追问daily|认知训练能让大脑变大吗？AI越智能越自私？

脑科学动态

Science：新解码的脑回路揭示了神经元网络如何稳定记忆

单链抗体scTS2/16显著提升类器官生长效率，扫清临床应用障碍

内在奖励感驱动运动技能学习

裂脑研究新发现：少量神经纤维即可维系左右脑高效通讯

认知训练能让大脑“变大”吗？功能重组比结构变化更重要

帕金森病新电生理特征：非节律性神经活动或成新生物标志物

系统综述揭示精神疾病神经标志物

心理治疗如何重塑大脑？神经科学家提出“心智导航”新理论

重要的不是想法：脑功能的核心在于稳态调节

AI行业动态

Kimi Linear：混合线性注意力架构，长文本推理速度提升6倍

开放AI重塑浏览器：全新架构OWL驱动ChatGPT Atlas

OpenAI发布白帽智能体Aardvark，全自动查找修复代码漏洞

AI驱动科学

AI模型初步具备自省能力：能感知并调节内部思维

以人为中心的软体机器人颠覆了《终结者》的剧本

Omnia仿生腿赢得Cybathlon大赛冠军

AI越智能越自私？推理能力增强或导致合作行为减少

生成式AI如何打破心理健康服务的“一刀切”困境

神经形态嗅觉感知芯片：迈向通用气味识别和认知

利用连续小波变换和深度学习方法解码脑电信号的隐蔽视觉注意力

CoSpine：首个开放获取的皮质-脊髓同步fMRI数据库

脑科学动态

Science：新解码的脑回路揭示了神经元网络如何稳定记忆

大脑如何巩固记忆，使其在不断变化的环境中保持稳定？纽约大学朗格尼健康中心（NYU Langone Health）的Jayeeta Basu及Vincent Robert等人揭示了一个关键机制：来自大脑皮层的两种远程信号协同作用，通过精巧地平衡兴奋与抑制，来稳定海马体中的记忆编码。这一发现为理解和治疗因记忆不稳导致的疾病（如创伤后应激障碍）提供了新思路。

研究团队通过在小鼠模型上的实验发现，记忆的稳定性源于大脑外侧内嗅皮层（lateral entorhinal cortex）向海马体CA3区的两种长程神经投射的协同作用。一种是兴奋性的谷氨酸能投射（glutamatergic, LECGLU），它会激活CA3区的神经元；但同时，它也会触发前馈抑制（feedforward inhibition），像一个调节器，精细控制着兴奋的程度。而另一种是抑制性的GABA能投射（GABAergic, LECGABA），它的作用更为巧妙——它不去直接抑制兴奋性神经元，而是抑制了CA3区局部的抑制性中间神经元。这种“抑制抑制”的行为，产生了一种“去抑制”的效果，最终反而增强了CA3神经元的活动。这种兴奋与去抑制的协同机制，强化了特定神经回路的循环活动，从而稳定了编码空间信息的“位置图”（place maps），使得记忆在学习过程中能够被牢固地形成和维持。研究发表在 Science 上。

#神经科学 #神经机制与脑功能解析 #记忆机制 #海马体

阅读更多：

Robert, Vincent, et al. “Cortical Glutamatergic and GABAergic Inputs Support Learning-Driven Hippocampal Stability.” Science, vol. 0, no. 0, Oct. 2025, p. eadn0623. science.org (Atypon), https://doi.org/10.1126/science.adn0623

单链抗体scTS2/16显著提升类器官生长效率，扫清临床应用障碍

为解决类器官培养依赖成分不明确的基质胶（Matrigel）而阻碍临床应用的问题，“类器官之父”Hans Clevers及其团队开发出一种名为scTS2/16的单链抗体。该抗体能高效激活细胞表面的关键蛋白，显著促进类器官在成分明确的胶原水凝胶中生长，为类器官的标准化和临床转化铺平了道路。

研究团队借鉴免疫学中增强细胞粘附力的机制，将目光投向了细胞与培养基质间的“沟通桥梁”——整合素β1（integrin β1）。他们对一种能激活该蛋白的抗体进行工程化改造，设计出一种结构更简单、易于标准化生产的单链抗体scTS2/16。实验结果表明，scTS2/16是类器官培养的“超级助推器”。在传统的基质胶中添加它，可使胃肠道类器官的产量提升高达5倍；而在成分明确、临床兼容的I型胶原水凝胶中，其效果更为惊人，能使产量增长6-7倍。这种强大的促进作用对来自胃、肠道、胰腺和肝脏等多种组织的类器官均有效。机制研究证实，scTS2/16通过变构激活，使整合素β1始终保持对培养基质的“紧握”状态，从而极大地增强了细胞的粘附和生长。这一突破性成果成功构建了一套化学成分明确、可规模化且适用于临床的类器官培养体系，为个性化医疗和再生医学的发展扫清了关键障碍。研究发表在 Nature Biotechnology 上。

#疾病与健康 #个性化医疗 #类器官 #细胞培养

阅读更多：

de Lau, Wim B. M., et al. “A Single-Chain Derivative of an Integrin-Activating Antibody Potentiates Organoid Growth in Matrigel and Collagen Hydrogels.” Nature Biotechnology, Oct. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41587-025-02874-8

内在奖励感驱动运动技能学习

大脑如何学习新的身体技能？萨里大学的 Shlomi Haar 与伦敦帝国理工学院的 Federico Nardi 和 A. Aldo Faisal 团队通过一项创新的虚拟现实台球实验发现，大脑在学习运动技能时会主动整合错误反馈与奖励感，即使没有实际的成功奖励，大脑也会寻找内在的“迷你奖励”来驱动学习。

▷ 实验范式。Credit: npj Science of Learning (2025).

研究团队让32名参与者在一个结合了实体球桌与虚拟现实技术的环境中打台球。通过VR头显，研究人员可以精确操控参与者看到的视觉反馈。实验设置了两种条件：一种是只提供“错误反馈”，即参与者能看到自己击球的偏差，但球在入袋前就会消失，移除了成功的奖励；另一种是只提供“奖励反馈”，即成功的击球会被人为地展示为入袋，而失败的击球则不提供任何视觉信息。

研究人员通过分析参与者的行为数据和大脑活动，探究学习机制。结果出人意料，即使在没有明确奖励的“错误反馈”条件下，参与者的大脑依然表现出强烈的基于奖励的学习模式。这表明大脑在主动寻找替代性的成功线索，比如观察到球的运动轨迹看起来是正确的。脑活动测量也证实，大脑并未将两种学习方式分开处理，而是始终采用一种混合策略。这一发现挑战了传统上将错误学习和奖励学习视为独立过程的观点，并强调了在真实复杂环境中，内在奖励感对技能习得的重要性。研究发表在 npj Science of Learning 上。

#认知科学 #神经机制与脑功能解析 #运动学习 #虚拟现实

阅读更多：

Nardi, Federico, et al. “Motor Learning Mechanisms Are Not Modified by Feedback Manipulations in a Real-World Task.” Npj Science of Learning, vol. 10, no. 1, Oct. 2025, p. 73. www.nature.com, https://doi.org/10.1038/s41539-025-00373-8

裂脑研究新发现：少量神经纤维即可维系左右脑高效通讯

大脑的两个半球如何协同工作？传统观点认为这依赖于连接它们的巨大纤维束——胼胝体。为探究其确切作用，加州大学圣巴巴拉分校的 Michael Miller、科隆大学医院的 Lukas J. Volz 及贝瑟尔癫痫中心的 Christian Bien 等人合作研究了一批“裂脑”患者，发现大脑的连接机制比预想中更具韧性，仅需极少量神经纤维即可维持两个半球间的完整通讯。

▷ 患者解剖扫描。术后所有六名患者均在测试时采集了 1 和弥散加权磁共振成像 (MRI) 扫描图像。白色箭头/椭圆标记的患者 EM 和 BT 的胼胝体完整（即部分裂开）。其余四名患者均接受了完全裂开手术。值得注意的是，一系列临床观察表明，所有完全裂开的患者均存在行为分离综合征，而部分裂开的患者则未出现此症状。Credit: Proceedings of the National Academy of Sciences (2025).

研究团队利用功能磁共振成像技术，对因治疗顽固性癫痫而接受了胼胝体切开术的成人患者进行了研究。他们对比了两种情况：胼胝体被完全切断的患者，以及仅被部分切断的患者。结果发现，正如预期，胼胝体完全切断后，左右半球的功能网络几乎被完全隔离。然而，令人意外的是，对于部分切断的患者，即使只保留了大约1厘米的后部胼胝体纤维，其大脑两个半球之间的功能连接和网络整合程度也几乎与正常水平无异，并且这些患者未表现出任何行为分离的症状。这一发现颠覆了长期以来认为大脑结构与功能严格对应的经典模型，强有力地证明了人脑功能网络具有极强的适应性和神经可塑性。这项成果不仅加深了我们对大脑工作原理的理解，也为脑损伤后的康复研究提供了新思路，即可以利用并促进大脑的这种内在重组潜力。研究发表在 Proceedings of the National Academy of Sciences 上。

#疾病与健康 #神经机制与脑功能解析 #神经可塑性 #胼胝体

阅读更多：

Santander, Tyler, et al. “Full Interhemispheric Integration Sustained by a Fraction of Posterior Callosal Fibers.” Proceedings of the National Academy of Sciences, vol. 122, no. 43, Oct. 2025, p. e2520190122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2520190122

认知训练能让大脑“变大”吗？功能重组比结构变化更重要

认知训练能否像锻炼肌肉一样让大脑“长大”？为探究短期学习如何改变大脑，德克萨斯大学阿灵顿分校的 Steven Weisberg、亚利桑那大学的 Arne Ekstrom 和 Li Zheng 等研究人员合作，发现认知技能的提升并非源于大脑结构的增长，而是来自大脑功能网络的重组。

▷ 实验设计。Credit: eLife (2025).

研究团队将75名健康的年轻人随机分为三组，分别进行为期一个月的导航技能训练（在虚拟城市中寻路）、语言记忆训练（将单词与个人经历关联）或作为对照。通过对比训练前后的行为表现和大脑扫描数据，研究者发现，尽管两个训练组的参与者在各自的技能上都取得了显著进步，并表现出近迁移（near transfer，即将所学知识应用到相似任务中）的效应，但他们的大脑结构并未发生改变。关键的记忆中枢——海马体的体积以及其他脑区结构均保持稳定。真正的变化发生在大脑的功能层面：在执行任务时，大脑不同区域间的通信方式，即功能连接发生了重组，尤其是在负责高级思维的认知控制网络中。这表明，大脑应对新技能学习的策略是优化现有神经回路的协作效率，而非改变其物理结构。研究发表在 eLife 上。

#认知科学 #神经机制与脑功能解析 #认知训练 #大脑可塑性

阅读更多：

Zheng, Li, et al. “Newly Trained Navigation and Verbal Memory Skills in Humans Elicit Changes in Task-Related Networks but Not Brain Structure.” eLife, edited by Jason P Lerch and Christian Büchel, vol. 14, Oct. 2025, p. RP106873. eLife, https://doi.org/10.7554/eLife.106873

帕金森病新电生理特征：非节律性神经活动或成新生物标志物

长期以来，科学家认为大脑中的β波与帕金森病症状直接相关，但研究结果常互相矛盾。德国马克斯·普朗克人类认知与脑科学研究所的 Moritz Gerster、Vadim Nikulin 及欧洲多个顶尖大学医院的研究团队合作，通过分析迄今为止最大的数据集之一，发现了一种比β波更可靠的电生理特征——非节律性的“神经元噪声”。

▷ 深部脑刺激可以缓解帕金森病症状，并有助于深入了解丘脑底核的活动。这些信号未来或许能够实现个性化治疗。Credit: MPI CBS/ VistaPrime

研究团队汇集并分析了来自五个欧洲研究中心的119名帕金森病患者的数据，这是该领域前所未有的大规模合作。他们发现，以往研究结果不一致的关键在于样本量太小。通过一种新的分析方法，研究人员首次将大脑信号清晰地分成了节律性活动和非节律性的背景“噪声”（aperiodic broadband power，非周期性宽带功率）。结果显示，真正与患者运动症状严重程度密切相关的是这种非节律性噪声。在症状更严重的大脑半球，这种噪声样活动显著增强，这与动物模型中观察到的神经元过度放电现象一致。相比之下，传统的β波指标解释力较弱。这一发现表明，非节律性宽带功率可能是一种更精准的生物标志物，未来有望用于开发“自适应”深部脑刺激疗法，即根据大脑的实时活动按需施加刺激，从而实现更高效、个性化的治疗。研究发表在 eBioMedicine 上。

#疾病与健康 #神经机制与脑功能解析 #帕金森病 #深部脑刺激

阅读更多：

Gerster, Moritz, et al. “Beyond Beta Rhythms: Subthalamic Aperiodic Broadband Power Scales with Parkinson’s Disease Severity–a Cross-Sectional Multicentre Study.” eBioMedicine, vol. 0, no. 0, Oct. 2025. www.thelancet.com, https://doi.org/10.1016/j.ebiom.2025.105988

系统综述揭示精神疾病神经标志物：低频增高预示症状恶化，高频增强关联改善

如何让神经调控疗法更精准地治疗抑郁症、强迫症等精神疾病？由Katherine E. Kabotyanski、Nicole R. Provenza、Sameer A. Sheth等人完成的一项系统综述，通过整合分析45项研究，系统性地解码了与精神症状相关的颅内“大脑信号”，为开发新一代个性化、智能化的神经调控疗法绘制了清晰的路线图。

该研究团队通过系统性回顾分析，整合了45项采用颅内脑电图等技术的研究成果，旨在识别与精神疾病症状直接相关的神经生物标志物。研究发现了一系列普遍规律：在伏隔核、杏仁核等多个与情绪和认知相关的脑区，低频神经活动（如Delta、Theta波段）的增强普遍与症状恶化相关；相反，高频活动（Gamma波段）的增强则与症状改善和积极情绪状态密切关联。一个尤为重要的发现是，症状改善往往伴随着一个“跷跷板”模式，即低频活动减弱与高频活动增强同时发生，这一模式可以通过非周期性功率谱斜率（1/f slope）的变化进行量化。此外，长期记录还揭示了部分生物标志物存在昼夜节律，其动态变化能够预测治疗效果。这些发现为改进深部脑刺激等疗法提供了关键依据，有望推动“闭环神经刺激”技术的发展，实现根据大脑实时状态自动调整治疗参数的“响应性”或“适应性”刺激，最终为患者提供更高效的个性化治疗方案。研究发表在 Biological Psychiatry 上。

#疾病与健康 #神经调控 #心理健康与精神疾病 #个性化医疗

阅读更多：

Kabotyanski, Katherine E., et al. “Intracranial Neural Biomarkers of Psychiatric Symptoms and Their Utility for Guiding Neuromodulation Therapy: A Systematic Review.” Biological Psychiatry, vol. 0, no. 0, Oct. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.10.005

心理治疗如何重塑大脑？神经科学家提出“心智导航”新理论

心理治疗为何有效，其核心机制长期以来是科学界的“黑箱”。来自苏黎世大学等机构的研究人员 Nick Kabrel 和 Jaan Aru 提出了一个全新的整合框架，认为心理治疗的关键在于通过引导性的“心智导航”，帮助来访者扩展其内在的“认知地图”，从而产生深刻而持久的改变。

该研究团队提出，个体的心理困境，如抑郁和焦虑，可以被看作是其内在的认知地图（cognitive maps，即关于自我、他人和世界的心智模型）变得过于狭隘或僵化。治疗的突破并非简单地用“正确”观念取代“错误”观念，而是一个主动探索的过程。研究者将这个过程命名为心智导航（mental navigation），即在治疗师的引导下，来访者有意识地探索那些平时被忽略或回避的内心“领域”。这种探索能够建立新的神经和概念连接，从而实现认知地图的扩展。该框架进一步指出，这一过程的神经基础可能与大脑中负责空间导航的海马-内嗅皮层系统（hippocampal-entorhinal system）有关，该系统同样支持人们在抽象概念空间中进行探索和定位。因此，产生新意识或“顿悟”并非是被动接受外部信息，而是通过主动的内部探索，将新的理解整合进个人的心智结构中，这才是心理治疗实现持久改变的核心。研究发表在 Perspectives on Psychological Science 上。

#疾病与健康 #心理健康与精神疾病 #神经机制与脑功能解析 #认知地图

阅读更多：

Kabrel, Nick, and Jaan Aru. “Becoming Aware Through Internal Exploration: Understanding Psychotherapy on Conceptual and Neurobiological Levels.” Perspectives on Psychological Science, Oct. 2025, p. 17456916251378430. SAGE Journals, https://doi.org/10.1177/17456916251378430

重要的不是想法：脑功能的核心在于稳态调节

传统观点认为大脑主要用于思考，但我们是否误解了其核心使命？来自美国东北大学等机构的 Jordan E. Theriault、Lisa Feldman Barrett 及其同事提出一个颠覆性观点：大脑最重要的工作并非产生思想或情绪，而是对身体进行预测性的资源管理，即“异质稳态”（allostasis），而所有心理活动都源于这一基本功能。

该研究系统性地回顾了多学科证据，论证大脑的核心功能是异质稳态（allostasis），即一种预测性的身体调节机制，而非更为人熟知的反应性稳态（homeostasis）。研究者指出，大脑持续地预测身体的能量需求，并提前调动资源以应对，所有心理活动（如思考、感知和情绪）都是服务于这一根本目标的工具或结果。例如，“压力”可以被重新理解为大脑为应对即将到来的巨大能量消耗而启动的生理准备状态，其本身是价值中立的。这一“异质稳态优先”的框架将身体调节置于大脑结构和功能的核心，认为一个庞大的、遍布全脑的神经网络系统，负责整合来自身体的内感觉（interoception）并控制内脏器官。该视角为理解神经系统疾病提供了全新思路，以阿尔茨海默病（Alzheimer’s disease）为例，研究者推测认知衰退可能是一种无奈的适应性权衡，即大脑为了应对更致命的血管或代谢问题（如大脑废物清除障碍）而主动“放弃”部分认知功能，以求生存。研究发表在 Perspective 上。

#疾病与健康 #神经机制与脑功能解析 #稳态调节 #阿尔茨海默病

阅读更多：

Theriault, Jordan E., et al. “It’s Not the Thought That Counts: Allostasis at the Core of Brain Function.” Neuron, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.09.028

AI 行业动态

Kimi Linear：月之暗面发布混合线性注意力架构，长文本推理速度提升6倍

随着大型语言模型的快速发展，以及在智能体时代对长时程和强化学习场景的需求剧增，标准注意力机制（softmax注意力）在推理计算方面的低效问题日益凸显。线性注意力（Linear Attention）虽然提供了降低计算复杂度的前景，但在表达能力上历来不如全注意力。然而，最近门控和Delta规则的创新显著缩小了这一性能差距。为了平衡质量与效率，月之暗面（Moonshot AI）的研究人员在一份新的技术报告中，提出了Kimi Linear这一混合线性注意力架构，旨在突破现有 瓶颈，推动下一代解码密集型LLM的发展。该架构的核心是Kimi Delta 注意力（KDA），这是对Gated DeltaNet（GDN）的改进版本。KDA通过引入信道级的细粒度门控机制，更精确地调控有限状态循环神经网络（RNN）的记忆衰减。此外，KDA通过对角加低秩矩阵（Diagonal-Plus-Low-Rank, DPLR）的一种专门变体来参数化转换动态，使得一种定制的分块并行算法成为可能，相比通用DPLR公式显著提高了计算效率。Kimi Linear以3:1的固定比例，将KDA与周期性的全注意力层交错排列。

Kimi Linear模型（激活参数3B，总参数48B）在多种任务中展现了卓越的性能和硬件效率。研究结果显示，在预训练和监督微调阶段，Kimi Linear的性能持续优于MLA和hybrid GDN-H基线模型，并在通用知识、推理以及中文任务等多个领域取得最高分。在长上下文场景中，Kimi Linear的优势更为明显，它最多可将对大型键值缓存（KV Cache）的需求减少75%，并且在处理长达100万个token的上下文时，能将解码吞吐量提升到完整MLA模型的6倍。此外，在强化学习收敛特性对比中，Kimi Linear也表现出更高的效率。该项目的重要贡献者Zongyu Lin表示，尽管目前的技术仍是迈向无限上下文模型的中间阶段，但线性注意力基础设施的挑战终将被解决。目前，月之暗面已在FLA中开源了KDA内核，并发布了经5.7万亿个token训练的模型检查点。

#线性注意力 #KimiLinear #月之暗面 #长文本 #LLM

阅读更多：

https://huggingface.co/moonshotai/Kimi-Linear-48B-A3B-Instruct

开放AI重塑浏览器：全新架构OWL驱动ChatGPT Atlas

OpenAI 推出了全新的 AI 驱动浏览器 ChatGPT Atlas，旨在将人工智能深度集成到用户的上网体验中，使其能够实现查找信息、填写表单甚至自动化任务等复杂操作。传统的浏览器架构大多基于 Chromium，虽然具备稳定性和安全性，但在追求高度智能化交互和快速迭代时存在固有限制。为解决这些挑战，OpenAI决定彻底重新设计浏览器的底层架构，并开发了全新的中间层架构——OWL（OpenAI’s Web Layer，开放AI网页层）。OWL 是 Atlas 的核心驱动力，其设计思想是彻底将负责网页渲染和执行的浏览器引擎 Chromium，与负责用户界面和交互的 Atlas 主程序分离，从而让 Chromium 在后台独立运行，避免了传统浏览器中因渲染卡顿导致整个应用崩溃的问题。

在 OWL 架构中，Atlas 负责前端界面显示（采用 SwiftUI + Metal 技术），充当 OWL Client（客户端），而 Chromium 则作为 OWL Host（宿主），专门处理所有网页逻辑和渲染任务。两者之间通过 Mojo IPC（Inter-Process Communication，进程间通信系统）这一高性能消息通道进行安全且高效的交流。这种进程分离机制带来了显著优势：Atlas 的启动速度极快，即便 Chromium 进程发生故障或卡顿，主界面也能保持正常运行（性能隔离），极大地提升了稳定性和用户体验，同时也简化了 Open AI 的开发流程。此外，OWL 架构尤其强化了对 Agent Browsing 模式的支持。为确保 ChatGPT 能够安全、准确地执行自动化操作，OWL 实现了完整的视觉画面合成和输入事件的安全路由，确保 AI 的操作事件仅能触及网页渲染器，而非浏览器自身的系统级功能。更进一步，Agent 模式采用无痕临时模式，在完全独立的临时环境中运行，不共享用户的 cookies 或浏览历史，全面保障了隐私和数据安全。

#ChatGPTAtlas #OWL架构 #Chromium分离 #AgentBrowsing #性能隔离

阅读更多：

https://openai.com/index/building-chatgpt-atlas/

OpenAI发布白帽智能体Aardvark，全自动查找修复代码漏洞

OpenAI正式发布了由GPT-5驱动的“白帽”智能体——Aardvark（土豚）。该工具被定位为代理型安全研究员（agentic security researcher，指具备自主决策和执行能力的AI系统），旨在帮助开发者和安全团队在大规模代码库中实现安全漏洞的自动发现与修复。OpenAI副总裁Matt Knight指出，Aardvark不仅能清晰地解释问题，还能引导开发者找到修复方案，证明了其巨大的应用价值。与传统的程序分析技术，如模糊测试（fuzzing，一种通过向程序提供非预期输入来发现软件漏洞的技术）或软件成分分析（SCA，用于识别代码中已知的第三方组件缺陷）不同，Aardvark运用大语言模型驱动的推理和工具使用能力来理解代码行为，像人类安全研究人员一样阅读、分析代码并验证漏洞。在OpenAI的内部测试中，Aardvark展示了出色的性能，能够识别92%的已知和人工注入漏洞，甚至可以定位仅在复杂条件下才会出现的问题。其工作流程涵盖了威胁建模、漏洞发现、沙盒验证，并深度集成Codex进行修复，最终生成可供人工复审和提交的拉取请求。

Aardvark的发布紧随其他科技巨头在代码安全领域的最新布局。整个十月，包括Anthropic、谷歌和微软等公司也相继推出了类似的“白帽”智能体。例如，安思罗匹克将Claude Sonnet 4.5应用于代码安全任务，谷歌推出了利用Gemini Deep Think模型的CodeMender，而微软则发布了Vuln.AI，正式宣告使用AI进行漏洞管理。研究人员分析认为，这些巨头集体发力AI代码安全，是因为目前人工除错和传统自动化方法已经难以满足大规模代码库中漏洞发现与修复的需求。在全球企业级网络中，漏洞数量激增，同时AI技术也被用于快速生成攻击代码，使得攻击手段日益智能化。在此背景下，借助代理型人工智能实现漏洞的自动化发现与修复，已成为保障软件供应链安全和降低企业风险的关键手段。目前，Aardvark已应用于多个开源项目，发现并披露了众多漏洞，其中10个已获得通用漏洞披露（CVE，标准化标识符）编号，并且OpenAI正计划为部分非商业开源仓库提供公益扫描服务。

#Aardvark #GPT -5 #代码安全 #AgenticAI #漏洞修复

阅读更多：

https://openai.com/index/introducing-aardvark/

AI 驱动科学

AI模型初步具备自省能力：能感知并调节内部思维

当我们询问AI为何做出某个回答时，它是在复述模板还是真的在“反思”？人工智能公司Anthropic的最新研究，首次通过实验证据表明，AI模型能够部分感知、报告并调节自身的内部思维状态，这为理解AI的“心智”提供了关键线索。

研究团队设计了一套名为“概念注入”（Concept Injection）的精巧实验。他们首先识别出特定概念，如“全大写”（ALL CAPS），所对应的神经网络激活向量，然后将此向量强行注入到正在处理无关任务的Claude模型中。结果显示，模型能在大约20%的情况下成功检测到这种内部状态的“异常”，并报告“感觉到一种额外的信号”。另一项实验中，研究者强制模型输出一个不合逻辑的词，发现只有当该词的概念也被预先注入其内部时，模型才会为这个“错误”辩护，这表明模型是通过比对内部意图与实际输出来进行自我判断的，这是一种“意图监控”（intent monitoring）机制的雏形。此外，研究还发现模型能根据指令主动“思考”或“不去思考”某个概念，显示了初步的意图控制能力。这些能力主要来自后训练阶段，而非预训练。研究发表在 Anthropic 的研究出版物 Transformer Circuits 上。

#大模型技术 #计算模型与人工智能模拟 #意图与决策 #意识模拟

阅读更多：

https://transformer-circuits.pub/2025/introspection/index.html

以人为中心的软体机器人颠覆了《终结者》的剧本

传统的机器人常被描绘成冰冷的金属机器，但如何让机器人变得柔软、智能并更好地服务于人类？佐治亚理工学院的 Woon-Hong Yeo (Hong Yeo) 及其团队通过一篇综述，系统总结了智能人工肌肉领域的最新进展，展示了如何通过整合人工智能与先进材料，创造出能够学习、感知和适应的软体机器人技术，为医疗康复等领域带来变革。

▷ 本文对生物肌肉和智能人工肌肉进行了比较，重点介绍了多模式动力学、可重编程性和集成式感觉反馈。Credit: Materials Horizons (2025).

该研究详细阐述了如何为人工肌肉赋予智能，使其不再是简单的驱动器。研究团队总结了两种核心智能形式：基于记忆的智能，即通过先进材料与结构设计，让肌肉能够执行预编程的复杂动作，甚至在面对新任务时进行重编程；以及基于感觉的智能，通过集成自感知和神经形态反馈，使人工肌肉能像生物肌肉一样感知环境并作出实时响应。研究人员利用机器学习算法来训练这些由层级结构纤维（hierarchically structured fibers，一种模仿生物肌肉和肌腱分层构建的柔性材料）制成的人工肌肉，使其能够自我纠正，实现更流畅、自然的运动。一个突出的应用实例是其团队研发的一款AI驱动的假肢手套，该手套能根据佩戴者的意图精细调节抓握力、减少手部震颤，帮助中风或截肢患者恢复扣纽扣、握杯子等日常生活的关键能力。研究发表在 Materials Horizons 上。

#疾病与健康 #机器人及其进展 #跨学科整合 #软体机器人

阅读更多：

Oh, Saewoong, et al. “Empowering Artificial Muscles with Intelligence: Recent Advancements in Materials, Designs, and Manufacturing.” Materials Horizons, vol. 12, no. 9, May 2025, pp. 2764–88. pubs.rsc.org, https://doi.org/10.1039/D5MH00236B

Omnia仿生腿赢得Cybathlon大赛冠军，彰显人机协作与技术创新

如何为截肢者开发出能应对复杂日常挑战的高性能假肢？意大利理工学院（IIT）与意大利国家工伤赔偿研究所（INAIL）联合康复技术实验室的Matteo Laffranchi、Benedetta Franconi及其团队，通过将截肢者作为核心设计伙伴，研发出Omnia仿生腿。该设备凭借其独特技术和卓越的人机协同，在Cybathlon 2024世界机器人大赛中一举夺魁。

▷ 在 2024 年 Cybathlon 大赛上，Omnia 首次亮相，这是一款专为股骨截肢患者设计的新型下肢假肢原型。该系统由一个膝关节（Unico）和一个踝关节（Armonico）组成，两者均由电机驱动。Omnia 是唯一一款未使用任何商用组件便进入“腿部假肢”决赛的设备。Credit: IIT-Istituto Italiano di Tecnologia/Cybathlon

研究团队采用了“以用户为中心”的设计理念，让股骨截肢者Andrea Modica深度参与Omnia仿生腿的研发全过程。Omnia系统的核心创新在于其半动力的Unico膝关节和电动的Armonico踝关节。Unico膝关节独特地融合了液压技术（hydraulic technology，用于平地行走等场景，确保运动平顺、安静且节能）与电动技术，后者可在爬楼梯或从座位站起等需要额外力量时提供主动辅助。两种模式间的切换由先进算法根据任务需求自动完成。此外，膝关节与踝关节的传感器能够实时通信，协同调整参数以优化整体性能。在Cybathlon 2024大赛中，Andrea Modica佩戴Omnia仿生腿，在2分57秒内完成了10项复杂障碍任务中的9项，赢得冠军。值得一提的是，Omnia是决赛中唯一完全不依赖商业组件的设备，充分展示了其自主研发技术的突破性及其在真实场景中的卓越功能。研究发表在 Science Robotics 上。

#疾病与健康 #机器人及其进展 #知觉康复 #人机协作

阅读更多：

Franconi, Benedetta, et al. “The Omnia Bionic Leg with a Semipowered Knee and Ankle Wins the Cybathlon 2024 Leg Prosthesis Race.” Science Robotics, vol. 10, no. 107, Oct. 2025, p. eaeb6485. science.org (Atypon), https://doi.org/10.1126/scirobotics.aeb6485

AI越智能越自私？推理能力增强或导致合作行为减少

随着人工智能日益融入社会生活，其决策是否符合集体利益成为关键问题。卡内基梅隆大学的 Yuxuan Li 和 Hirokazu Shirado 通过一系列经济博弈实验发现，大型语言模型的推理能力越强，其行为越趋向于自私，合作意愿显著降低。

▷ 本文使用了经济博弈模型。合作博弈要求参与者考虑是否为了使他人受益而付出代价，而惩罚博弈则要求参与者考虑是否为了对不合作者施加代价而付出代价。在每种情况下，语言模型都扮演了参与者 A 的角色。Credit: arXiv (2025).

研究团队通过一系列经济博弈（economic games）来模拟社会困境，系统地评估了推理能力对大型语言模型合作行为的影响。实验涵盖了OpenAI、Google、DeepSeek等多个主流模型家族，对比了具备推理能力（如通过思维链提示）和不具备推理能力的版本。在核心的公共物品博弈（Public Goods Game）中，结果显示，非推理模型展现出高达96%的合作率，而具备推理能力的模型合作率骤降至20%。研究进一步发现，这种“精于算计的贪婪”行为具有传染性：在混合群体中，推理模型的自私决策会导致整个群体的合作表现大幅下降81%。这种模式不仅限于合作，在惩罚博弈中，推理模型也倾向于减少对不合作者的惩罚，从而削弱了维护社会规范的机制。研究者认为，这种行为与人类心理学中的“自发给予和计算贪婪”双过程理论相符，即直觉倾向于合作，而深思熟虑的推理则可能导向个体利益最大化。

#大模型技术 #意图与决策 #社会博弈 #人工智能伦理

阅读更多：

Li, Yuxuan, and Hirokazu Shirado. “Spontaneous Giving and Calculated Greed in Language Models.” arXiv:2502.17720, arXiv, 29 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.17720

为每位患者量身定制：生成式AI如何打破心理健康服务的“一刀切”困境

如何利用人工智能改善心理健康服务的可及性与个性化，特别是对少数族裔群体？伊利诺伊大学厄巴纳-香槟分校的 Cortney VanHook、匹兹堡大学的 Daniel Abusuampeh 和辛辛那提大学的 Jordan Pollard 共同领导了一项研究，他们创建了一个新颖的框架，通过模拟一个虚拟客户的求助历程，展示了生成式AI在分析护理障碍、制定个性化治疗方案以及培训专业人员方面的巨大潜力。

研究团队使用生成式人工智能为一个虚构的客户——24岁的黑人软件开发人员马库斯·约翰逊（Marcus Johnson）——创建了详细的案例研究。在模拟过程中，AI被引导整合三个经典的循证框架：安德森行为模型、服务可及性五维度理论以及基于测量的护理（Measurement Based Care, MBC，一种通过标准化测量持续监控患者症状的临床方法）。该模拟不仅复现了现实世界中影响心理健康服务获取的个人、文化和系统性因素，还生成了个性化的治疗建议。为了确保模拟的临床准确性和文化敏感性，本身就是持证心理健康专家的研究团队对AI生成的所有内容进行了严格审查。研究结果表明，这种方法能够有效地识别服务障碍，并强调了远程医疗、灵活排班和文化能力等干预措施的重要性。更重要的是，该框架为临床医生和学生提供了一个安全的虚拟环境，用于测试和优化治疗策略，从而推动构建更公平、高效的心理健康服务体系。研究发表在 Frontiers in Health Services 上。

#疾病与健康 #预测模型构建 #心理健康与精神疾病 #个性化医疗

阅读更多：

VanHook, Cortney, et al. “Leveraging Generative AI to Simulate Mental Healthcare Access and Utilization.” Frontiers in Health Services, vol. 5, Aug. 2025. Frontiers, https://doi.org/10.3389/frhs.2025.1654106

神经形态嗅觉感知芯片：迈向通用气味识别和认知

如何用电子设备模拟复杂而神秘的人类嗅觉系统是一项重大挑战。Yuxin Zhao、Juan Wang、Shunping Zhang 与 Wenjie Liang 撰写了一篇综述文章，系统阐述了神经形态嗅觉芯片这一前沿领域。该技术受生物嗅觉通路启发，旨在通过融合微纳电子学与人工智能，实现对海量气味的高效、低功耗识别，为机器智能赋予灵敏的“鼻子”。

这篇综述文章系统介绍了神经形态嗅觉芯片如何模拟生物嗅觉系统。其核心在于将微纳电子技术与人工智能深度融合，通过模仿生物嗅觉的组合编码和分布式神经表征，实现高灵敏度、高特异性且低功耗的气味识别。为处理嗅觉感知中高维度的气味信息和复杂的时空编码，研究人员利用了忆阻器和脉冲神经网络。这些技术使芯片能够进行实时、高效的气味处理、学习与识别。该领域的一大突破是将传感、计算和记忆功能集成在同一芯片上，这种设计极大降低了能耗，是迈向高效嗅觉信息处理的关键一步。该技术在环境监测、食品安全、医疗诊断和机器人等领域展现出巨大应用潜力，有望提供便携、无创的气味检测方案。然而，芯片的规模化仍面临材料稳定性、传感器批量生产和算法鲁棒性等挑战。未来的研究将聚焦于生物混合材料、多尺度异构芯片架构和更先进的脑启发算法。研究发表在 Nature Reviews Electrical Engineering 上。

#神经科学 #计算模型与人工智能模拟 #神经形态计算 #传感器

阅读更多：

Zhao, Yuxin, et al. “Neuromorphic Olfactory Perception Chips: Towards Universal Odour Recognition and Cognition.” Nature Reviews Electrical Engineering, Oct. 2025, pp. 1–18. www.nature.com, https://doi.org/10.1038/s44287-025-00214-1

利用连续小波变换和深度学习方法解码脑电信号的隐蔽视觉注意力

如何让无法控制眼球运动的患者也能使用脑机接口？关键在于解码大脑的“隐蔽视觉注意力”。Hoda Hazrati和Mohammad Reza Daliri提出了一种结合连续小波变换和深度学习的新框架，无需复杂的人工特征提取，即可高效、准确地从脑电信号中解读用户的注意力焦点，为开发更先进的脑机接口提供了新途径。

该研究的核心是将脑电图信号处理与先进的深度学习技术相结合。研究人员首先记录了10名健康参与者在执行空间注意力和特征注意力任务时的脑电数据。与直接分析原始脑电波形不同，他们采用连续小波变换（Continuous Wavelet Transform, CWT，一种能同时展示信号在时间和频率维度上能量分布的技术）将一维的脑电信号转化为二维的时频图像。这种表示方法能够更丰富地捕捉与注意力相关的神经活动模式。随后，这些时频图被输入到多个深度神经网络模型中进行端到端训练和分类。结果显示，这种方法性能卓越：其中一个名为ShallowConvNet的模型在区分两种注意力状态的二分类任务中准确率达到了100%，在更复杂的四分类任务中也超过了90%。这一成果证明，深度学习模型能自动从CWT表征中学习到有效的判别性特征，其性能远超传统方法，为开发实时、高效的注意力解码系统奠定了坚实基础。研究发表在 Scientific Reports 上。

#意识与脑机接口 #大脑信号解析 #深度学习 #脑电图

阅读更多：

Hazrati, Hoda, and Mohammad Reza Daliri. “Decoding Covert Visual Attention of Electroencephalography Signals Using Continuous Wavelet Transform and Deep Learning Approach.” Scientific Reports, vol. 15, no. 1, Oct. 2025, p. 37503. www.nature.com, https://doi.org/10.1038/s41598-025-21635-w.

CoSpine：首个开放获取的皮质-脊髓同步fMRI数据库

由于同步采集大脑和脊髓的功能磁共振成像信号面临巨大技术挑战，相关公共数据库长期缺失，限制了对中枢神经系统整体功能的研究。为填补这一空白，Zhaoxing Wei、Xiaomin Lin、Leiyao Zhang及同事们合作开发并发布了CoSpine数据库，这是首个开放获取的、包含热痛和运动任务的皮质-脊髓同步fMRI资源，为相关领域的研究提供了宝贵数据。

研究团队设计了一种优化的单视野（single-field-of-view, FOV）成像方案，成功实现了对全脑和颈段脊髓活动的同时无创观测。他们招募了61名健康参与者，在执行热痛觉刺激和自主运动任务时，采集了高质量的功能磁共振成像数据。整个数据集，包括原始图像、生理记录和事件文件，均按照国际通行的脑成像数据结构（Brain Imaging Data Structure, BIDS）标准进行整理，确保了数据的可复用性和透明度。为保证数据质量，团队还提供了一套优化的采集与预处理流程，并通过时间信噪比（temporal signal-to-noise ratio）等指标验证了其稳定性和精确性。这项工作成功构建了CoSpine数据库，这是全球首个开放获取的、基于任务的皮质-脊髓同步fMRI资源，直接解决了该领域因技术复杂性而长期缺乏公共数据的困境。分析结果证实，该数据能够可靠地检测到由疼痛和运动任务诱发的皮质及脊髓神经活动。CoSpine数据库的发布，为神经影像分析方法、人工智能模型开发、神经退行性疾病研究以及涉及脊髓活动的脑机接口系统开发等前沿探索铺平了道路。研究发表在 Scientific Data 上。

#疾病与健康 #神经机制与脑功能解析 #fMRI #数据库

阅读更多：

Wei, Zhaoxing, et al. “CoSpine Open Access Simultaneous Cortico-Spinal fMRI Database of Thermal Pain and Motor Tasks.” Scientific Data, vol. 12, no. 1, Oct. 2025, p. 1696. www.nature.com, https://doi.org/10.1038/s41597-025-05982-x