█腦科學(xué)動態(tài)

Nature：KRAS抑制劑耐藥新機制：癌細(xì)胞竟靠吃掉線粒體求生

大腦也有“身份證”：超三萬份腦掃描揭示個體特異性神經(jīng)條形碼

單個基因GRIN2A突變可直接導(dǎo)致早發(fā)性精神疾病

Jaxley軟件革新大腦模擬：結(jié)合生物保真度與認(rèn)知任務(wù)

來自運動小鼠的囊泡可促進(jìn)久坐小鼠的海馬神經(jīng)發(fā)生

大腦如何學(xué)習(xí)新規(guī)則？神經(jīng)元活動序列的動態(tài)重組是關(guān)鍵

血壓計正?！俅竽X無恙：高血壓的“隱形”損傷始于細(xì)胞層面

█AI行業(yè)動態(tài)

盛大團(tuán)隊推出開源記憶系統(tǒng)EverMemOS，賦予AI持久“靈魂”

ICLR 2026審稿風(fēng)波：超兩成評審意見疑為AI生成

谷歌Gemini 3“超前點映”技驚四座，巴菲特斥資305億重倉Alphabet

█AI驅(qū)動科學(xué)

Science：臨床級磁性微型機器人問世，可于血管內(nèi)精準(zhǔn)導(dǎo)航送藥

AI“牛頓”誕生：北大團(tuán)隊新系統(tǒng)僅憑數(shù)據(jù)自主發(fā)現(xiàn)物理定律

為何AI對話依然聽起來很假？新研究揭示大語言模型的模仿缺陷

CURENet：融合多模態(tài)電子病歷，AI模型預(yù)測慢性病準(zhǔn)確率超94%

腦科學(xué)動態(tài)

Nature：KRAS抑制劑耐藥新機制：癌細(xì)胞竟靠吃掉線粒體求生

細(xì)胞如何感知營養(yǎng)變化并調(diào)整自身狀態(tài)，以及癌細(xì)胞如何產(chǎn)生耐藥性，是生命科學(xué)的核心問題。復(fù)旦大學(xué)上海醫(yī)學(xué)院的雷群英團(tuán)隊，發(fā)現(xiàn)核心代謝物乙酰輔酶A（AcCoA）扮演著關(guān)鍵的信號分子角色，通過一種全新機制調(diào)控線粒體自噬，并揭示了禁食與癌癥耐藥之間復(fù)雜的聯(lián)系。

該研究發(fā)現(xiàn)，當(dāng)細(xì)胞經(jīng)歷短期禁食或受到某些藥物（如KRAS抑制劑）影響時，細(xì)胞質(zhì)中的乙酰輔酶A（Acetyl-Coenzyme A， AcCoA）水平會下降，進(jìn)而觸發(fā)一種保護(hù)性機制——線粒體自噬（mitophagy，細(xì)胞選擇性地清除受損或多余的線粒體）。通過全基因組CRISPR篩選，團(tuán)隊鎖定了一個關(guān)鍵蛋白——定位于線粒體的NOD樣受體NLRX1。機制研究表明，NLRX1是AcCoA的直接感受器。當(dāng)AcCoA充足時，它會結(jié)合NLRX1并使其處于“關(guān)閉”的自抑制狀態(tài)；一旦AcCoA水平下降，NLRX1則被“開啟”，啟動線粒體自噬程序。這一發(fā)現(xiàn)在饑餓小鼠模型中也得到了驗證。更重要的是，這一機制解釋了部分癌癥的耐藥性成因：KRAS抑制劑會降低癌細(xì)胞內(nèi)的AcCoA，無意中激活了這種保護(hù)性自噬，幫助癌細(xì)胞存活下來。而在細(xì)胞和動物模型中抑制NLRX1，則能顯著增強KRAS抑制劑的抗腫瘤效果。這一發(fā)現(xiàn)提示，禁食對于癌癥治療可能是把雙刃劍，同時也為克服靶向治療耐藥性提供了新的靶點。研究發(fā)表在 Nature 上。

閱讀更多：

Zhang, Yifan, et al. “Cytosolic Acetyl-Coenzyme A Is a Signalling Metabolite to Control Mitophagy.” Nature, Nov. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09745-x

大腦也有“身份證”：超三萬份腦掃描揭示個體特異性神經(jīng)條形碼

為何人與人之間在思維和行為上存在巨大差異？北京師范大學(xué)和中國科學(xué)院的 Xiaohan Tian, Yingjie Peng, Bing Liu 等研究人員將目光從傳統(tǒng)的大腦區(qū)域間“對話”轉(zhuǎn)向了區(qū)域內(nèi)部的“獨白”。他們通過分析超大規(guī)模腦成像數(shù)據(jù)，首次揭示了單個腦區(qū)內(nèi)部的活動模式能像“條形碼”一樣穩(wěn)定地標(biāo)記個體，并與物質(zhì)使用、認(rèn)知能力等復(fù)雜特征緊密相關(guān)。

?研究框架。Credit: Nature Human Behaviour (2025).

該研究整合了四個大型神經(jīng)影像隊列，分析了超過三萬名年齡跨度巨大的被試（8-82歲）的靜息態(tài)腦掃描數(shù)據(jù)。研究團(tuán)隊從271個腦區(qū)中提取了約5000個描述其內(nèi)部活動隨時間變化的動態(tài)特征，并從中篩選出一個高度穩(wěn)定且具有個體特異性的特征組合，稱之為“神經(jīng)條形碼”。分析發(fā)現(xiàn)，這些“條形碼”能有效預(yù)測個體的行為與認(rèn)知。具體而言，感覺處理相關(guān)腦區(qū)（單峰區(qū)域，unimodal regions）中特定的非線性活動模式與物質(zhì)使用傾向相關(guān)聯(lián)；而負(fù)責(zé)決策和推理等高級功能的腦區(qū)（高階網(wǎng)絡(luò)，higher-order networks）中緩慢、漸變的隨機游走動態(tài)則預(yù)示著更強的一般認(rèn)知能力。這項研究的重大突破在于，其發(fā)現(xiàn)的腦-行為關(guān)聯(lián)模式具有高度普適性，在不同年齡段和人群中均得到驗證。研究發(fā)表在 Nature Human Behaviour 上。

閱讀更多：

Tian, Xiaohan, et al. “Spontaneous Brain Regional Dynamics Contribute to Generalizable Brain–Behaviour Associations.” Nature Human Behaviour, Oct. 2025, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41562-025-02332-0

單個基因GRIN2A突變可直接導(dǎo)致早發(fā)性精神疾病

精神疾病的成因復(fù)雜，通常被認(rèn)為是多基因共同作用的結(jié)果。為探究單基因在其中的作用，德國萊比錫大學(xué)醫(yī)學(xué)中心的 Johannes Lemke 與海德堡大學(xué)醫(yī)院的 Steffen Syrbe 等研究人員合作，通過分析全球GRIN2A基因變異患者注冊庫的數(shù)據(jù)，首次證實GRIN2A基因的特定突變可單獨導(dǎo)致早發(fā)性精神分裂癥等多種精神疾病，并提出了潛在的精準(zhǔn)治療方案。

該研究分析了全球注冊庫中235名攜帶GRIN2A基因致病性變異個體的臨床數(shù)據(jù)。研究人員發(fā)現(xiàn)，攜帶GRIN2A無義突變（GRIN2Anull，即導(dǎo)致蛋白質(zhì)功能喪失的突變）的個體，患精神分裂癥等多種精神疾病的風(fēng)險顯著高于普通人群。一個引人注目的發(fā)現(xiàn)是，這些精神疾病的發(fā)病時間非常早，通常在兒童期或青少年期就已出現(xiàn)，這與傳統(tǒng)精神疾病多在成年后發(fā)病的模式截然不同。更重要的是，部分患者僅表現(xiàn)出孤立的精神癥狀，而沒有伴隨該基因突變常見的癲癇或智力障礙。從機制上看，這些突變導(dǎo)致了NMDA受體（N-methyl-D-aspartate receptor，一種在大腦信號傳遞中起關(guān)鍵作用的谷氨酸受體）的活性降低。基于此，研究團(tuán)隊對四名患者嘗試使用L-絲氨酸（一種能激活NMDA受體的膳食補充劑）進(jìn)行治療，觀察到所有患者的神經(jīng)精神癥狀均有明顯改善，為開發(fā)靶向該通路的精準(zhǔn)療法帶來了希望。研究發(fā)表在 Molecular Psychiatry 上。

閱讀更多：

Lemke, Johannes R., et al. “GRIN2A Null Variants Confer a High Risk for Early-Onset Schizophrenia and Other Mental Disorders and Potentially Enable Precision Therapy.” Molecular Psychiatry, Oct. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41380-025-03279-4

Jaxley軟件革新大腦模擬：結(jié)合生物保真度與認(rèn)知任務(wù)

如何構(gòu)建既能精確模擬大腦運作又能完成復(fù)雜任務(wù)的計算機模型，一直是神經(jīng)科學(xué)領(lǐng)域的難題。德國蒂賓根大學(xué)的Michael Deistler和Jakob H. Macke等研究人員，為此開發(fā)了一款名為Jaxley的新軟件。它首次成功地讓高度逼真的大腦模擬模型學(xué)會了執(zhí)行圖像分類等認(rèn)知任務(wù)，彌合了生物細(xì)節(jié)與計算功能之間的鴻溝。

?可微分模擬能夠訓(xùn)練生物物理神經(jīng)元模型。Credit: Nature Methods (2025).

該研究的核心是開發(fā)了Jaxley軟件，它將深度學(xué)習(xí)中的訓(xùn)練方法應(yīng)用于復(fù)雜的生物物理神經(jīng)元模型。研究團(tuán)隊利用可微分模擬技術(shù)，通過誤差反向傳播算法和GPU加速，對模型中成千上萬個無法直接測量的參數(shù)（如離子通道電導(dǎo)、突觸強度等）進(jìn)行梯度下降優(yōu)化。這意味著軟件可以像訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)一樣，反復(fù)“微調(diào)”這個虛擬大腦，直到其行為能夠匹配真實的生理數(shù)據(jù)，或成功解決一項給定的認(rèn)知任務(wù)。實驗證明，Jaxley能夠訓(xùn)練一個包含十萬個參數(shù)、由形態(tài)學(xué)精細(xì)神經(jīng)元組成的網(wǎng)絡(luò)來解決計算機視覺任務(wù)，其優(yōu)化效率比傳統(tǒng)方法高出幾個數(shù)量級。這一突破使得構(gòu)建大規(guī)模、數(shù)據(jù)驅(qū)動且具備任務(wù)執(zhí)行能力的生物物理模型成為可能，為深入研究神經(jīng)計算的細(xì)胞機制開辟了新途徑。研究發(fā)表在 Nature Methods 上。

閱讀更多：

Deistler, Michael, et al. “Jaxley: Differentiable Simulation Enables Large-Scale Training of Detailed Biophysical Models of Neural dynamicsJaxley.” Nature Methods, Nov. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41592-025-02895-w

來自運動小鼠的囊泡可促進(jìn)久坐小鼠的海馬神經(jīng)發(fā)生

運動如何有益大腦，其益處能否被“傳遞”？伊利諾伊大學(xué)厄巴納-香檳分校的 Meghan G. Connolly, Justin S. Rhodes 等研究人員對此展開研究，他們發(fā)現(xiàn)，運動時血液中釋放的微小“信使”——細(xì)胞外囊泡，能將運動對大腦的好處直接傳遞給不運動的個體，為神經(jīng)退行性疾病的治療開辟了新思路。

?運動后腦刺激（ExerVs）促進(jìn)了成年海馬神經(jīng)發(fā)生。Credit: Brain Research (2025).

研究團(tuán)隊從進(jìn)行了四周滾輪運動的小鼠和久坐的對照組小鼠血漿中，分離出被稱為細(xì)胞外囊泡（extracellular vesicles, EVs，它們是細(xì)胞間傳遞信號的微小囊泡，可以攜帶蛋白質(zhì)和核酸等物質(zhì)穿越血腦屏障）的物質(zhì)。隨后，他們將這些囊泡注射給從不運動的健康小鼠。結(jié)果顯示，接受了來自運動小鼠囊泡（ExerV）的組別，其大腦中負(fù)責(zé)學(xué)習(xí)與記憶的海馬體區(qū)域，新生神經(jīng)元的數(shù)量比接受安慰劑或久坐小鼠囊泡的組別高出約50%。這些新生細(xì)胞中絕大多數(shù)（約89%）都分化成了功能性神經(jīng)元。值得注意的是，這一顯著的神經(jīng)發(fā)生（neurogenesis）效應(yīng)是在海馬區(qū)血管結(jié)構(gòu)未發(fā)生改變的情況下實現(xiàn)的，這表明運動囊泡通過直接的信號通路刺激了神經(jīng)元再生。這項研究證明，運動的益處可以被打包進(jìn)囊泡中進(jìn)行傳遞，未來有望開發(fā)出模擬運動效果的“液體療法”，用于對抗阿爾茨海默病、抑郁癥等與海馬萎縮相關(guān)的疾病。研究發(fā)表在 Brain Research 上。

閱讀更多：

Connolly, Meghan G., et al. “Exercise-Induced Plasma-Derived Extracellular Vesicles Increase Adult Hippocampal Neurogenesis.” Brain Research, vol. 1869, Dec. 2025, p. 150003. ScienceDirect, https://doi.org/10.1016/j.brainres.2025.150003

大腦如何學(xué)習(xí)新規(guī)則？神經(jīng)元活動序列的動態(tài)重組是關(guān)鍵

我們?nèi)绾螌W(xué)習(xí)并遵循從交通規(guī)則到食譜的各種程序？日本富山大學(xué)的Shuntaro Ohno, Masanori Nomoto和Kaoru Inokuchi團(tuán)隊通過研究小鼠學(xué)習(xí)任務(wù)，揭示了大腦學(xué)習(xí)規(guī)則的神經(jīng)機制。他們發(fā)現(xiàn)，程序性規(guī)則并非以靜態(tài)模板存儲，而是以內(nèi)側(cè)前額葉皮層中動態(tài)重組的神經(jīng)元活動序列來編碼。

?可視化小鼠在不同學(xué)習(xí)階段（從新手（第 1-2 天）到專家（第 6 天））成功和失敗獲取獎勵過程中內(nèi)側(cè)前額葉皮層的序列神經(jīng)元活動。主成分分析揭示了成功嘗試前獨特的神經(jīng)軌跡模式，突顯了動態(tài)活動序列如何編碼行為結(jié)果和學(xué)習(xí)效率。Credit: Dr. Shuntaro Ohno, Dr. Masanori Nomoto, and Professor Kaoru Inokuchi

研究團(tuán)隊利用鈣成像技術(shù)，實時監(jiān)測小鼠在學(xué)習(xí)Y型迷宮任務(wù)時其內(nèi)側(cè)前額葉皮層的神經(jīng)元活動。為了解析這些復(fù)雜的數(shù)據(jù)，他們開發(fā)了一種名為iSeq的新型計算工具，能夠自動識別出持續(xù)數(shù)秒的有序神經(jīng)激活模式，即神經(jīng)元序列。實驗發(fā)現(xiàn)，隨著小鼠從新手成長為專家，其大腦中的神經(jīng)活動模式發(fā)生了顯著變化。在學(xué)習(xí)初期，神經(jīng)元序列的預(yù)測性不強；但當(dāng)小鼠熟練掌握規(guī)則后，特定的序列動態(tài)能在其行動前就預(yù)示本次嘗試能否成功獲得獎勵。更重要的是，構(gòu)成這些關(guān)鍵序列的神經(jīng)元細(xì)胞集合在數(shù)天的訓(xùn)練中不斷變化和重組。這一發(fā)現(xiàn)顛覆了規(guī)則被存儲為固定神經(jīng)回路的傳統(tǒng)看法，證明大腦通過靈活地重塑神經(jīng)活動模式，將成功的行為與獎勵結(jié)果高效地關(guān)聯(lián)起來，從而實現(xiàn)學(xué)習(xí)與適應(yīng)。研究發(fā)表在 Molecular Brain 上。

閱讀更多：

Ohno, Shuntaro, et al. “The Medial Prefrontal Cortex Encodes Procedural Rules as Sequential Neuronal Activity Dynamics.” Molecular Brain, vol. 18, no. 1, July 2025, p. 56. BioMed Central, https://doi.org/10.1186/s13041-025-01230-w

血壓計正?！俅竽X無恙：高血壓的“隱形”損傷始于細(xì)胞層面

高血壓是認(rèn)知障礙的主要風(fēng)險因素，但其早期分子機制尚不明確。威爾康奈爾醫(yī)學(xué)院的 Costantino Iadecola, Anthony Pacholko 等研究人員，通過一項臨床前研究發(fā)現(xiàn)，高血壓在引發(fā)可測量的血壓升高之前，就已通過血管緊張素II信號通路損害特定腦細(xì)胞，揭示了其對認(rèn)知功能影響的早期分子基礎(chǔ)。

?圖文摘要。Credit: Neuron (2025).

研究團(tuán)隊通過給小鼠注射血管緊張素II（angiotensin II，一種與人類高血壓相關(guān)的激素）來模擬高血壓病程，并利用單細(xì)胞RNA測序技術(shù)，在分子層面分析了大腦新皮層細(xì)胞的變化。研究結(jié)果令人驚訝：在誘導(dǎo)高血壓僅3天后，遠(yuǎn)在血壓計讀數(shù)升高之前，大腦中的基因表達(dá)就已發(fā)生劇烈改變。這些早期變化并非由物理壓力引起，而是由血管緊張素II信號直接驅(qū)動。研究發(fā)現(xiàn)，內(nèi)皮細(xì)胞（endothelial cells）、中間神經(jīng)元（interneurons）和少突膠質(zhì)細(xì)胞（oligodendrocytes）這三類細(xì)胞最早受損，分別表現(xiàn)出過早衰老、神經(jīng)元網(wǎng)絡(luò)失衡和髓鞘維持功能受損的跡象。到第42天，當(dāng)小鼠出現(xiàn)認(rèn)知能力下降時，這些早期的細(xì)胞損傷已發(fā)展為髓鞘形成和軸突傳導(dǎo)的顯著缺陷。實驗還表明，降壓藥氯沙坦可以逆轉(zhuǎn)部分早期細(xì)胞損傷，為未來開發(fā)兼具降壓和“保腦”功能的藥物提供了新方向。研究發(fā)表在 Neuron 上。

閱讀更多：

Schaeffer, Samantha M., et al. “Hypertension-Induced Neurovascular and Cognitive Dysfunction at Single-Cell Resolution.” Neuron, vol. 0, no. 0, Nov. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.10.018

AI 行業(yè)動態(tài)

盛大團(tuán)隊推出開源記憶系統(tǒng)EverMemOS，賦予AI持久“靈魂”

近日，來自盛大集團(tuán)的 EverMind 團(tuán)隊正式發(fā)布其旗艦產(chǎn)品 EverMemOS，這是一個面向人工智能智能體的世界級長期記憶操作系統(tǒng)。研究人員指出，受限于大型語言模型固定的上下文窗口，AI 在長時程任務(wù)中普遍存在“失憶”問題，這成為了人工智能從“工具”走向“智能體”的關(guān)鍵演化桎梏。一個強大的記憶系統(tǒng)是實現(xiàn)深度個性化、知識一致性和主動性的前提。EverMemOS 的核心靈感來源于人類大腦的記憶機制，與盛大創(chuàng)始人陳天橋長期以來在腦科學(xué)與人工智能融合研究中的愿景一脈相承，旨在讓 AI 擁有“時間結(jié)構(gòu)”的連續(xù)性，而非當(dāng)前 AI 所依賴的“空間結(jié)構(gòu)”的瞬時快照?；趧?chuàng)新的生物“印跡”（Engram，指記憶存儲在大腦中的物理痕跡）啟發(fā)式記憶提取技術(shù)，EverMemOS 在主流長期記憶評測集 LoCoMo 和 LongMemEval-S 上表現(xiàn)出色，成績顯著超越了此前的 SOTA（State-of-the-Art，指在特定評測集上當(dāng)前最佳的性能表現(xiàn)）水平，樹立了新的行業(yè)標(biāo)桿。

EverMemOS 突破了傳統(tǒng)記憶系統(tǒng)“碎片化”的局限，是業(yè)內(nèi)首個真正能同時支持一對一陪伴對話與復(fù)雜企業(yè)多人協(xié)作場景的記憶系統(tǒng)。其設(shè)計受人腦啟發(fā)，采用了創(chuàng)新性的四層架構(gòu)：負(fù)責(zé)任務(wù)分解的代理層（Agentic Layer），管理長期存儲的記憶層（Memory Layer），實現(xiàn)關(guān)聯(lián)與高效檢索的索引層（Index Layer），以及連接外部應(yīng)用的接口層。該系統(tǒng)的三大特點在于，它不僅僅是一個記憶“數(shù)據(jù)庫”，更是一個主動影響模型思考和回應(yīng)的“記憶處理器”；其次，它實現(xiàn)了分層記憶提取和動態(tài)組織，將語義塊提取為情景記憶單元（Situation Memory Units），解決了純文本檢索難以捕捉隱性上下文的難題；最后，EverMemOS 提供了業(yè)界首個可拓展的模塊化記憶框架，能夠智能地適應(yīng)不同場景下的記憶需求。目前，EverMind 團(tuán)隊已在 GitHub 上開放了 EverMemOS 的開源版本供開發(fā)者試用，并計劃于今年晚些時候發(fā)布云服務(wù)版本，致力于塑造未來智能體的數(shù)據(jù)基礎(chǔ)設(shè)施。

閱讀更多：

https://github.com/EverMind-AI/EverMemOS/

ICLR 2026審稿風(fēng)波：超兩成評審意見疑為AI生成，官方緊急回應(yīng)

國際頂級機器學(xué)習(xí)會議 ICLR 2026 近日陷入一場關(guān)于學(xué)術(shù)誠信的風(fēng)波。第三方科技公司潘格拉姆實驗室（Pangram Labs）發(fā)布的一項統(tǒng)計分析顯示，在對超過75000份審稿意見的檢測中，高達(dá)21%被標(biāo)記為完全由人工智能生成，另有13%的意見經(jīng)過了中度到重度的AI編輯，而完全由人類撰寫的比例僅為43%。該研究由專門檢測AI生成內(nèi)容的公司進(jìn)行，他們發(fā)現(xiàn)AI生成的評審意見普遍篇幅更長，并且給出的分?jǐn)?shù)平均高出0.3分。有趣的是，該分析還指出，盡管有39%的投稿論文使用了AI作為寫作輔助，但AI使用程度越高的論文，其獲得的平均得分反而越低，形成鮮明對比。

為了保證檢測的準(zhǔn)確性，潘格拉姆實驗室的研究人員針對較短的評審文本專門使用了名為 EditLens 的新模型，并通過在 ICLR 2022（當(dāng)時大語言模型尚未普及）的數(shù)據(jù)上進(jìn)行測試，證實了其極低的誤報率。這一發(fā)現(xiàn)迅速在學(xué)術(shù)社區(qū)引發(fā)熱烈討論，有審稿人現(xiàn)身說法，稱自己評審的論文收到的低分意見恰好被標(biāo)記為AI生成。面對日益發(fā)酵的爭議，ICLR 2026 官方迅速做出回應(yīng)，表示已注意到低質(zhì)量及AI生成的評審，正在討論適當(dāng)?shù)膽?yīng)對措施，并敦促論文作者向所在領(lǐng)域的領(lǐng)域主席（Area Chairs (AC)，負(fù)責(zé)管理特定研究領(lǐng)域論文評審的資深研究人員）舉報此類問題。社區(qū)則呼吁采取更嚴(yán)厲的措施，例如將使用AI代寫評審的審稿人認(rèn)定為“未履行職責(zé)”并拒絕其投稿。

閱讀更多：

https://iclr.pangram.com/submissions

谷歌Gemini 3“超前點映”技驚四座，巴菲特斥資305億重倉Alphabet

Google 的下一代多模態(tài)模型 Gemini 3 盡管尚未正式發(fā)布，但其“超前點映”版本已通過特定應(yīng)用和第三方平臺悄然上線，并展示出令人震驚的能力。研究人員和用戶反饋顯示，Gemini 3 在處理復(fù)雜的多模態(tài)和交互任務(wù)上表現(xiàn)卓越。例如，它可以輕松將不同游戲元素縫合，在網(wǎng)頁上創(chuàng)建出《我的世界》（Minecraft）風(fēng)格的塔防游戲；或者通過生成可交互的 SVG動畫，在網(wǎng)頁中實現(xiàn)帶有屏幕模擬功能的 Switch 游戲機。模型在圖形繪制方面的進(jìn)步尤其顯著，能夠設(shè)計出視覺效果優(yōu)美的“新粗野風(fēng)格”網(wǎng)頁，并支持復(fù)雜的交互功能，如網(wǎng)頁版風(fēng)扇的風(fēng)速調(diào)節(jié)。這些強大的表現(xiàn)吸引了廣泛關(guān)注，甚至得到了 Google 首席執(zhí)行官 Sundar Pichai 的轉(zhuǎn)發(fā)認(rèn)可。

Gemini 3 的超前性能不僅在技術(shù)圈引起轟動，更在投資界產(chǎn)生了巨大影響。股神 Warren Buffett 領(lǐng)導(dǎo)的伯克希爾·哈撒韋公司披露，已重磅加倉 Alphabet（Google 的母公司），斥資43億美元（約305億人民幣），使其成為集團(tuán)第十大最有價值的持股。這一舉動意義非凡，因為 Buffett 在過去一年多以來一直對 AI 投資持謹(jǐn)慎回避態(tài)度，傾向于非科技領(lǐng)域的穩(wěn)定投資。據(jù)傳，正是 Gemini 3 在一次演示中成功、快速地完成了一個復(fù)雜的 Python 到 Rust 語言遷移任務(wù)，促使 Buffett 做出了重倉的決定。自 ChatGPT 問世以來，Google 曾被認(rèn)為在 AI 競賽中略慢一步，但該公司正憑借其全棧優(yōu)勢（指公司具備從硬件、基礎(chǔ)設(shè)施到模型研發(fā)和應(yīng)用分發(fā)全鏈條能力）加速追趕，AI 需求的爆發(fā)已顯著推動其云業(yè)務(wù)增長，并增強了其廣告業(yè)務(wù)的盈利能力。此外，有消息透露，除了 Gemini 3 之外，Google 預(yù)計在本周還將發(fā)布 Nano Banana 2 等其他模型。

閱讀更多：

https://www.businessinsider.com/gemini-3-launch-google-ai-race-chatgpt-2025-11

AI 驅(qū)動科學(xué)

Science：臨床級磁性微型機器人問世，可于血管內(nèi)精準(zhǔn)導(dǎo)航送藥

全身性給藥常因嚴(yán)重的脫靶副作用限制其療效。為解決此問題，蘇黎世聯(lián)邦理工學(xué)院（ETH）的 Bradley Nelson, Fabian C. Landers 及其團(tuán)隊開發(fā)了一款臨床級的磁性微型機器人平臺。這項研究歷時二十年，成功整合了導(dǎo)航、成像與藥物釋放技術(shù)，實現(xiàn)了在血管內(nèi)對藥物進(jìn)行精準(zhǔn)靶向遞送，有望大幅降低治療的毒副作用。

該研究的核心是一個沙粒大小（直徑約1.69毫米）的球形微型機器人，由美國FDA批準(zhǔn)的明膠基質(zhì)、氧化鐵納米顆粒（用于磁響應(yīng)和產(chǎn)熱）、鉭納米顆粒（用于X射線顯影）和治療藥物構(gòu)成。研究團(tuán)隊建立了一個集成的模塊化平臺，利用雙Navion電磁導(dǎo)航系統(tǒng)產(chǎn)生強大磁場，引導(dǎo)機器人在血管內(nèi)穿行。機器人具備三種導(dǎo)航模式，可在血管壁上滾動，或在高速血流中逆流而上（upstream navigation），甚至在血管分叉口進(jìn)行精確選擇。到達(dá)病灶后，一個高頻磁場會激發(fā)機器人內(nèi)的氧化鐵顆粒產(chǎn)熱，在40秒內(nèi)融化明膠外殼，實現(xiàn)藥物的定時定點釋放。在仿生血管模型的實驗中，攜帶溶栓藥物重組組織纖溶酶原激活劑（rtPA）的機器人成功抵達(dá)血栓處，并在19分鐘內(nèi)使其基本溶解。在豬和羊的大型動物實驗中，團(tuán)隊成功將機器人導(dǎo)航至面部動脈、舌動脈甚至大腦第四腦室，驗證了其臨床應(yīng)用潛力。研究發(fā)表在 Science 上。

閱讀更多：

Landers, Fabian C., et al. “Clinically Ready Magnetic Microrobots for Targeted Therapies.” Science, vol. 390, no. 6774, Nov. 2025, pp. 710–15. science.org (Atypon), https://doi.org/10.1126/science.adx1708

AI“牛頓”誕生：北大團(tuán)隊新系統(tǒng)僅憑數(shù)據(jù)自主發(fā)現(xiàn)物理定律

面對傳統(tǒng)科學(xué)研究的局限性，如何讓AI像真正的科學(xué)家一樣思考和發(fā)現(xiàn)？北京大學(xué)的Ma Yanqing團(tuán)隊為此開發(fā)了一個名為AI-牛頓（AI-Newton）的創(chuàng)新系統(tǒng)。該系統(tǒng)無需任何先驗物理知識，僅從原始實驗數(shù)據(jù)出發(fā)，便能自主推導(dǎo)出牛頓第二定律、萬有引力定律等基本物理規(guī)律，為AI驅(qū)動的自主科學(xué)發(fā)現(xiàn)開辟了新范式。

研究團(tuán)隊的設(shè)計靈感源于人類科學(xué)家的思維方式。AI-牛頓的核心是一個三層知識庫（符號、概念、定律），它從最基本的時空坐標(biāo)數(shù)據(jù)入手，通過自主定義概念（例如速度、加速度）來逐步構(gòu)建復(fù)雜的物理知識體系。該系統(tǒng)巧妙地融合了合情推理（plausible reasoning）與符號回歸（symbolic regression，一種自動尋找數(shù)學(xué)公式來擬合數(shù)據(jù)的技術(shù)），使其能夠像科學(xué)家一樣在海量可能性中尋找簡潔而普適的規(guī)律。在對46個涵蓋從自由落體到復(fù)雜多體系統(tǒng)的模擬牛頓力學(xué)實驗的測試中，AI-牛頓不僅成功“重新發(fā)現(xiàn)”了牛頓第二定律、能量守恒和萬有引力等核心定律，更令人驚訝的是，它還能自主定義出“質(zhì)量”這一關(guān)鍵概念，并從不同實驗中領(lǐng)悟到引力質(zhì)量與慣性質(zhì)量的等價性，展現(xiàn)了強大的抽象能力。

閱讀更多：

Fang, You-Le, et al. “AI-Newton: A Concept-Driven Physical Law Discovery System without Prior Physical Knowledge.” arXiv:2504.01538, arXiv, 2 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.01538

為何AI對話依然聽起來很假？新研究揭示大語言模型的模仿缺陷

為何像ChatGPT這樣的大型語言模型對話時總感覺有些“假”？來自挪威科技大學(xué)、巴塞爾大學(xué)和納沙泰爾大學(xué)的Eric Mayor, Lucas M. Bietti和Adrian Bangerter等研究人員，通過系統(tǒng)性比較AI與人類的口語對話，揭示了當(dāng)前AI在模仿自然交流時的三大核心缺陷：過度模仿、濫用填充詞和社交過渡生硬。

研究團(tuán)隊設(shè)計了兩項實驗。首先，他們將真實的人類電話對話記錄與由GPT-4、Claude等四種主流大型語言模型生成的模擬對話進(jìn)行對比分析。結(jié)果發(fā)現(xiàn)，AI存在明顯的“夸張對齊”（exaggerated alignment，即對談話伙伴的用詞和句式進(jìn)行過度模仿，反而顯得刻意）。其次，AI無法像人類一樣自然地使用“嗯”、“好吧”這類被稱為協(xié)調(diào)標(biāo)記（coordination markers）的詞語，這些詞語在人類對話中起著調(diào)節(jié)節(jié)奏和表達(dá)態(tài)度的重要作用，而AI的誤用則會打斷對話的流暢感。最后，AI在處理對話的開場白和結(jié)尾時顯得尤為笨拙，難以復(fù)制人類從寒暄到正題、再到禮貌告別的微妙社交轉(zhuǎn)換。在第二項實驗中，研究者讓普通人辨別對話來源，結(jié)果顯示大多數(shù)人都能輕松識破AI的“偽裝”。這表明，盡管AI的語法和邏輯已趨于完美，但要真正掌握人類對話的社交精髓仍有很長的路要走。研究發(fā)表在 Cognitive Science 上。

閱讀更多：

Mayor, Eric, et al. “Can Large Language Models Simulate Spoken Human Conversations?” Cognitive Science, vol. 49, no. 9, 2025, p. e70106. Wiley Online Library, https://doi.org/10.1111/cogs.70106

CURENet：融合多模態(tài)電子病歷，AI模型預(yù)測慢性病準(zhǔn)確率超94%

如何有效融合電子健康記錄（EHR）中零散的文本、化驗單和就診歷史以精準(zhǔn)預(yù)測慢性病，是醫(yī)療AI的一大難題。為解決此問題，來自臺灣國立陽明交通大學(xué)、美國史蒂文斯理工學(xué)院及臺灣遠(yuǎn)東紀(jì)念醫(yī)院等機構(gòu)的Cong-Tinh Dao, Feng Liu, Pei-Fu Chen等人，開發(fā)了一款名為CURENet的新型多模態(tài)AI模型，該模型能高效整合異構(gòu)醫(yī)療數(shù)據(jù)，顯著提升了慢性病預(yù)測的準(zhǔn)確性。

CURENet模型的核心在于其創(chuàng)新的跨模態(tài)融合框架。它利用微調(diào)后的大型語言模型，即Medical-LLaMA3-8B，來深度解析非結(jié)構(gòu)化的臨床筆記和文本化的實驗室報告，從中提取豐富的語義信息。與此同時，模型采用了一個基于Transformer的時間序列編碼器，專門用于處理患者的縱向就診記錄。該編碼器不僅關(guān)注就診事件本身，還創(chuàng)新性地將就診時長和兩次就診之間的不規(guī)律時間間隔作為重要特征進(jìn)行建模，從而精確捕捉疾病的動態(tài)發(fā)展模式。研究團(tuán)隊在公開的MIMIC-III和私有的FEMH數(shù)據(jù)集上驗證了CURENet的性能。結(jié)果顯示，該模型在預(yù)測排名前10的慢性病時，多標(biāo)簽分類準(zhǔn)確率超過了94%，比現(xiàn)有的先進(jìn)醫(yī)療AI基線模型高出2-4%。這一成果證明，通過有效整合多源醫(yī)療數(shù)據(jù)，可以構(gòu)建更可靠的臨床預(yù)測工具，為實現(xiàn)精準(zhǔn)醫(yī)療和早期干預(yù)鋪平道路。

閱讀更多：

Dao, Cong-Tinh, et al. “CURENet: Combining Unified Representations for Efficient Chronic Disease Prediction.” arXiv:2511.11423, arXiv, 14 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.11423

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)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(jìn)，不斷探索科學(xué)的邊界。歡迎評論區(qū)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(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)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(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)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(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、、科普視頻媒體「大圓鏡」等。