█ 腦科學(xué)動態(tài)

Nature：顯著性、好壞與重要性：大腦決策的三條獨(dú)立線程

大腦通過“幾何扭轉(zhuǎn)”將感覺轉(zhuǎn)化為知覺

增加日間光照能顯著提升認(rèn)知反應(yīng)速度

小腦竟是精神分裂癥冷漠癥狀的“開關(guān)”

治療抑郁癥新靶點(diǎn)：裸蓋菇素的非致幻性神經(jīng)受體

尾狀核：大腦深處預(yù)測老年衰弱的關(guān)鍵區(qū)域

█ AI行業(yè)動態(tài)

AI寫代碼僅用10天：Anthropic新工具Cowork

追蹤500位老人20年的萬維數(shù)據(jù)現(xiàn)已公開

█ AI驅(qū)動科學(xué)

Nature系列綜述：AI智能體重塑癌癥研究與治療

AI無法取代人類創(chuàng)造力：技能差異被放大而非抹平

機(jī)器人學(xué)會“直覺”抓握：高斯過程回歸實(shí)現(xiàn)小數(shù)據(jù)大靈巧

你的聊天機(jī)器人在撒謊嗎？新框架利用內(nèi)部文檔驗證AI生成的答案

軟技能至關(guān)重要：同理心是提升人機(jī)協(xié)作效率的關(guān)鍵

Yann LeCun團(tuán)隊新作：利用無標(biāo)簽視頻訓(xùn)練通用世界模型

腦科學(xué)動態(tài)

Nature：顯著性、好壞與重要性：大腦決策的三條獨(dú)立線程

面對突如其來的警報聲或誘人的食物，大腦如何在瞬間做出反應(yīng)？Daniel Jercog及其團(tuán)隊（哥本哈根大學(xué)）聯(lián)合國際研究人員，通過對小鼠的研究揭示了大腦處理復(fù)雜環(huán)境線索的機(jī)制。他們發(fā)現(xiàn)，大腦并非將所有信息混合處理，而是像計算機(jī)多線程一樣，通過獨(dú)立的神經(jīng)通道分別評估刺激的不同屬性，從而指導(dǎo)動物做出精準(zhǔn)的行為決策。

? 用于評估顯著性、效價和價值編碼的行為框架和任務(wù)。Credit: Nature (2026).

為了解開這一謎題，研究團(tuán)隊利用鈣成像技術(shù)，實(shí)時監(jiān)測了自由活動小鼠在面對不同刺激時，大腦背內(nèi)側(cè)前額葉皮層的神經(jīng)元活動。研究人員發(fā)現(xiàn)，外部刺激的三個關(guān)鍵特征被分別處理：“顯著性”（salience，即刺激有多引人注目）、“效價”（valence，即刺激是積極還是消極的）以及“價值”（value，即刺激的重要性或激勵程度）。實(shí)驗數(shù)據(jù)顯示，神經(jīng)元群體會沿著正交的信息軸被激活，這意味著這三種信息是在相互獨(dú)立的通道中并行傳輸?shù)?，互不干擾。這種機(jī)制確保了大腦能夠高效地綜合評估環(huán)境信息。研究人員指出，這一發(fā)現(xiàn)對于理解人類心理健康具有重要意義，因為焦慮癥可能與高估威脅有關(guān)，而成癮則涉及高估回報，抑郁癥則可能源于對回報的低估。如果人類前額葉皮層也采用這種分離通道機(jī)制，將為治療相關(guān)精神疾病提供更精準(zhǔn)的靶點(diǎn)。研究發(fā)表在 Nature 上。

#疾病與健康 #跨學(xué)科整合 #再生醫(yī)學(xué) #嵌合體 #先天免疫

閱讀更多：

Winke, Nanci, et al. “Prefrontal Neural Geometry of Learned Cues Guides Motivated Behaviours.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09902-2

大腦通過“幾何扭轉(zhuǎn)”將感覺轉(zhuǎn)化為知覺

我們看到的心理世界往往不同于純粹的物理世界，大腦是如何填補(bǔ)這一鴻溝的？清華大學(xué)心理與認(rèn)知科學(xué)系的劉嘉（Jia Liu）教授團(tuán)隊，包括馬恒（Heng Ma）、蔣龍生（Longsheng Jiang）和劉韜（Tao Liu）等人，通過研究揭示了大腦將物理感覺轉(zhuǎn)化為心理知覺的幾何機(jī)制。他們發(fā)現(xiàn)，大腦通過一種獨(dú)特的“扭轉(zhuǎn)操作”，能夠?qū)⑽锢砩想y以區(qū)分的信息重構(gòu)為清晰的知覺體驗，為理解人類認(rèn)知和優(yōu)化人工智能設(shè)計提供了新視角。

在這項研究中，團(tuán)隊利用運(yùn)動誘發(fā)錯覺輪廓（motion-induced illusory contours）構(gòu)建了一個在物理空間中“線性不可分”的視覺任務(wù)。研究人員記錄了獼猴次級視覺皮層（V2）的神經(jīng)活動，發(fā)現(xiàn)神經(jīng)群體的活動最初處于一個低維的“感覺流形”（sensory manifolds）中，直接反映物理刺激的特征，此時大腦尚無法區(qū)分不同的輪廓朝向。然而，隨著神經(jīng)計算的進(jìn)行，這些神經(jīng)狀態(tài)經(jīng)歷了一系列復(fù)雜的幾何變換——即“扭轉(zhuǎn)操作”（Twist Operation），將表征空間從三維提升到了七維，形成了“知覺流形”（perceptual manifolds）。在這個高維空間中，原本糾纏不清的信息變得可以通過線性方式區(qū)分。進(jìn)一步的人工神經(jīng)網(wǎng)絡(luò)模擬表明，神經(jīng)元具有的非線性混合選擇性（Nonlinear Mixed Selectivity）以及連接權(quán)重的高度異質(zhì)性，是實(shí)現(xiàn)這一“維度升級”和復(fù)雜計算的關(guān)鍵。該研究不僅解釋了知覺涌現(xiàn)的機(jī)制，也指出未來的AI網(wǎng)絡(luò)設(shè)計需要模擬這種生物神經(jīng)系統(tǒng)的異質(zhì)性以提高魯棒性。研究發(fā)表在 Science Advances 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #計算模型與人工智能模擬 #知覺 #神經(jīng)流形

閱讀更多：

Ma, Heng, et al. “From Sensory to Perceptual Manifolds: The Twist of Neural Geometry.” Science Advances, vol. 11, no. 50, Dec. 2025, p. eadv0431. science.org (Atypon), https://doi.org/10.1126/sciadv.adv0431

增加日間光照能顯著提升認(rèn)知反應(yīng)速度

日常光照究竟如何影響我們的大腦工作效率？曼徹斯特大學(xué)（University of Manchester）的Altug Didikoglu及其團(tuán)隊開展了一項開創(chuàng)性的“現(xiàn)實(shí)世界”研究。他們發(fā)現(xiàn)，在日常生活中增加白天的光照暴露，不僅能改善主觀困倦感，還能顯著提升認(rèn)知能力的多個方面，包括注意力和反應(yīng)速度。

該研究共有58名成年人參與，在為期七天的日常生活中，他們佩戴了特殊的手腕式光照監(jiān)測器（Spectrawear）來記錄環(huán)境光照對生物鐘的影響，并通過一款名為Brightertime的智能手機(jī)應(yīng)用程序進(jìn)行認(rèn)知測試。研究人員發(fā)現(xiàn)，與昏暗環(huán)境相比，參與者在明亮光線下的反應(yīng)速度提高了7-10%，且在維持集中注意力方面表現(xiàn)更好。此外，一周內(nèi)光照模式更穩(wěn)定、白天光照更充足的參與者，其視覺搜索和工作記憶能力也更強(qiáng)。這種影響被認(rèn)為與視網(wǎng)膜中含有黑視素的內(nèi)在光敏視網(wǎng)膜神經(jīng)節(jié)細(xì)胞（ipRGC）系統(tǒng)的激活有關(guān)，該系統(tǒng)負(fù)責(zé)調(diào)節(jié)晝夜節(jié)律和警覺性。研究還指出，相比習(xí)慣晚睡的人，就寢時間較早的人對光照更敏感——早晨的強(qiáng)光能更有效地喚醒他們，而夜晚的昏暗光線則更容易引發(fā)困意。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #健康管理與壽命延長 #光照 #晝夜節(jié)律

閱讀更多：

Didikoglu, Altug, et al. “Relationships between Light Exposure and Aspects of Cognitive Function in Everyday Life.” Communications Psychology, vol. 4, no. 1, Dec. 2025, p. 5. www.nature.com, https://doi.org/10.1038/s44271-025-00373-9

小腦竟是精神分裂癥冷漠癥狀的“開關(guān)”

精神分裂癥患者常面臨一種被稱為“陰性癥狀”的困境，表現(xiàn)為極度冷漠、缺乏動力和社交退縮，這類癥狀往往比幻覺更難治療。日內(nèi)瓦大學(xué)（University of Geneva）的Indrit Bègue及其團(tuán)隊通過一項突破性研究，揭示了常被忽視的小腦在調(diào)節(jié)大腦獎賞系統(tǒng)及控制這些癥狀中的關(guān)鍵作用。

? 小腦與腹側(cè)被蓋區(qū)（VTA）連接示意圖。Credit: Thomas Bolton

研究團(tuán)隊對146名參與者進(jìn)行了長達(dá)9個月的縱向追蹤，并結(jié)合獨(dú)立驗證隊列，利用先進(jìn)的共激活模式分析（Coactivation Pattern analysis，一種能夠捕捉大腦區(qū)域間瞬時動態(tài)功能連接的數(shù)據(jù)驅(qū)動方法）對患者的腦部影像進(jìn)行了深入研究。結(jié)果首次描述了小腦與腹側(cè)被蓋區(qū)（Ventral Tegmental Area，VTA，大腦深處負(fù)責(zé)產(chǎn)生多巴胺的關(guān)鍵獎賞中心）之間存在一種特定的“反向共激活”模式。簡單來說，小腦對VTA的調(diào)節(jié)作用越強(qiáng)，患者的冷漠癥狀就越輕；反之，調(diào)節(jié)減弱則癥狀加重。這一發(fā)現(xiàn)意義重大，因為相比深埋大腦內(nèi)部的VTA，小腦位于顱骨后部表面，極易通過經(jīng)顱磁刺激進(jìn)行干預(yù)。目前，基于該機(jī)制的隨機(jī)對照臨床試驗已經(jīng)展開，有望為治療精神分裂癥頑固的陰性癥狀開辟全新的非侵入性療法。研究發(fā)表在 Biological Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #精神分裂癥 #神經(jīng)調(diào)控 #小腦功能

閱讀更多：

Awada, Jade, et al. “A Longitudinal and Reproducible Anti-Coactivation Pattern Between the Cerebellum and the Ventral Tegmental Area Is Related to Apathy in Schizophrenia.” Biological Psychiatry, vol. 99, no. 2, Jan. 2026, pp. 124–33. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.06.009

治療抑郁癥新靶點(diǎn)：裸蓋菇素的非致幻性神經(jīng)受體

裸蓋菇素雖能有效緩解抑郁，但其致幻副作用一直是臨床普及的“攔路虎”。Sixtine Fleury和Katherine M. Nautiyal（達(dá)特茅斯學(xué)院）團(tuán)隊通過研究發(fā)現(xiàn)了一個關(guān)鍵的神經(jīng)受體，它在不引起幻覺的情況下促進(jìn)了裸蓋菇素的治療效果，為開發(fā)更安全的抗抑郁藥物開辟了新路徑。

? 裸蓋菇素誘導(dǎo)的神經(jīng)活動變化依賴于 5-HT1BR。Credit: Molecular Psychiatry (2025).

該研究利用基因工程小鼠模型，深入剖析了裸蓋菇素在大腦中的作用機(jī)制。研究團(tuán)隊重點(diǎn)關(guān)注了血清素系統(tǒng)，特別是血清素1B受體（5-HT1B）。實(shí)驗中，研究人員通過測量c-Fos（一種即刻早期基因，常作為神經(jīng)元活動的標(biāo)志物）的表達(dá)水平，繪制了全腦神經(jīng)活動圖譜。結(jié)果顯示，雖然血清素2A受體（5-HT2A）是導(dǎo)致幻覺的主要原因，但5-HT1B受體對于裸蓋菇素改善快感缺失和焦慮樣行為至關(guān)重要。值得注意的是，在剔除5-HT1B受體的小鼠中，裸蓋菇素不再產(chǎn)生預(yù)期的抗抑郁效果，但小鼠并未表現(xiàn)出頭部抽搐反應(yīng)（head twitch response，這是動物模型中衡量致幻效果的指標(biāo)），這表明5-HT1B受體并不參與致幻過程。這一發(fā)現(xiàn)意味著，科學(xué)家有望設(shè)計出專門靶向5-HT1B受體的藥物，在保留裸蓋菇素療效的同時，剔除其昂貴且具風(fēng)險的致幻副作用。研究發(fā)表在 Molecular Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #裸蓋菇素 #5-HT1B受體

閱讀更多：

Fleury, Sixtine, and Katherine M. Nautiyal. “The Serotonin 1B Receptor Is Required for Some of the Behavioral Effects of Psilocybin in Mice.” Molecular Psychiatry, Dec. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41380-025-03387-1

尾狀核：大腦深處預(yù)測老年衰弱的關(guān)鍵區(qū)域

握力不僅是肌肉力量的體現(xiàn)，更是衡量老年人身體機(jī)能和大腦健康的窗口。為了探究大腦如何影響身體衰弱，加州大學(xué)河濱分校的Xiaoping Hu教授和Amin Ghaffari博士團(tuán)隊利用先進(jìn)的腦成像技術(shù)，發(fā)現(xiàn)大腦深處的尾狀核（caudate nucleus）是預(yù)測握力的關(guān)鍵區(qū)域，這一發(fā)現(xiàn)為早期檢測和預(yù)防老年衰弱提供了新的神經(jīng)生物學(xué)依據(jù)。

研究團(tuán)隊招募了60名老年人，利用功能性磁共振成像（fMRI）在他們進(jìn)行最大握力測試時實(shí)時記錄大腦活動。為了精準(zhǔn)解析大腦與身體機(jī)能的關(guān)系，研究人員采用了基于連接組的預(yù)測模型（CPM，一種利用全腦功能連接模式來預(yù)測個體行為特征的數(shù)據(jù)驅(qū)動方法），將每位參與者的握力數(shù)據(jù)與其大腦內(nèi)部的通信網(wǎng)絡(luò)圖譜進(jìn)行比對，并對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化以排除性別和肌肉量的干擾。結(jié)果顯示，大腦網(wǎng)絡(luò)活動與握力強(qiáng)弱存在顯著相關(guān)性，其中通常負(fù)責(zé)運(yùn)動管理和決策的尾狀核表現(xiàn)出最強(qiáng)的預(yù)測能力：尾狀核的血流量和連接性越高，個體的握力越強(qiáng)。此外，涉及記憶的海馬尾部和涉及情緒的前扣帶回也顯示出一定關(guān)聯(lián)。這意味著，通過監(jiān)測特定腦區(qū)的神經(jīng)連接，醫(yī)生有望在老年人出現(xiàn)明顯身體衰弱之前就識別出風(fēng)險信號，從而進(jìn)行針對性的干預(yù)。研究發(fā)表在 Frontiers in Neuroscience 上。

#疾病與健康 #健康管理與壽命延長 #神經(jīng)機(jī)制與腦功能解析 #衰弱 #腦科學(xué)

閱讀更多：

Ghaffari, Amin, et al. “Connectome-Based Predictive Modeling of Grip Strength: A Marker of Physical Frailty.” Frontiers in Neuroscience, vol. 19, Dec. 2025. Frontiers, https://doi.org/10.3389/fnins.2025.1697908

AI 行業(yè)動態(tài)

AI寫代碼僅用10天：Anthropic新工具Cowork讓創(chuàng)業(yè)公司“原地蒸發(fā)”

Anthropic近日正式推出了名為Cowork的全新智能體工具，號稱能讓非技術(shù)背景的普通用戶也能像開發(fā)者使用Claude Code一樣高效處理任務(wù)。作為Claude Code的簡化版，Cowork目前以研究預(yù)覽版的形式，向macOS桌面端的Claude Max訂閱者開放。用戶只需授權(quán)該工具訪問特定文件夾，即可通過自然語言指令，指揮AI自主讀取、編輯或創(chuàng)建文件，輕松完成諸如自動整理下載文件夾、從截圖生成電子表格、基于散亂筆記起草報告以及連接Google Calendar生成文檔等復(fù)雜工作。令人咋舌的是，據(jù)Anthropic的研究人員Boris Cherny透露，Cowork的誕生僅耗時一周半，且其全部代碼均由Claude Code自動編寫完成。這一突破性進(jìn)展表明，Anthropic已開始利用AI生成AI的能力，以極低的成本和驚人的速度構(gòu)建用戶端應(yīng)用生態(tài)。

Cowork的橫空出世在科技界和創(chuàng)業(yè)圈引發(fā)了巨大反響。X平臺用戶vibhu分享稱，安裝Cowork后僅用2小時便完成了原本需要2個月的職位描述和營銷策略撰寫工作，這種極端的效率提升讓用戶甚至因“無事可做”而感到驚慌。盡管部分人質(zhì)疑其真實(shí)性，但該工具對創(chuàng)業(yè)公司的沖擊卻是實(shí)打?qū)嵉?。?chuàng)業(yè)者Guohao Li公開表示，由于Cowork的功能直接覆蓋了其產(chǎn)品賽道，導(dǎo)致其項目瞬間失去競爭力，最終不得不選擇開源，這一舉動也得到了Hugging Face聯(lián)合創(chuàng)始人Thomas Wolf的關(guān)注與支持。業(yè)界感嘆，智能體的快速普及正在重塑創(chuàng)業(yè)門檻，現(xiàn)在的科技創(chuàng)業(yè)似乎只需“一個大腦加一張付得起AI賬單的信用卡”。然而，面對AI全權(quán)代理工作帶來的效率飛躍，普通用戶也開始陷入“既比以往更高效，又感覺自己完全沒用”的心理矛盾中。

#Anthropic #Cowork #智能體 #ClaudeCode #AI編程

閱讀更多：

https://claude.com/blog/cowork-research-preview

追蹤500位老人20年的萬維數(shù)據(jù)現(xiàn)已公開

近日，老年學(xué)領(lǐng)域最重要的資源之一——柏林老齡化研究（Berlin Aging Study, BASE）的數(shù)據(jù)集正式向全球研究界開放。該項目由馬克斯·普朗克人類發(fā)展研究所、柏林自由大學(xué)和柏林洪堡大學(xué)等多家頂尖機(jī)構(gòu)合作開展，被視為跨學(xué)科老年學(xué)研究的開創(chuàng)性工程。目前，經(jīng)過處理和標(biāo)準(zhǔn)化的數(shù)據(jù)已托管于萊布尼茨心理學(xué)研究所的研究數(shù)據(jù)中心，供學(xué)者獲取。BASE 項目的時間跨度極長，研究人員在 1990 年至 1993 年間對 516 名前西柏林居民進(jìn)行了深入訪談和檢查，這些參與者的年齡涵蓋 70 歲至 100 歲以上。在隨后的近 20 年里，這些老年人接受了多達(dá) 7 次的復(fù)評，積累了極為詳實(shí)的縱向數(shù)據(jù)（Longitudinal Data，指在不同時間點(diǎn)對同一對象進(jìn)行多次觀察所獲得的數(shù)據(jù)，用于分析隨時間變化的趨勢）。

這套數(shù)據(jù)集的規(guī)模和深度令人矚目，包含每位參與者多達(dá) 10,000 個變量，涵蓋了身心健康、生活滿意度、社會融入度及經(jīng)濟(jì)狀況等全方位信息。馬克斯·普朗克人類發(fā)展研究所的生命周期心理學(xué)中心主任 Ulman Lindenberger 指出，這套數(shù)據(jù)是老齡化研究的寶貴資產(chǎn)，目前的分析僅揭示了冰山一角。通過這些數(shù)據(jù)，研究人員可以探索牙齒健康與認(rèn)知功能的關(guān)聯(lián)，或者社會參與度對癡呆與抑郁的影響等復(fù)雜問題。ZPID 的檔案與出版服務(wù)主管 Katarina Blask 強(qiáng)調(diào)，遵循 FAIR 原則（Findable, Accessible, Interoperable, Reusable，即數(shù)據(jù)應(yīng)具備可發(fā)現(xiàn)、可獲取、可互操作和可重用的原則）提供數(shù)據(jù)，將極大地促進(jìn)國際合作。此前基于該數(shù)據(jù)的學(xué)術(shù)文章已超過 500 篇，如今的全面開放將進(jìn)一步推動對個體及社會老齡化過程的深度解析，并為未來的跨隊列和跨學(xué)科比較研究奠定堅實(shí)基礎(chǔ)。

#柏林老齡化研究 #開放科學(xué) #縱向數(shù)據(jù) #馬克斯普朗克研究所 #老年學(xué)

閱讀更多：

https://rdc-psychology.org/en/reuse-data/base

AI 驅(qū)動科學(xué)

Nature系列綜述：AI智能體重塑癌癥研究與治療

從自主設(shè)計藥物到為癌癥患者制定治療方案，AI正在經(jīng)歷從“工具”到“智能體”的質(zhì)變。Daniel Truhn、Shekoofeh Azizi、James Zou、Jakob Nikolas Kather等研究人員（德累斯頓工業(yè)大學(xué)、谷歌 DeepMind、斯坦福大學(xué)、哈佛大學(xué)醫(yī)學(xué)院等）合作發(fā)表綜述，深入探討了AI智能體如何突破傳統(tǒng)AI的局限，通過推理和規(guī)劃能力徹底改變癌癥研究與腫瘤學(xué)的面貌。

該綜述指出，與只能完成單一任務(wù)的傳統(tǒng)AI不同，AI智能體結(jié)合了大語言模型的推理能力與外部工具，能夠感知環(huán)境、制定多步計劃并自主執(zhí)行復(fù)雜工作流。在科研領(lǐng)域，智能體已能實(shí)現(xiàn)從生成假設(shè)、設(shè)計實(shí)驗到撰寫論文的全流程自動化，甚至通過多智能體系統(tǒng)模擬不同領(lǐng)域的專家進(jìn)行協(xié)作辯論。在臨床腫瘤學(xué)中，AI智能體展現(xiàn)了強(qiáng)大的整合能力，如TxAgent系統(tǒng)通過實(shí)時訪問生物醫(yī)學(xué)知識，綜合分析患者的電子健康記錄、基因組學(xué)及影像數(shù)據(jù)，提供個性化的治療建議并自動匹配臨床試驗。此外，在病理影像分析上，智能體能模擬人類專家的多步推理過程，而非簡單的圖像識別。作者預(yù)測腫瘤學(xué)將經(jīng)歷從當(dāng)前獨(dú)立的聊天接口，到深度集成醫(yī)院系統(tǒng)，最終實(shí)現(xiàn)自主控制實(shí)驗室機(jī)器人的“智能體化”進(jìn)程。盡管面臨評估標(biāo)準(zhǔn)缺失和倫理監(jiān)管等挑戰(zhàn)，AI智能體正迅速成為癌癥研究中的重要協(xié)作力量。研究發(fā)表在 Nature Reviews Cancer 上。

#AI 驅(qū)動科學(xué) #自動化科研 #個性化醫(yī)療 #跨學(xué)科整合 #大模型技術(shù)

閱讀更多：

Truhn, Daniel, et al. “Artificial Intelligence Agents in Cancer Research and Oncology.” Nature Reviews Cancer, Jan. 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41568-025-00900-0

AI無法取代人類創(chuàng)造力：技能差異被放大而非抹平

人工智能是否會讓每個人都成為藝術(shù)家，從而拉平創(chuàng)造力的差距？James C. Kaufman（康涅狄格大學(xué)）與Simone A. Luchini等研究人員通過實(shí)證研究給出了否定的答案。他們發(fā)現(xiàn)，生成式AI非但沒有取代人類的創(chuàng)造力，反而充當(dāng)了能力的“放大器”，使那些原本就具備較強(qiáng)技能的個體受益更多，強(qiáng)調(diào)了在AI時代人類判斷力和專業(yè)知識的不可替代性。

該研究團(tuán)隊設(shè)計了一項實(shí)驗，要求參與者分別在獨(dú)立完成和使用大型語言模型輔助的情況下進(jìn)行故事創(chuàng)作任務(wù)，并對成品的創(chuàng)造力、智力及整體表現(xiàn)進(jìn)行了評估。結(jié)果顯示，原本創(chuàng)造力較強(qiáng)的參與者在使用AI工具時表現(xiàn)出更高的水平，而基礎(chǔ)較弱者則受限于AI自身的輸出水平。James C. Kaufman指出，這是因為創(chuàng)造力不僅包含生成想法，還包括評估和完善想法，而后者高度依賴人類的元認(rèn)知，即對自身認(rèn)知過程的認(rèn)知。AI雖然擅長生成海量素材，但在判斷內(nèi)容的原創(chuàng)性和價值方面遠(yuǎn)不及人類。此外，研究還發(fā)現(xiàn)學(xué)生傾向于高估自己與AI的協(xié)作深度，這種“外包”認(rèn)知工作的行為可能阻礙真正技能的習(xí)得。研究人員警告，如果缺乏適當(dāng)?shù)慕逃龑?dǎo)，AI可能加劇而非縮小創(chuàng)意領(lǐng)域的技能鴻溝。

#認(rèn)知科學(xué) #跨學(xué)科整合 #創(chuàng)造力 #生成式AI #教育心理學(xué)

閱讀更多：

Luchini, Simone A, et al. “Generative AI Does Not Erase Individual Differences in Human Creativity.” jszrn_v1, PsyArXiv, 14 Nov. 2025. OSF Preprints, https://doi.org/10.31234/osf.io/jszrn_v1

機(jī)器人學(xué)會“直覺”抓握：高斯過程回歸實(shí)現(xiàn)小數(shù)據(jù)大靈巧

機(jī)器人如何像人類一樣，憑直覺調(diào)整手部力量來抓取軟硬不同的未知物體？Akira Takakura、Takahiro Nozaki、Kazuki Yane、Shuichi Adachi（慶應(yīng)義塾大學(xué)）與 Tomoya Kitamura（東京理科大學(xué)）組成的團(tuán)隊，開發(fā)了一種基于數(shù)據(jù)驅(qū)動的新型運(yùn)動系統(tǒng)，成功解決了這一難題，使機(jī)器人僅需少量數(shù)據(jù)即可在動態(tài)環(huán)境中實(shí)現(xiàn)類似人類的靈巧操作。

? 圖片展示了如何將人類的動作實(shí)時傳遞到機(jī)器人化身，從而使后者能夠完成靈巧的任務(wù)。Credit: Keio University Global Research Institute (KGRI)

為了賦予機(jī)器人適應(yīng)不同物體剛度的能力，研究團(tuán)隊摒棄了傳統(tǒng)的線性建模方法，轉(zhuǎn)而采用高斯過程回歸技術(shù)。這種回歸技術(shù)能夠利用少量數(shù)據(jù)準(zhǔn)確映射復(fù)雜的非線性關(guān)系，通過分析人類對不同物體的抓取動作，系統(tǒng)學(xué)會了識別物體“環(huán)境剛度”與人類運(yùn)動意圖（即“人體剛度”）之間的關(guān)聯(lián)。實(shí)驗結(jié)果顯示，與傳統(tǒng)的運(yùn)動再現(xiàn)系統(tǒng)（Motion Reproduction Systems）和模仿學(xué)習(xí)模型相比，新系統(tǒng)表現(xiàn)卓越：在處理已知剛度范圍內(nèi)的物體時，其位置控制的均方根誤差降低了至少40%；而在處理從未見過的更硬或更軟物體時，誤差更是降低了74%。這一突破不僅大幅提升了機(jī)器人的適應(yīng)性，也為低成本、高效率的工業(yè)自動化應(yīng)用開辟了新路徑。研究發(fā)表在 IEEE Transactions on Industrial Electronics 上。

#AI 驅(qū)動科學(xué) #機(jī)器人及其進(jìn)展 #自適應(yīng)控制 #高斯過程回歸 #運(yùn)動再現(xiàn)系統(tǒng)

閱讀更多：

Takakura, Akira, et al. “Motion Reproduction System for Environmental Impedance Variation via Data-Driven Identification of Human Stiffness.” IEEE Transactions on Industrial Electronics, 2025, pp. 1–11. IEEE Xplore, https://doi.org/10.1109/TIE.2025.3626633

你的聊天機(jī)器人在撒謊嗎？新框架利用內(nèi)部文檔驗證AI生成的答案

如何判斷聊天機(jī)器人給出的答案是否正確？Herman Lassche, Michiel Overeem 和 Ayushi Rastogi（格羅寧根大學(xué)）與荷蘭 AFAS 公司合作，開發(fā)了一種基于內(nèi)部文檔驗證人工智能生成答案的新框架。該研究不僅模擬了人類專家評估正確性的方式，還證明了高質(zhì)量的內(nèi)部知識庫對于構(gòu)建可信賴 AI 系統(tǒng)的重要性。

? Credit: University of Groningen / AFAS

研究團(tuán)隊首先通過觀察 AFAS 支持人員的工作流程，明確了判斷答案正確性的核心要素：真實(shí)性（truthfulness）、相關(guān)性（relatedness）和完整性（completeness）?；谶@些標(biāo)準(zhǔn)，他們利用大語言模型構(gòu)建了一個自動化驗證系統(tǒng)，該系統(tǒng)以公司的內(nèi)部文檔為基準(zhǔn)，模擬人類的推理過程而非簡單的模式匹配。針對二元問題（是/否）和指令型問題，研究人員設(shè)計了不同的評估指標(biāo)。實(shí)驗結(jié)果顯示，該框架能有效識別 55% 的錯誤回答，并能在未經(jīng)專門訓(xùn)練的情況下對新任務(wù)進(jìn)行判斷。有趣的是，將荷蘭語的回答翻譯成英語后進(jìn)行評估，其準(zhǔn)確度反而更高。這一系統(tǒng)有望每年為企業(yè)節(jié)省約 15,000 個工時的人工審核時間。研究發(fā)表在 Journal of Systems and Software 上。

#大模型技術(shù) #大模型技術(shù) #自動化驗證 #聊天機(jī)器人 #客戶支持

閱讀更多：

Lassche, Herman, et al. “Is Our Chatbot Telling Lies? Assessing Correctness of an LLM-Based Dutch Support Chatbot.” Journal of Systems and Software, vol. 234, Apr. 2026, p. 112699. ScienceDirect, https://doi.org/10.1016/j.jss.2025.112699

軟技能至關(guān)重要：同理心是提升人機(jī)協(xié)作效率的關(guān)鍵

在人工智能日益普及的今天，如何更好地駕馭這一工具？Christoph Riedl（東北大學(xué)）和 Ben Weidmann（倫敦大學(xué)學(xué)院）組成的團(tuán)隊不僅關(guān)注技術(shù)層面的“提示詞工程”，更深入探索了人類軟技能在人機(jī)交互中的作用。他們發(fā)現(xiàn)，那些在人類團(tuán)隊協(xié)作中至關(guān)重要的特質(zhì)——如同理心和換位思考能力，同樣是決定人機(jī)協(xié)作效率的關(guān)鍵因素，這一發(fā)現(xiàn)為人機(jī)協(xié)同（Human-AI Synergy）的研究提供了全新視角。

該研究開發(fā)了一套基于貝葉斯項目反應(yīng)理論的分析框架，旨在精確量化人機(jī)協(xié)作中的協(xié)同效應(yīng)。研究團(tuán)隊招募了667名參與者，要求他們完成數(shù)學(xué)、物理和道德推理等基準(zhǔn)測試任務(wù)。參與者首先獨(dú)立作答，隨后在 ChatGPT-4 或 Llama-3 的輔助下作答。結(jié)果顯示，當(dāng)人類與AI聯(lián)手時，即便是單獨(dú)表現(xiàn)較差的 AI 模型（如 Llama-3，正確率僅39%）也能通過協(xié)作產(chǎn)生優(yōu)異結(jié)果。更重要的是，研究揭示了心理理論（Theory of Mind）——即推斷他人心理狀態(tài)和觀點(diǎn)的能力——與協(xié)作績效呈正相關(guān)。那些能夠像對待人類一樣對待 AI，并提供詳細(xì)語境（例如“請像教導(dǎo)12歲孩子一樣解釋”）的參與者，能夠引導(dǎo) AI 輸出更高質(zhì)量的答案。此外，研究還發(fā)現(xiàn) AI 雖然能顯著幫助低技能人群縮小差距，但也讓高技能人群如虎添翼，保持了相對優(yōu)勢。研究發(fā)表在 OSF Preprints 上。

#認(rèn)知科學(xué) #大模型技術(shù) #人機(jī)協(xié)作 #同理心

閱讀更多：

Riedl, Christoph, and Ben Weidmann. “Quantifying Human-AI Synergy.” vbkmt_v1, PsyArXiv, 22 Sept. 2025. OSF Preprints, https://doi.org/10.31234/osf.io/vbkmt_v1

Yann LeCun團(tuán)隊新作：利用無標(biāo)簽視頻訓(xùn)練通用世界模型

為了構(gòu)建能夠在現(xiàn)實(shí)世界中進(jìn)行推理和規(guī)劃的智能系統(tǒng)，AI需要預(yù)測其行為的后果。然而，傳統(tǒng)的訓(xùn)練方法依賴于帶有動作標(biāo)簽的數(shù)據(jù)，這在大規(guī)模應(yīng)用中難以獲取。Quentin Garrido、Yann LeCun以及Michael Rabbat等人（Meta人工智能研究實(shí)驗室 FAIR、法國國家數(shù)字科學(xué)與技術(shù)研究所 Inria、紐約大學(xué) NYU）組成的團(tuán)隊，提出了一種在“野外”視頻中學(xué)習(xí)潛在動作世界模型的方法。該研究通過利用海量的無標(biāo)簽視頻數(shù)據(jù)，成功讓模型在沒有明確動作指令的情況下習(xí)得了復(fù)雜的動作空間，為AI系統(tǒng)理解物理世界提供了新的路徑。

該研究的核心在于開發(fā)了一種潛在動作模型（Latent Action Models），旨在從不可控、多樣化的“野外”視頻（in-the-wild videos）中提取動作特征。研究人員聯(lián)合訓(xùn)練了一個逆動力學(xué)模型（Inverse Dynamics Model，一種根據(jù)狀態(tài)變化推斷動作的模型）和一個前向模型。與以往僅關(guān)注簡單的機(jī)器人模擬或游戲環(huán)境不同，該團(tuán)隊直接挑戰(zhàn)了包含環(huán)境噪聲且缺乏統(tǒng)一實(shí)體（Embodiment，指智能體的物理形態(tài)）的真實(shí)視頻。結(jié)果發(fā)現(xiàn)，相比于常用的矢量量化（Vector Quantization，一種將連續(xù)數(shù)據(jù)離散化的技術(shù)），連續(xù)但受限的潛在動作能更有效地捕捉現(xiàn)實(shí)世界的復(fù)雜性，例如能夠識別并遷移“人進(jìn)入房間”這類環(huán)境變化。更重要的是，團(tuán)隊通過訓(xùn)練一個小型控制器，將已知動作映射到這些潛在動作上，使該世界模型能夠作為通用接口解決機(jī)器人導(dǎo)航和操作等規(guī)劃任務(wù)，其性能與依賴昂貴動作標(biāo)簽訓(xùn)練的基線模型相當(dāng)。

#其他 #計算模型與人工智能模擬 #世界模型 #潛在動作 #無監(jiān)督學(xué)習(xí)

閱讀更多：

Garrido, Quentin, et al. “Learning Latent Action World Models In The Wild.” arXiv:2601.05230, arXiv, 8 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.05230

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(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗室、人工智能與精神健康前沿實(shí)驗室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(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。