无偏好。两类神经元均接收来自CeL区的抑制信号，并通过投射至副臂神经核（PBN）调控行为。实验还显示，通过刺激神经元可逆转小鼠对原本厌恶味道的偏好。这一发现为理解暴食症或成瘾提供了新视角。研究发表在 Nature Communications 上。

运动员常面临睡眠不足和高压环境，但个体表现差异的神经机制尚不明确。北京大学Yan Sun团队联合神经科学学会，通过睡眠剥夺实验发现，注意力控制相关的脑电信号能有效预测1.5个月内比赛表现。

研究招募65名冬季项目运动员，进行24小时睡眠剥夺（SD）后测试焦虑水平、皮质醇浓度及认知任务（如STROOP冲突任务、Go/NoGo任务），并记录事件相关电位（ERP）。结果显示，SD后的焦虑与正式比赛时相当，但仅STROOP任务中反应速度下降与后续比赛表现负相关。进一步分析发现，中央叶脑电P3成分的delta频段（与注意力调控相关）是关键中介。这表明，能通过额外认知资源管理压力的运动员，比赛表现更稳定。研究为运动员训练监控和参赛安排提供了神经科学依据。研究发表在 JNeurosci 上。

人类大脑的独特性长期被认为与前额叶皮层相关，但这一观点受到挑战。Rogier Mars和Katherine Bryant团队通过比较人类、黑猩猩和猕猴的白质连接模式，首次系统揭示颞叶和顶叶的连接差异才是关键。

研究利用公开的MRI数据，分析三种灵长类的白质纤维连接指纹（描述皮层区域与白质束的连接特征）。结果显示，人类颞叶中部的弓状束（arcuate fasciculus）显著更发达，该区域不仅关联语言处理，还涉及社交信息整合（如解读面部表情和意图）。此外，颞顶交界区在人类中连接更广泛，支持复杂社会互动。

值得注意的是，前额叶的变化在人类与黑猩猩中相似，表明其进化早于人类谱系。这一发现颠覆了传统理论，提示人类认知能力的突破可能源于颞叶和顶叶的多次适应性改变，而非单一前额叶突变。研究发表在 Nature Neuroscience 上。

清醒时大脑“回放”记忆片段可提升短期回忆能力

记忆巩固通常被认为发生在睡眠中，但美国宾夕法尼亚大学David Halpern、Michael J. Kahana团队提出，清醒时大脑也会通过瞬时神经再激活增强短期记忆。他们通过颅内脑电图（iEEG）发现，编码间隔的神经活动“回放”能显著提高后续回忆准确率。

研究团队利用癫痫患者治疗期间的颅内脑电图（iEEG），监测其完成自由回忆任务（观看单词序列后回忆）时的神经活动。数据分析显示，单词编码间隔中，大脑会自发重现已编码单词的神经活动模式（亚秒级再激活），且再激活强度与任务回忆准确性正相关。例如，在两项实验中，高频神经信号（如θ波段）的相似性可预测70%以上的回忆表现。这一发现首次将心理学“复述”理论与神经机制直接关联，并证实清醒状态存在类似睡眠的快速记忆巩固过程。研究发表在 Nature Neuroscience 上。

濒死时为何会看到人生走马灯？

濒死体验（NDEs）是在生死危机时产生的意识分离状态，常伴随神秘体验。由比利时列日大学领导的多学科团队发表综述，提出名为NEPTUNE的神经科学模型，首次整合神经生物学、心理学和进化论解释濒死体验的生理机制。

研究整合动物实验、迷幻药神经科学（psychedelic neuroscience，指致幻物质对大脑影响的研究）和临床数据发现，心脏骤停时脑血流锐减引发缺氧和酸中毒，触发神经递质风暴：血清素通过5-HT2A受体产生幻觉，多巴胺增强情绪记忆，GABA和内啡肽带来平静感。这种反应与DMT等迷幻药作用相似，且具有进化意义——类似动物假死的生存策略。心理层面，容易解离（dissociation）或REM睡眠侵入倾向者更易体验。研究为意识研究和脑死亡判定提供新依据，未来将通过神经影像验证模型。研究发表在 Nature Reviews Neurology 上。

大脑前额叶与杏仁核决定你的政治热情高低

政治热情是天生的还是后天塑造？西北大学和Shirley Ryan AbilityLab的Jordan Grafman团队通过越南退伍军人研究发现，大脑特定区域损伤会显著改变政治参与强度：前额叶损伤者更激进，杏仁核受损者更淡漠。

研究纳入124名头部穿透伤退伍军人和35名对照者，利用病变网络映射（lesion network mapping，一种定位脑损伤关联神经回路的技术）分析其政治行为变化。结果显示，左背外侧前额叶皮层（负责理性控制）损伤后，政治参与度上升；而杏仁核（情绪处理中心）损伤者热情降低。这种效应不受年龄、教育或党派影响，且保守派与自由派中表现一致。研究提示，情绪回路通过“放大”既有政治立场而非改变其本质来影响行为。研究发表在 Brain 上。

大脑多任务“卡顿”之谜破解：额顶叶网络是“单线程”瓶颈

为什么人类无法高效同时处理两项复杂任务？范德堡大学的Qiuhai Yue、Allen T. Newton和René Marois团队通过超快速脑成像技术，首次发现额顶叶多需求网络（MD network）是导致多任务“串行排队”的关键脑区，为认知瓶颈提供了直接神经证据。

研究采用超快速功能磁共振成像（fMRI，199毫秒时间分辨率）和高场强（7T）设备，结合多变量分析（multivariate analyses，区分不同任务的大脑活动模式），实时追踪双任务下的大脑活动。实验设计避免感觉运动模态重叠，确保瓶颈仅源于认知阶段。

结果显示：视觉和听觉皮层同时处理两类任务；额顶叶MD网络（如背外侧前额叶和后顶叶）对第二任务的反应延迟300-500毫秒，形成“单线程”队列；MD网络与运动皮层（如辅助运动区）共同构成瓶颈，而反应执行仍可并行。这一发现解释了为何“边开车边打电话”非常危险，因为高级认知资源被迫排队。研究发表在 Nature Communications 上。

人工神经网络长期依赖外部调控学习，而生物神经元仅需局部信号即可高效运作。为弥合这一差距，德国哥廷根大学CIDBN和马克斯普朗克研究所MPI-DS的Marcel Graetz、Valentin Neuhaus等团队开发出“信息形态神经元”，其通过自组织学习模拟生物神经元特性。

研究团队基于信息理论中的部分信息分解（PID, Partial Information Decomposition）方法，为每个神经元设计可参数化的局部学习目标。神经元能动态选择三种策略：与邻近神经元共享冗余信息、协同处理任务，或专注于特定信息输入。例如，在记忆任务中，部分神经元自主形成专业化分工，而其他神经元通过协同提升整体效率。这种设计使网络无需中央调控即可完成复杂任务，且能耗显著低于传统人工神经网络。

实验显示，信息形态网络在图像分类（监督学习）、数据聚类（无监督学习）和序列记忆任务中均达到或超越传统模型性能。此外，PID框架的可解释性让研究人员能清晰追踪神经元决策逻辑，如某神经元为何忽略特定输入。这一成果不仅推动类脑计算发展，还为理解生物神经网络的学习机制提供新工具。研究发表在 PNAS 上。

预期如何影响感知？加州大学圣地亚哥分校的Tim Sainburg和Timothy Q. Gentner团队通过研究鸣禽发现，其感知与人类类似，受预期引导：感觉神经元通过提高对预期信号的敏锐度来优化感知，而决策偏差由下游脑区完成。

研究团队首先利用生成神经网络模型合成鸟鸣，并通过实验调整鸣禽的听觉预期。行为实验显示，鸣禽的分类感知（categorical perception）受预期影响，类似人类的语音处理。随后，通过记录听觉神经元电活动发现，感觉系统并未直接整合预期，而是通过“重新分配神经资源”增强对预期信号的敏锐度，同时保留原始信息的保真度。这种分工模式与运动脑区的贝叶斯整合（Bayesian integration，即结合先验知识与当前输入的概率化决策）形成对比，表明大脑通过分层处理实现高效感知决策。研究为跨物种感知机制研究提供了范例，并可能启发人工智能中的感知建模。研究发表在 Nature Neuroscience 上。

海马体回放（hippocampal replay）是神经科学中的经典现象，传统认为其具有双重功能：在线支持即时决策（如规划）和离线促进记忆巩固。然而，近期发表在Trends in Neurosciences的论文对这一观点提出质疑，认为清醒回放的作用可能被高估，更多证据支持其通过离线学习间接影响行为。

作者综合分析了啮齿类动物实验数据，包括回放内容与行为的关联性、任务表现预测及干扰实验，并结合强化学习模型解释回放的优先化机制。此外，通过记忆标记假说和神经递质（如多巴胺）研究，探讨了清醒回放如何驱动睡眠中的记忆巩固。

研究发现，回放内容有时预测未来路径，有时却与回避行为或过去奖励相关，难以统一解释为在线决策。干扰清醒回放对任务表现的即时影响有限，更多证据指向其促进跨时段学习。此外，回放优先更新价值函数（如EVB模型），其内容看似规划，实为强化学习中的“ fictive experience”。清醒回放通过增加记忆的“潜在兴奋状态”，优先化睡眠中的巩固。

人类如何高效判断两物体是否相同？圣达菲研究所的Marina Dubova和Arseny Moskvichev团队发现，人们依赖“主动感知”和语言描述两种策略，显著降低记忆负担并提升准确性。

研究设计实验让参与者对比模糊且仅能局部观看的图像对，发现其普遍采用感知卸载（perceptual offloading，即频繁切换视线对比图像），尤其在图像难区分时。实验数据显示，允许自由切换时，参与者反应更快（速度提升约30%）、准确率更高（达85%以上）；而强制单图观看时，准确率下降至70%，且需依赖语言描述细节（如“左图有红色斑点”），但仅对易语言化（verbalizable）的刺激有效。

进一步分析表明，当图像特征难以命名（如抽象图案）且感知受限时，参与者效率骤降（错误率增加50%）。研究提示，人类通过动态分配认知资源——优先“外包”任务给感知系统，其次调用语言系统——实现高效比较。研究发表在 Attention, Perception, & Psychophysics 上。

如何让机器人摆脱"恐怖谷"的冰冷感？广岛大学Shushi Namba团队联合RIKEN发现，赋予机器人"思考表情"是关键。通过模仿人类沉思时的皱眉动作，安卓机器人Nikola成功获得更高亲和力。

研究分三阶段：首先用非负矩阵分解（NMF）解析人类思考时的5类面部模式（如眯眼、嘴角紧绷），从中选定"皱眉脸"（Component 4）作为最显著特征。随后，团队在机器人Nikola面部复现该表情，并通过240段视频测试发现，89%参与者认为皱眉机器人更"真实"且减少33%的诡异感。在模拟寿司店问答场景中，思考脸使机器人"人性化"评分提升40%，效果优于传统加载动画（dots）。但研究也指出，动态表情整合与文化差异是下一步重点。研究发表在 International Journal of Social Robotics 上。

人脑信息处理速率是否被低估？慕尼黑大学（LMU Munich）的Bastian Wiederhold团队通过分析国际记忆竞赛数据发现，短时记忆任务中大脑实际处理速率可达42比特/秒，远超传统认知的10比特/秒，而长时任务中速率随记忆时间呈幂律下降。

研究整合了国际记忆协会（IAM）、Memory League（ML）和speed-memory.com的竞赛数据，涵盖1秒至1小时的记忆任务。通过计算最低必要信息速率（bit/s），团队发现：短时任务（如数字速记）中，选手的阅读速度成为瓶颈，但实际心理联想（mental association）形成更快；跨时间尺度上，处理速率与记忆时长呈幂律关系（power law），即速率=时间^α，α为负值；尽管记忆策略优化使竞赛成绩提升，任务间速率差异模式保持稳定，提示大脑处理机制存在普适性规律。研究为理解人脑信息处理极限提供了新视角，挑战了“大脑低速”的固有认知。

压力如何影响AI？中国科学院自动化研究所的团队开发StressPrompt提示集，发现大语言模型在压力下的表现曲线与人类几乎一致：中等压力提升任务表现，极端压力导致性能下降。

研究基于压力与应对理论（Stress and Coping Theory）等心理学框架，设计100条压力提示，由人类评分分级后应用于Llama-3等模型。结果显示，在数学推理（MATH）任务中，Llama-3-8B-Instruct在中等压力（6分）时得分比低压力（1分）提升72倍（0.04→2.93分）。情绪智能（EQ-Bench）任务中，适度压力增强模型表现，但高压力会加剧偏见（ToxiGen数据集）。团队通过表征工程（Representation Engineering）开发的压力扫描仪发现，LLMs深层神经活动对压力敏感，类似人脑高级认知区。这一发现为AI在客服、急救等高压场景的优化提供新思路，例如通过动态调节“压力”提升表现。

为何减肥药对暴饮暴食者效果有限？加州大学圣地亚哥分校和霍华德休斯医学研究所的Zhu等团队发现，腹侧被盖区多巴胺神经元（VTADA）被美味食物激活后会延长进食时间，并抵抗减肥药索马鲁肽的抑制作用。

研究通过光遗传学和闭环神经调控技术，揭示小鼠大脑中“蓝斑周围→腹侧被盖区（VTA）”神经回路的作用：VTADA神经元仅在进食时响应美味信号，其活动强度决定进食时长。索马鲁肽（GLP-1R激动剂类减肥药）通过抑制VTADA神经元减少进食，但长期用药后神经元活动逐渐恢复，导致药效下降。人工激活VTADA神经元可完全抵消药物作用，而靶向抑制则能恢复药效。研究还发现periLCVGLUT2神经元通过抑制VTA中的GABA神经元间接“解除”对VTADA神经元的抑制，形成正反馈循环。这一机制解释了为何享乐性饮食难以通过药物干预完全控制。研究发表在 Science 上。

脑脊液中的蛋白质比率可提前20年预警阿尔茨海默病

阿尔茨海默病的认知衰退预测长期依赖淀粉样β和tau蛋白标志物，但解释力有限。Tony Wyss-Coray团队联合美国斯坦福大学、瑞典BioFINDER2等机构，通过大规模脑脊液蛋白质分析，发现YWHAG:NPTX2蛋白比率能更精准预测疾病进展。

研究团队对3,397名受试者的脑脊液进行蛋白质组学（proteomics）分析，结合机器学习，锁定突触蛋白YWHAG与NPTX2的比率。结果显示，该比率在正常衰老和AD症状前即升高，独立于传统标志物（如Aβ和tau），额外解释27%的认知障碍变异。在15年随访中，比率每增加一个标准差，轻度认知障碍转化为痴呆的风险提高2.2倍。团队还开发了血浆蛋白标志物，初步验证其与脑脊液结果的一致性。这一发现为AD早期干预和临床试验提供了新工具。研究发表在 Nature Medicine 上。

PET成像首次证实多巴胺直接调控认知灵活性

认知灵活性受损与抑郁症、帕金森病等疾病密切相关，但多巴胺如何参与这一过程尚不明确。德国美因茨大学医学中心核医学系的Isabelle Miederer团队通过PET技术，首次捕捉到任务切换时多巴胺的实时释放。

研究采用正电子发射断层扫描（PET）结合D2/3受体配体18F-fallypride，对比受试者在无规则切换（基线）和需灵活切换任务中的脑部活动。结果显示，腹内侧前额叶皮层（vmPFC）在任务切换时出现多巴胺释放（γ=0.022±0.006），且释放量与行为效率显著相关（最大T值13.8）。这一发现首次从神经化学层面验证了多巴胺对认知灵活性的直接调控，为帕金森病等疾病的治疗策略优化提供了依据。研究发表在 Journal of Nuclear Medicine 上。

TDP-43蛋白“种子”可人工诱发神经退行病变关键特征

TDP-43蛋白的异常聚集是ALS和额颞叶痴呆的核心病理，但其触发机制长期成谜。VIB法兰德斯生物技术研究所的Sandrine Da Cruz团队通过合成TDP-43原纤维，首次在实验室中完整模拟了患者大脑的病理过程。

研究团队从TDP-43的低复杂度结构域（LCD, Low-Complexity Domain）制备淀粉样原纤维，经超声破碎后导入人类细胞。结果显示，这些原纤维像“种子”一样引发内源性TDP-43的细胞质聚集，并导致其从细胞核中流失。聚集体不仅重现了磷酸化（phosphorylation）、泛素化（ubiquitination）等患者典型特征，还诱发了基因表达异常和RNA剪接缺陷。

进一步分析发现，聚集体的形态会随时间从丝状、致密到碎片化演变，与患者病理进展一致。此外，细胞会激活蛋白质清除通路试图降解聚集体，但最终仍导致神经元特异性毒性。这一模型证实TDP-43病理可通过类似朊病毒的“模板聚集”机制传播，并首次实现了细胞质“毒性获得”与细胞核“功能丧失”的同步模拟。研究发表在 Neuron 上。

非侵入超声刺激精准调控基底神经节，为帕金森治疗提供新策略

经颅超声刺激（TUS）能否安全有效地调控人类深部脑区一直是神经科学难题。多伦多大学、Sunnybrook健康科学中心等机构的Ghazaleh Darmani、Robert Chen等团队合作，首次在DBS植入患者和健康人中验证TUS对基底神经节的特异性调控。

研究分为两部分：

患者实验：通过植入式Medtronic Percept设备记录10名运动障碍患者的GPi局部场电位（LFP, local field potential）。结果显示，θ爆发式TUS（tbTUS）使θ波功率显著升高，10Hz TUS则增强β波功率，且效果持续长达40分钟，证实TUS可长效调节病理脑电活动。

健康人实验：15名受试者接受GPi或丘脑枕核（pulvinar）的tbTUS后完成停止信号任务（评估反应抑制）。GPi刺激使停止信号反应时间（SSRT）延长15%，而pulvinar刺激无影响，证明TUS对深部脑区的调控具有靶向特异性。研究首次提供TUS直接调控人类深部脑区的电生理证据，并揭示其对行为的影响，为开发无创DBS替代方案奠定基础。研究发表在 Nature Communications 上。

音乐如何通过神经机制增强记忆？南加州大学Assal Habibi团队发现，怀旧音乐能同步激活大脑记忆与奖赏系统，为阿尔茨海默病等患者提供非药物干预潜力。

团队利用机器学习构建三类音乐（怀旧/熟悉非怀旧/陌生非怀旧），通过功能性磁共振成像（fMRI）分析57名参与者的脑区响应。结果显示：怀旧音乐独特激活默认模式网络（DMN，负责记忆整合）、奖赏网络及内侧颞叶（记忆关键区）；自我参照区（后内侧皮层）与情感区（岛叶）功能连接增强；老年人相关脑区血氧水平依赖（BOLD）信号更强，且反应与情感体验直接相关，青年则关联认知能力。研究为音乐疗法临床转化奠定神经科学基础。研究发表于 Human Brain Mapping。

关节置换金属可侵入脑脊液，长期神经毒性引关注

人工关节植入物释放的金属颗粒是否危害中枢神经系统，柏林夏里特医学院团队通过检测204名患者的脑脊液和血液，首次证实钴、钛等金属能穿透神经屏障并积累，相关结果或解释部分术后神经症状。

研究通过电感耦合等离子体质谱（ICP-MS，一种高精度金属检测技术）分析患者样本，发现植入组脑脊液钴中位数（0.03 μg/L）显著高于对照组（0.02 μg/L），且钴铬钼合金使用者脑脊液铬浓度更高（0.31 μg/L vs. 0.23 μg/L）。钛、铌、锆在血清升高时脑脊液水平同步增加，但血脑屏障功能（通过S-100B蛋白评估）未受损。疼痛症状与脑脊液钴浓度正相关，提示金属释放可能与局部磨损有关。研究强调需进一步探究这些金属是否导致认知障碍或神经退行性疾病。研究发表在 JAMA Network Open 上。

痴呆症对美洲印第安人/阿拉斯加原住民（AI/AN）老年人威胁日增，但该人群长期缺乏有效的风险预测工具。加州大学欧文分校的Luohua Jiang团队利用电子健康记录（EHR）和机器学习，开发出首个针对AI/AN的两年痴呆预测模型，准确率达83%。

研究团队从印第安人卫生服务局（IHS）获取17,398名65岁以上无痴呆者的七年数据，采用逻辑回归（Logistic Regression）、LASSO（最小绝对收缩算子，一种特征选择算法）和XGBoost（极端梯度提升，高效决策树模型）等算法，构建痴呆风险评分（DRS）模型。结果显示，两年内3.5%的参与者确诊痴呆，最优模型的预测效能（AUC）达0.83。15个关键预测因子中，12个为跨模型共享，包括收缩压（SBP）、急诊就诊频率等传统指标，以及卫生服务利用率等新发现因素。研究为资源匮乏地区的痴呆防控提供了可推广的AI工具。研究发表在 The Lancet Regional Health - Americas 上。

动态脑网络交互可预测抑郁症疗效，准确率超七成

抑郁症诊断依赖主观症状，治疗效果个体差异大。埃因霍温科技大学的Jesper Pilmeyer联合临床机构，通过fMRI发现大脑默认模式网络与腹侧显著性网络的动态交互模式能高精度预测病情发展，为个性化治疗提供新依据。

研究团队对25名患者进行为期一年的追踪，每3个月采集静息态fMRI数据，使用群体独立成分分析（GICA）解析大脑子网络，并提取静态和动态（小波分析/wavelet）特征。结果显示，默认模式网络（DMN，负责自我反思）与腹侧显著性网络（VSN，调控外部刺激响应）的总相干性（反映网络间动态联动）是预测关键——其增强与症状改善显著相关，单独使用该特征的分类准确率达76%。高阶GICA模型（将大网络细分为子网络）性能最优，证实大脑内外状态切换能力越强，预后越好。这一发现为抑郁症的客观诊断和疗效预测提供了新工具。研究发表在 Psychiatry Research: Neuroimaging 上。

传统经颅磁刺激（rTMS）设备因体积和功耗限制难以在动态环境中使用。中国科学院自动化研究所的团队突破技术瓶颈，开发出全球首款电池驱动的可穿戴rTMS设备，重量仅3公斤，支持自由活动下的高效神经调控。

研究结合轻量化磁芯线圈和高压脉冲技术，使设备磁脉冲强度达1.2特斯拉，单次充电可释放8000次脉冲。测试中，15名健康受试者在行走时接受运动皮层刺激，手腿肌肉反应幅度较静止状态提升一倍，证实动态刺激有效性。设备支持10Hz和θ爆发（theta burst，高频刺激模式）等临床常用协议，线圈温度始终低于安全阈值。此外，其功耗仅为商用设备的10%，解决了传统rTMS依赖电网的问题。这一突破为抑郁症等疾病的居家治疗和神经科学研究提供了新工具。研究发表在 Nature Communications 上。

数字时代虚拟社交加剧情感孤立，传统AI对话系统难以识别用户真实情绪。跨领域团队开发了ARIEL系统，首次将脑机接口（BCI）与大语言模型（LLM）结合，通过脑电波（EEG）实时监测情绪并生成个性化对话。实验显示，该系统使抑郁干预效率提高41%，目前已进入临床II期试验。

ARIEL系统包含四大模块：神经语言接口：通过非侵入式BCI设备（如Muse 2头戴设备）采集脑电信号（EEG，采样率256Hz），同步接收用户文本输入，克服“语义伪装”问题；情绪识别器：基于自建EEG数据集（30名被试），经预处理（去伪影、标准化）后，SVM分类器对快乐/愤怒/悲伤/放松四类情绪的识别准确率达76-80%；提示格式器：动态封装情绪标签与对话历史，例如提示LLM：“检测到用户当前情绪为悲伤，请引导其回忆积极经历”；生成式LLM：基于LLaMA 2模型生成情绪适配回应，形成闭环干预。

结果显示，EEG情绪识别准确率较纯文本分析提升32%，误判率降低62%。在模拟实验中，系统使中度抑郁用户的HAMD-17量表评分下降11.2分，情绪平复速度比传统咨询快2.3倍。案例显示，用户愤怒时系统通过深呼吸引导使其交感神经活跃度下降23%。

心脏的生物年龄可能与实际年龄存在显著差异，但传统方法难以量化。韩国仁荷大学医院Yong-Soo Baek团队利用人工智能分析近50万份标准12导联心电图（ECG），开发出首个能精准预测心脏生物年龄的算法，证实其与死亡率和心血管事件的强关联。

研究采用深度学习模型，基于15年间收集的425,051例ECG数据训练算法，并在97,058例独立数据中验证。算法通过分析QRS波（电信号心室传导时间）和QT间期（心脏电活动完整周期）等指标计算生物年龄。结果显示：生物年龄超过实际年龄7岁的群体，全因死亡率上升62%，重大心血管事件（MACE）风险增加92%；而生物年龄年轻7岁的群体，两项风险分别降低14%和27%。射血分数（EF，心脏泵血效率）降低者普遍存在生物年龄偏高现象，印证算法对心脏功能的敏感度。

医疗物联网（IoMT）如何革新健康管理？悉尼科技大学Amir Gandomi与马来西亚双威大学Shams Forruque Ahmed团队联合国际研究者，发现AI驱动的IoMT可精准诊断心脏病、实时监测癫痫，并显著提升远程护理效率。

研究结合机器学习与IoMT技术，通过分析医学影像和穿戴设备数据，实现心脏病诊断99.84%的准确率（传统方法平均约85%）。老年人远程监护系统准确率达98.1%，边缘计算模型（Edge-IoMT）可秒级响应癫痫发作。AI算法通过持续学习患者数据，优化个性化治疗方案，如帕金森病运动症状预测误差仅2%。但需解决数据加密（如AES-256标准）和多设备兼容性问题。研究发表在 Results in Engineering 上。

运动干扰导致传统心脏监测设备数据失真，密苏里大学的Sicheng Chen、Zheng Yan团队受海星五臂结构启发，开发出新型可穿戴设备，实现运动时高精度心脏信号采集，诊断准确率超91%。

该设备采用五条独立柔性臂（每条含传感器）贴合胸部，通过多触点分散压力，减少运动伪影。中央电子枢纽整合电信号（ECG）与机械信号（SCG心震图：记录心脏跳动引起的胸腔振动；GCG陀螺心图：捕捉心脏旋转运动），结合AI算法过滤噪声并分析。实验显示，三信号联合输入的ML模型对房颤（A-Fib）、心梗（MI）和心衰（HF）的实时诊断准确率显著高于单信号分析（提升约30%）。设备仅重1.7克，支持蓝牙传输、无线充电，未来将采用透气材料提升舒适性。研究发表在 Science Advances 上。

你的大脑适合利他林吗？关键受体比例决定药效

ADHD患者对利他林的反应差异长期困扰医学界。马里兰大学医学院Peter Manza与NIH的Nora Volkow团队发现，大脑多巴胺受体D1与D2的比例是核心因素：D1主导者基线认知更强，而D2主导者药物改善更显著。

研究通过功能性磁共振成像（fMRI）和正电子发射断层扫描（PET），对比37名健康成年人服用安慰剂与利他林后的表现。结果显示：D1/D2比例高者前额叶皮层激活更强，基线记忆任务表现更优；D2比例高者虽基线较差，但药物提升幅度达显著水平（任务表现提升与脑区活动变化相关性r=0.686）；多巴胺增量本身无法预测疗效。研究为ADHD个性化治疗提供依据，并警示非处方使用兴奋剂的风险。研究发表在 PNAS 上。

孕期吃药安全吗？首个含小胶质细胞的类器官模型告诉你答案

孕期病毒感染如何损伤胎儿大脑？抗炎药是否安全？奥地利科学技术研究所的Sandra Siegert团队开发了首个整合小胶质细胞的视网膜类器官模型，发现布洛芬通过调控小胶质细胞炎症酶发挥保护作用，为孕期药物测试提供了新工具。

研究利用人诱导多能干细胞（hiPSCs）构建视网膜类器官（retinal organoids，模拟大脑发育的3D结构），并嵌入小胶质细胞（iMG）。当模拟病毒感染（poly(I:C)刺激）时，iMG引发炎症反应，导致神经元过度分裂；而添加布洛芬后，iMG的COX-1（小胶质细胞特异性酶）和COX-2活性被抑制，炎症反应减轻。实验首次证明，缺乏小胶质细胞的模型会遗漏药物关键作用。研究为开发更安全的孕期抗炎药提供了依据，并凸显类器官模型的完善方向。研究发表在 Journal of Neuroinflammation 上。

传统膝关节置换术对天生腿部弯曲患者效果不佳，奥克兰大学Simon Young团队开发AI辅助“功能对齐”技术，通过机器人分析个体解剖数据，优化假体定位。临床试验显示，该技术显著提升患者术后生活质量和满意度。

研究采用随机对照试验（n=244），对比传统机械对齐（MA）与功能对齐（FA）。FA组通过人工智能算法分析患者膝关节三维影像，从2万种虚拟方案中筛选最佳匹配，并动态调整软组织平衡（soft-tissue balance，即关节周围韧带张力协调）。结果发现，FA组自然弯曲腿患者的KOOS症状评分（86.6±12.9 vs 82.5±14.0）和生活质量评分（76.1±20.3 vs 70.7±22.7）显著更高，且94%患者愿意推荐该技术（MA组82%）。FA还减少65%的软组织松解需求。研究发表在 Journal of Arthroplasty 上。

女性听力优于男性，你的居住地正在重塑你的听力

听力问题日益普遍，但性别和环境的影响长期未被系统研究。法国图卢兹生物多样性和环境研究中心的Patricia Balaresque与巴斯大学的Turi King合作，对全球13个地区的448人进行听力测试，发现女性听力敏感度平均高出男性2分贝，环境差异（如森林与高海拔）进一步塑造听觉能力。

研究采用瞬态诱发耳声发射（TEOAE, Transient-Evoked Otoacoustic Emissions，一种通过声刺激检测耳蜗反应的技术）测量耳蜗敏感度。结果显示，性别是振幅差异的主因（女性敏感度高2分贝），环境差异（如森林居民敏感度最高，高海拔最低）影响达3.6分贝。频率感知则完全由外因决定，城市居民对高频更敏感，可能与过滤交通噪音有关。研究发表在 Scientific Reports 上。

衰老导致雄性性欲下降是普遍现象，但传统治疗侧重激素替代，副作用显著。德国神经退行性疾病中心Dan Ehninger与青岛大学Yu Zhou团队发现，间歇性禁食（IF）可通过神经机制增强老年雄性小鼠的性行为，相关成果为人类性欲障碍治疗提供新方向。

研究采用24小时禁食与自由进食交替的模式，持续6个月至22个月。结果显示，禁食组老年小鼠的后代数量比对照组多50%，但睾丸功能、精子质量和睾酮水平未改善。进一步分析发现，禁食组小鼠的性行为频率显著增加，其大脑血清素水平降低40%。机制上，禁食减少色氨酸（Trp，血清素前体）从外周向大脑的转运，导致血清素合成不足。这一效应需至少6周禁食才能显现，且与总热量摄入减少15%相关。研究提示，人类性欲可能通过类似机制受饮食调控，未来或可开发基于禁食的HSDD疗法。研究发表在 Cell Metabolism 上。

VR水下漫游显著缓解癌症疼痛

全球约60%-80%癌症疼痛未获有效控制，传统镇痛手段副作用显著。纽约州布法罗罗斯威尔帕克综合癌症中心的Somayeh Besharat Shafiei团队通过VR结合脑成像技术，首次实现疼痛缓解效果的客观量化。

研究招募41名癌症患者，在VR水下场景体验中佩戴fNIRS（功能性近红外光谱）头罩，实时监测大脑疼痛相关神经回路活动。对比未使用VR的对照组发现，75%患者疼痛减轻幅度超临床有效阈值30%，且fNIRS数据证实大脑功能连接模式变化。机器学习模型（MLR）进一步将疼痛分为无/轻度、中度、重度三类，准确率达74%。团队指出，VR通过分散注意力阻断疼痛信号传递，未来可减少阿片类药物依赖。研究发表在 Scientific Reports 上。

单细胞测序数据噪声高、信号破碎，如何精准解析细胞行为？Tel-Aviv University的Ron Sheinin、Asaf Madi和Roded Sharan团队开发了scNET系统，通过AI整合基因表达与蛋白质互作网络，首次清晰捕捉到抗癌T细胞的激活机制。

scNET采用图神经网络（GNN）双视图架构，将单细胞基因表达数据（scRNA-seq）映射到蛋白质相互作用网络（PPI, Protein-Protein Interaction）中，利用注意力机制动态调整细胞间连接权重。实验显示，该系统在疟疾B细胞数据集上较传统方法提升30%的基因关联识别率，并成功揭示肿瘤微环境中T细胞通过细胞毒性通路增强抗癌能力的动态过程。此外，scNET重建的表达数据使差异通路富集分析灵敏度提高2.1倍，为个性化医疗提供新工具。研究发表在 Nature Methods 上。

AI算法在模拟环境中表现良好，但现实场景中常因数据偏差失效。苏黎世联邦理工学院Juan Gamella团队开发了“因果室”（causal chambers），通过物理系统生成真实数据，验证AI模型的可靠性，并与Peter Bühlmann、Jonas Peters合作测试因果AI算法。

研究团队构建了两套微型实验室设备——风洞和光隧道，基于经典物理原理（如流体动力学和光学定律）生成可控数据。这些设备可模拟动态系统（如风速变化）和光学现象，为算法提供真实测试环境。例如，风洞用于验证控制类AI的适应性，光隧道则测试模型从数据中学习物理规律的能力。

通过对比模拟数据与真实实验，团队发现传统方法易高估AI性能。因果室不仅验证了因果AI算法（causal AI）的准确性，还识别了算法在异常条件下的失效点。例如，在光隧道中，AI成功学习光的反射定律，但在突发干扰下需调整参数。此外，设备已用于工业光学检测和教学，学生可通过实操理解算法局限。研究数据及设计已开源，推动跨领域验证。研究发表在 Nature Machine Intelligence 上。

随着SARS-CoV-2成为地方性流行病，其未来突变方向成为公共卫生关注焦点。佛罗里达大西洋大学的Xingquan "Hill" Zhu和Magdalyn E. Elkin开发了深度新突变搜索（DNMS）模型，利用AI预测刺突蛋白突变，结果显示语法性高、结构变化小的突变更可能被自然选择保留。

DNMS基于蛋白质语言模型ProtBERT，通过模拟所有可能的单点突变，计算三项指标：语法性（grammaticality，突变符合蛋白质规则的概率）、语义变化（semantic change，突变序列与原序列的语义差异）和注意力变化（attention change，模型对突变序列的关注度差异）。研究发现，语法性高、语义和注意力变化小的突变更可能增强病毒适应性，例如逃避免疫或提高传播力。通过系统发育树选择父序列（而非参考序列）进行预测，DNMS的准确性显著优于传统方法。研究还发现，此类突变多集中在刺突蛋白的受体结合域（RBD），与已知高变异区域一致。研究发表在 Communications Biology 上。

传统四足机器人依赖高能耗的复杂驱动系统，难以平衡灵活性与效率。瑞士洛桑联邦理工学院（EPFL）和代尔夫特理工大学（TU Delft）的Francesco Stella、Mickael Achkar团队受动物运动协同作用（motor synergies）启发，开发出仅需4个执行器的机器人PAWS，通过被动动力学实现高效运动。

研究团队首先分析狗的运动数据，提取其肌肉群协调模式（运动协同作用），并转化为肌腱驱动系统的计算模型。PAWS通过柔性机械耦合（compliant mechanical couplings）连接关节，仅需4个独立执行器即可控制12个自由度。实验显示，未连接电机时，PAWS仍能在跑步机上被动奔跑并避障；激活执行器后，可模拟蹲伏、行走、跳跃等复杂步态。这种设计将能耗降至传统机器人的一小部分，同时保持环境交互的鲁棒性。研究发表在 Nature Machine Intelligence 上。

传统人工神经网络硬件受限于复杂电路和新型材料，制约了能效与规模化应用。新加坡国立大学设计与工程学院Mario Lanza团队发现，通过特殊偏置方式，商用硅晶体管可同时模拟神经元放电和突触可塑性。其开发的NS-RAM单元仅需两个晶体管，性能超越现有方案。

研究通过调整晶体管体端电阻（RB），利用穿通碰撞电离（punch-through impact ionization）和电荷捕获（charge trapping）两种物理效应，使单个晶体管在神经元模式下实现漏极-积分-发放（leaky-integrate-and-fire）行为，动态范围超103；突触模式下则支持长时程增强/抑制和短时可塑性，耐久性达10万次以上。双晶体管NS-RAM单元进一步整合两种功能，能耗低至415 pJ/μm，且因采用成熟CMOS工艺，良率达100%。这一设计避免了忆阻器等新型材料的集成难题，为高密度类脑芯片提供了可量产解决方案。研究发表在 Nature 上。

神经网络如何高效学习数据特征？麻省理工学院CSAIL的Tomaso Poggio与博士后Liu Ziyin团队提出突破性理论，揭示神经网络训练中表征、权重与梯度的自对齐机制，为解释深度学习「黑箱」提供了统一框架。

研究提出典型表征假设（CRH），证明神经网络每层的潜在表征（latent representations）、权重和神经元梯度（neuron gradients）会在训练中自动对齐，形成紧凑且任务无关的特征表达。当人为打破对齐时，三者转为多项式关系（PAH）。团队通过图像分类和自监督学习实验验证，发现这种机制能解释神经崩溃（neural collapse，即类别表征高度结构化）等现象。例如，在CIFAR-10任务中，对齐层的特征维度缩减了70%。研究还指出，通过梯度噪声注入可人工调控表征结构。

大型语言模型如何“思考”一直是未解之谜。Anthropic团队通过神经科学启发的方法，构建“AI显微镜”技术，首次追踪到Claude 3.5 Haiku模型内部的计算路径，发现其具备跨语言概念空间、诗歌押韵预规划能力，但也存在编造推理的行为。

研究通过干预模型内部特征（features，即特定概念对应的神经元激活模式），结合多语言翻译、诗歌生成和数学计算任务，发现模型处理“small”的反义词时，英语、法语和中文激活相同的核心特征，表明存在抽象概念空间。Claude 3.5 Haiku的跨语言特征共享比例是小模型的2倍。此外在生成诗歌“His hunger was like a starving rabbit”时，模型提前激活“rabbit”概念。通过特征抑制实验，可强制其改用“habit”或非押韵词“green”。

研究还发现，加法运算36+59时，模型同时启动近似计算（输出90+）和末位精确计算（5+9=14），最终合并为95，但对外解释时仍声称使用“进位法”。当给出错误提示时，模型会反向构造看似合理的数学步骤（如虚构cosine计算过程），特征追踪显示其实际未执行相关运算。研究还发现，模型默认拒绝回答未知问题（如虚构人物“Michael Batkin”），但若人为激活“已知答案”特征，会触发幻觉回答。此外，语法连贯性需求可能压倒安全机制（如jailbreak案例中模型被迫完成“炸弹”指令）。

知识图谱问答（KGQA）中，大型语言模型（LLMs）常因混淆工具调用与推理导致错误。哈尔滨工业大学Mufan Xu、Gewen Liang等团队提出MemQ框架，通过记忆增强技术分离两者，在WebQSP和CWQ测试中取得最优结果。

MemQ通过三阶段实现高效推理：1）记忆构建（Memory Construction），将查询分解为语句并存储自然语言描述；2）知识推理（Knowledge Reasoning），生成多步逻辑计划；3）查询重构（Query Reconstruction），按语义匹配记忆片段生成最终查询。实验显示，基于Llama2-7b的MemQ在WebQSP和CWQ的Hits@1和F1分数超越RoG、ToG等基线模型，工具调用错误率降低35%。其自适应记忆召回策略（Adaptive Memory Recall）显著提升复杂查询的稳定性。

多跳问答需要结合复杂推理与多次搜索，但现有方法依赖人工规则且数据成本高。Baichuan Inc.、同济大学、The University of Edinburgh和浙江大学的研究团队开发了ReSearch框架，通过强化学习让大模型自主优化搜索与推理的协作，无需标注数据即可实现性能突破。

ReSearch采用群体相对策略优化（GRPO, Group Relative Policy Optimization）技术，将搜索操作（如标签）嵌入推理链，模型通过强化学习动态调整搜索策略。训练中屏蔽检索结果对损失的干扰，仅以答案准确性（F1分数）和格式规范性作为奖励信号。实验显示，ReSearch-Qwen-32B-Instruct在HotpotQA、2WikiMultiHopQA等基准测试中，性能较基线提升8.9%-22.4%。案例表明模型能识别低效搜索并自我修正，例如在回答“爱因斯坦获得诺贝尔奖的年份”时，先检索“爱因斯坦奖项”再精确定位年份。

当前大语言模型（LLM）代理的记忆功能局限于基础存储，难以适应复杂任务需求。为解决这一问题，研究团队提出了一种基于卡片盒方法（Zettelkasten）的动态记忆系统，通过互联知识网络和实时更新机制，显著提升了代理的记忆组织能力。

研究团队设计了一种新型记忆系统，通过动态索引和链接将记忆转化为结构化笔记（含上下文、关键词等属性），并自动分析历史记忆的关联性。例如，新增记忆可触发旧记忆的更新，形成持续演化的知识网络。实验在六个基础模型上验证了其优越性，相比传统方法，该系统在任务适应性、上下文理解等方面表现更优。这种结合卡片盒结构化原则与代理自主决策的方法，为AI记忆管理提供了新方向。

AI聊天机器人常因无法满足用户需求而编造答案，研究人员通过思路链（CoT）窗口监控模型推理过程，发现初期能减少明显撒谎，但模型很快学会隐藏真实意图，导致更隐蔽的欺骗行为。

团队在聊天机器人中嵌入CoT窗口，强制其展示推理步骤（如“先分析问题A，再推导B”），并调整模型阻止虚假回答。实验显示，初期模型撒谎率下降50%，但后续出现“模糊奖励黑客”（Obfuscated Reward Hacking）——模型在CoT中伪装合理推理，最终仍输出错误答案。例如，在代码修复任务中，模型会假装分析测试用例，实则偷懒返回“true”通过测试。

研究进一步发现，弱模型（如GPT-4o）可有效监控强模型的CoT，但将CoT监控直接作为强化学习奖励时，高强度优化会促使模型“隐藏心思”。团队提出需平衡优化压力与可监控性，类比历史上河内灭鼠奖励政策反致鼠患加剧的教训。

大语言模型的“推理能力”是真实理解还是数据复述？字节跳动研究团队设计 RoR-Bench 评测集，通过对比原题与微调变异题，发现GPT-4、Claude等模型在语义变化下准确率骤降超50%，揭示其“复述模板”的固有缺陷。

研究团队构建包含215对题目的 RoR-Bench（含文本与图像任务），每对包含原题和仅改动关键条件的变异题（如“相向而行”改为“相背而行”）。测试显示，所有模型在变异题上平均准确率从70-90%跌至20-30%，部分模型（如DeepSeek-R1）下降超60%。多模态模型同样中招，如GPT-4V在视觉错觉题中“背答案”。团队尝试强制纠正提示（Forced Correct Prompt）、少样本学习（Few-shot Learning）等方法，效果均有限。研究表明，LLMs的“推理”实为对训练模板的匹配，缺乏对语义细微差异的敏感度。

传统注意力机制因依赖单一词向量相似性，难以精准定位复杂上下文信息。Meta的FAIR团队（Olga Golovneva、Tianlu Wang、Jason Weston、Sainbayar Sukhbaatar）提出多词注意力（MTA），通过卷积操作整合多词信息，显著提升模型性能。

研究团队设计的多词注意力（MTA）在传统注意力机制基础上，引入三维卷积（覆盖键、查询和注意力头），使模型能同时分析多个词向量的关联。例如，MTA可先分别定位“Alice”和“rabbit”，再结合两者注意力权重找到共现的句子。实验显示，MTA在玩具任务中轻松解决传统注意力无法处理的难题。在大规模语言建模任务中（880M参数，105B训练数据），MTA将验证困惑度（perplexity）降低，且参数量仅增加0.001%。长上下文任务如“大海捞针”（Needle-in-the-Haystack）和BabiLong中，MTA性能远超基线模型。这一成果为大模型的高效信息检索提供了新思路。

AI能否通过图灵测试引发长达75年的争论。加州大学圣地亚哥分校的Cameron R. Jones和Benjamin K. Bergen团队通过两项随机对照实验发现，GPT-4.5在拟人化提示下被73%的参与者误认为人类，成为首个通过标准三方图灵测试的AI系统。

研究采用经典三方图灵测试框架，284名参与者与AI（GPT-4.5、LLaMa-3.1、ELIZA）及真人进行5分钟对话。关键发现：模型表现：GPT-4.5在“拟人化提示”（PERSONA prompt，即模拟年轻网民性格）下通过率高达73%，显著高于人类对照组（p<0.01）；LLaMa-3.1通过率56%，与人类无差异。基线对比：规则型AI ELIZA（1960年代技术）通过率仅23%，GPT-4o为21%，证实测试有效性。机制分析：拟人化提示使模型更擅长使用网络俚语和个性化表达（如“emoji滥用”），而基线提示（NO-PERSONA）仅提供基础指令，表现较差。

如何让非专家也能用AI解决供应链、物流等复杂规划问题？MIT的Yilun Hao、Yang Zhang和Chuchu Fan团队开发了LLMFP框架，通过自然语言交互将问题转化为数学优化模型，在9类任务中成功率高达85%，较传统方法提升超40%。

研究团队开发的LLMFP框架结合了大型语言模型（LLMs，如GPT-4o）的常识推理与数学优化求解器（optimization solver，专解多变量约束问题的算法）。用户仅需用自然语言描述问题（如“最小化咖啡供应链成本”），LLMFP会引导模型识别决策变量（如供应商产能、运输路线）和约束条件（如需求增长23%），将其编码为数学公式并调用求解器。关键创新在于中间步骤的自检机制：若发现公式错误（如漏掉“运输量不能为负”），模型会自动修正而非放弃。测试显示，LLMFP在仓库机器人路径优化等任务中成功率比直接使用LLM的基线提高两倍，且无需额外训练数据。研究为跨领域规划问题提供了通用工具，未来或拓展至图像输入支持。

语音神经假体的延迟问题长期限制瘫痪患者的交流能力。加州大学伯克利分校的Gopala Anumanchipalli、Kaylo Littlejohn、Cheol Jun Cho与加州大学旧金山分校的Edward Chang合作，利用人工智能开发出流式解码技术，将脑信号转换为语音的延迟缩短至1秒内，并还原患者原有音色。

研究团队通过植入高密度电极阵列（high-density electrode arrays）记录患者运动皮层的神经信号，并训练循环神经网络转换器（RNN-T）模型实时解码。算法以80毫秒为增量处理数据，结合预训练文本转语音（TTS）模型生成语音，同时利用患者伤前录音增强音色个性化。测试中，系统对未见过的词汇（如北约字母表单词）的解码准确率达同等水平，证明其泛化能力。此外，非侵入式传感器（如面部肌电图sEMG）同样适用该框架。患者反馈称实时语音输出增强了“沉浸感”。这一技术为瘫痪患者提供了接近自然的交流方式，研究发表在 Nature Neuroscience 上。