█ 腦科學(xué)動態(tài)

Nature：為何我們會高估來之不易的事物？

Nature：百種基因突變?nèi)绾螌?dǎo)致相同的自閉癥癥狀？

Nature：剔除幻覺副作用，開發(fā)新型快速抗抑郁藥

新型化合物Mic-628可重置生物鐘緩解時差反應(yīng)

銅和鉛等重金屬暴露顯著增加兒童ADHD風(fēng)險

壓力讓你“嘴里發(fā)苦”，皮質(zhì)醇激活味覺受體機(jī)制

大腦隱藏回路是將急性疼痛轉(zhuǎn)化為慢性疼痛的關(guān)鍵

五十年數(shù)據(jù)揭示劣勢社區(qū)如何通過焦慮催人老

老年人在現(xiàn)實(shí)情境中解讀情緒的能力優(yōu)于年輕人

█ AI行業(yè)動態(tài)

中國團(tuán)隊(duì)領(lǐng)跑太空算力競賽，2800顆衛(wèi)星構(gòu)建“星際大腦”

AlphaGenome登Nature封面，AI解鎖98%基因組“暗物質(zhì)”

Neuralink受試者達(dá) 21人，意念打字速度超越常人

█ AI驅(qū)動科學(xué)

Nature：Emu3僅靠“下一個token預(yù)測”統(tǒng)一多模態(tài)學(xué)習(xí)

深度學(xué)習(xí)系統(tǒng)軟件 VibeTensor：由 AI 代理完全生成的里程碑

AlphaGenome：谷歌DeepMind發(fā)布AI模型精準(zhǔn)預(yù)測基因調(diào)控

貼上“人類”標(biāo)簽后，AI在深度對話中帶來的親密感超越真人

Polymathic AI 發(fā)布首個跨領(lǐng)域物理基礎(chǔ)模型

新型AI代理框架：將人類專家知識“編碼”進(jìn)大模型

多智能體強(qiáng)化學(xué)習(xí)中的通信策略：沒有萬能鑰匙

腦科學(xué)動態(tài)

Nature：為何我們會高估來之不易的事物？

為什么我們會因?yàn)榕帕碎L隊(duì)而覺得奶茶更好喝？這種“沉沒成本”現(xiàn)象背后的神經(jīng)機(jī)制一直是個謎。Neir Eshel、Robert C. Malenka及Gavin C. Touponse等（斯坦福大學(xué)醫(yī)學(xué)中心）通過小鼠實(shí)驗(yàn)揭示了其中的奧秘。他們發(fā)現(xiàn)，大腦并非客觀地衡量獎勵，而是根據(jù)獲取獎勵所付出的努力來調(diào)節(jié)快感，這一過程涉及特定的神經(jīng)化學(xué)物質(zhì)相互作用。

在這項(xiàng)研究中，研究團(tuán)隊(duì)設(shè)計(jì)了一系列精巧的實(shí)驗(yàn)，要求小鼠通過不同程度的努力（如鼻觸特定次數(shù)或承受輕微電擊）來獲得糖水或直接的大腦獎賞刺激。研究人員利用先進(jìn)的GRAB DA傳感器實(shí)時監(jiān)測小鼠大腦伏隔核中的多巴胺水平。結(jié)果顯示，對于完全相同的獎勵，如果小鼠為其付出的“成本”越高，在獲得獎勵瞬間釋放的多巴胺就越多。進(jìn)一步的機(jī)制研究發(fā)現(xiàn)，這一現(xiàn)象的關(guān)鍵在于乙酰膽堿。當(dāng)小鼠進(jìn)行高強(qiáng)度努力時，伏隔核內(nèi)的局部神經(jīng)元會釋放乙酰膽堿，這些乙酰膽堿分子會像“放大器”一樣結(jié)合在多巴胺神經(jīng)元的末梢，從而增強(qiáng)多巴胺的釋放。這一發(fā)現(xiàn)不僅解釋了為什么我們會高估那些來之不易的東西，也為理解動機(jī)、成癮及相關(guān)精神疾病提供了新的神經(jīng)生物學(xué)基礎(chǔ)。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #沉沒成本 #多巴胺 #乙酰膽堿

閱讀更多：

Touponse, Gavin C., et al. “Cholinergic Modulation of Dopamine Release Drives Effortful Behaviour.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-10046-6

Nature：百種基因突變?nèi)绾螌?dǎo)致相同的自閉癥癥狀？

為何成百上千種不同的基因突變會導(dǎo)致相似的自閉癥癥狀？來自加州大學(xué)洛杉磯分校的Daniel H. Geschwind和斯坦福大學(xué)的Sergiu P. Pasca等研究人員合作，繪制了一張展示八種不同基因突變?nèi)绾斡绊懺缙诖竽X發(fā)育的綜合圖譜。研究團(tuán)隊(duì)通過對比分析發(fā)現(xiàn)，盡管起始的遺傳路徑不同，但這些突變最終殊途同歸，匯聚于共同的分子通路，這為理解自閉癥的高度遺傳異質(zhì)性與共同癥狀之間的聯(lián)系提供了關(guān)鍵證據(jù)。

為了克服直接研究人類胎兒大腦發(fā)育的困難，研究團(tuán)隊(duì)利用人類誘導(dǎo)多能干細(xì)胞培育出了人類皮質(zhì)類器官（human cortical organoids，在實(shí)驗(yàn)室培養(yǎng)的模擬大腦結(jié)構(gòu)的三維細(xì)胞簇）。研究涵蓋了8種特定的自閉癥相關(guān)突變及特發(fā)性自閉癥病例。通過對這些類器官進(jìn)行長達(dá)100天的RNA測序監(jiān)測，團(tuán)隊(duì)發(fā)現(xiàn)，在發(fā)育早期，不同突變呈現(xiàn)出獨(dú)特的分子特征；但隨著時間推移，它們逐漸影響重疊的生物學(xué)過程，特別是涉及神經(jīng)元成熟和突觸形成的通路。研究還識別出一個關(guān)鍵的調(diào)控網(wǎng)絡(luò)，涉及染色質(zhì)重塑，并通過CRISPR技術(shù)驗(yàn)證了該網(wǎng)絡(luò)在驅(qū)動下游基因表達(dá)變化中的核心作用。相比之下，特發(fā)性自閉癥組未顯示出這種一致性，突顯了其更復(fù)雜的遺傳結(jié)構(gòu)。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #自閉癥 #類器官 #基因突變

閱讀更多：

Gordon, Aaron, et al. “Developmental Convergence and Divergence in Human Stem Cell Models of Autism.” Nature, Jan. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41586-025-10047-5

Nature：剔除幻覺副作用，開發(fā)新型快速抗抑郁藥

針對抑郁癥治療中現(xiàn)有藥物起效慢、應(yīng)答率低以及致幻劑療法副作用大的難題，四川大學(xué)華西醫(yī)院的邵振華、顏微與中國科學(xué)院長春應(yīng)用化學(xué)研究所的王曉輝、華中科技大學(xué)的劉劍峰及四川大學(xué)華西醫(yī)院的楊勝勇等團(tuán)隊(duì)合作，系統(tǒng)解析了致幻劑的作用機(jī)制并開發(fā)了新型候選藥物。研究團(tuán)隊(duì)發(fā)現(xiàn)5-羥色胺2A受體（5-HT2AR）介導(dǎo)的特定信號通路是導(dǎo)致幻覺的關(guān)鍵，通過分離該通路，他們成功設(shè)計(jì)出一種新型化合物，既保留了致幻劑快速、長效的抗抑郁潛能，又剔除了致幻副作用。

該研究綜合運(yùn)用了細(xì)胞藥理學(xué)、動物行為學(xué)以及冷凍電鏡（Cryo-EM）技術(shù)。研究人員解析了5-HT2AR與下游信號蛋白復(fù)合物的5種高分辨率結(jié)構(gòu)，并對比了致幻劑與非致幻類似物的藥理特征。結(jié)果顛覆了傳統(tǒng)認(rèn)知，發(fā)現(xiàn)致幻劑誘導(dǎo)的幻覺實(shí)際上依賴于5-HT2AR介導(dǎo)的非經(jīng)典Gi信號通路（Gi signaling），而抗抑郁和抗焦慮的治療效應(yīng)則主要由Gq信號通路驅(qū)動?；谶@一“療效-致幻分離”的新機(jī)制，團(tuán)隊(duì)理性設(shè)計(jì)并合成了具有Gq偏向性的新型先導(dǎo)化合物DOI-NBOMe。在小鼠模型實(shí)驗(yàn)中，該化合物展現(xiàn)出良好的血腦屏障透過性，不僅能快速且持久地發(fā)揮抗抑郁作用，而且完全沒有表現(xiàn)出致幻相關(guān)的行為特征。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #藥物開發(fā) #結(jié)構(gòu)生物學(xué)

閱讀更多：

Xu, Zheng, et al. “Psychedelics Elicit Their Effects by 5-HT2A Receptor-Mediated Gi Signalling.” Nature, Jan. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-10061-7

新型化合物Mic-628可重置生物鐘緩解時差反應(yīng)

如何有效緩解跨時區(qū)旅行和夜班工作帶來的生物鐘紊亂？日本Yoshifumi Takahata和Hajime Tei團(tuán)隊(duì)（大阪大學(xué)、金澤大學(xué)等）發(fā)現(xiàn)了一種名為Mic-628的新型口服化合物。該化合物能夠不受服藥時間限制，特異性地將哺乳動物的生物鐘提前，從而顯著加速從時差反應(yīng)中的恢復(fù)過程。

? Credit: Yoshifumi Takahata

研究團(tuán)隊(duì)首先在小鼠模型中進(jìn)行了模擬時差實(shí)驗(yàn)，通過口服給予Mic-628，發(fā)現(xiàn)單次給藥可使小鼠適應(yīng)新晝夜節(jié)律的時間從7天縮短至4天。進(jìn)一步的質(zhì)譜分析和分子實(shí)驗(yàn)表明，Mic-628的作用機(jī)制并非簡單的光照模擬，而是直接在分子層面起作用。它能與抑制蛋白CRY1（一種核心生物鐘抑制蛋白）結(jié)合，進(jìn)而促進(jìn)形成特定的蛋白復(fù)合物，通過特異性結(jié)合DNA上的雙E-box元件（dual E-box，指一段特定的基因轉(zhuǎn)錄調(diào)控序列），強(qiáng)烈激活生物鐘基因Per1的表達(dá)。這種激活作用使得大腦視交叉上核的中樞生物鐘和肺等外周生物鐘同步提前。結(jié)合數(shù)學(xué)建模分析，這種單向且穩(wěn)定的相位推進(jìn)效應(yīng)由PER1蛋白自身的負(fù)反饋回路介導(dǎo)，從而確保了藥效不受給藥時間的影響。該研究為治療晝夜節(jié)律紊亂提供了新的藥理學(xué)策略，相關(guān)研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #生物鐘 #時差反應(yīng) #Per1基因

閱讀更多：

Takahata, Yoshifumi, et al. “A Period1 Inducer Specifically Advances Circadian Clock in Mice.” Proceedings of the National Academy of Sciences, vol. 123, no. 4, Jan. 2026, p. e2509943123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2509943123

銅和鉛等重金屬暴露顯著增加兒童ADHD風(fēng)險

環(huán)境毒素如何潛移默化地影響兒童的大腦發(fā)育？來自羅維拉-維爾吉利大學(xué)的Sharanpreet Kaur和Fina Canals等研究人員深入探究了這一問題。該團(tuán)隊(duì)通過對比分析兒童體內(nèi)的重金屬含量與神經(jīng)心理表現(xiàn)，發(fā)現(xiàn)長期接觸特定重金屬不僅與注意力缺陷多動障礙（ADHD）的高發(fā)病率密切相關(guān)，還可能加劇患兒的癥狀表現(xiàn)。

為了量化這種風(fēng)險，研究團(tuán)隊(duì)選取了205名6至16歲的兒童進(jìn)行對照研究，其中包括139名依據(jù)《精神疾病診斷與統(tǒng)計(jì)手冊第五版》（DSM-5，一套國際通用的精神疾病分類與診斷標(biāo)準(zhǔn)）確診的ADHD患兒。研究人員采集了受試者的尿液樣本，并結(jié)合智商、邏輯推理及視覺運(yùn)動處理速度等認(rèn)知測試數(shù)據(jù)進(jìn)行分析。結(jié)果令人震驚：體內(nèi)鉛含量最高的兒童，其ADHD患病風(fēng)險是其他兒童的5倍；而銅含量的影響更為劇烈，高水平銅暴露與ADHD確診率增加16倍相關(guān)。此外，研究還發(fā)現(xiàn)鎘、銻和汞的暴露也與注意力不集中及反應(yīng)時間不穩(wěn)定等癥狀有關(guān)。值得注意的是，ADHD患兒似乎對這些環(huán)境毒素表現(xiàn)出更高的“生物敏感性”，即在同等暴露水平下受到的負(fù)面影響更重。研究發(fā)表在 Journal of Attention Disorders 上。

#疾病與健康 #心理健康與精神疾病 #多動癥 #環(huán)境污染 #兒童發(fā)育

閱讀更多：

Kaur, Sharanpreet, et al. “Investigating the Association Between Heavy Metals and Attention Deficit Hyperactivity Disorder in Children: An Exploratory Study.” Journal of Attention Disorders, vol. 29, no. 6, Apr. 2025, pp. 423–36. SAGE Journals, https://doi.org/10.1177/10870547251315276

壓力讓你“嘴里發(fā)苦”，皮質(zhì)醇激活味覺受體機(jī)制

苦味受體不僅僅存在于舌頭上，它們還分布在大腦、心臟和腸道深處，但在這些不接觸食物的地方，它們究竟在“品嘗”什么？Tatjana Lang和Maik Behrens等人（慕尼黑工業(yè)大學(xué)萊布尼茨食品系統(tǒng)生物學(xué)研究所）進(jìn)行了一項(xiàng)突破性研究。團(tuán)隊(duì)發(fā)現(xiàn)，某些人類苦味受體實(shí)際上對體內(nèi)的類固醇激素有反應(yīng)。這一發(fā)現(xiàn)表明，這些受體在生理過程中扮演著此前被低估的角色，不僅是防御毒素的警報器，更是體內(nèi)激素狀態(tài)的信號傳遞者。

? Credit: Annals of the New York Academy of Sciences (2026).

研究團(tuán)隊(duì)利用細(xì)胞測試系統(tǒng)和計(jì)算機(jī)輔助模擬技術(shù)，對19種類固醇激素進(jìn)行了廣泛的功能測試。結(jié)果顯示，苦味受體TAS2R14和TAS2R46能夠識別并響應(yīng)孕酮、睪酮和氫化可的松等激素，其中TAS2R46最為敏感。值得注意的是，這些受體在懷孕或極端壓力等生理狀態(tài)下出現(xiàn)的激素濃度水平即可被激活。例如，壓力荷爾蒙皮質(zhì)醇（氫化可的松）在唾液中的濃度可達(dá)微摩爾級別，足以激活TAS2R46，這解釋了為何人在壓力大時會感到口中有苦味。此外，研究還發(fā)現(xiàn)約8%的人群攜帶無功能的TAS2R46基因變異，這意味著不同個體對激素引發(fā)的生理反應(yīng)可能存在顯著差異。這項(xiàng)研究為理解孕期味覺改變、以及激素如何通過受體影響血壓和心臟功能提供了新的視角。研究發(fā)表在 Annals of the New York Academy of Sciences 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #苦味受體 #類固醇激素 #內(nèi)分泌系統(tǒng)

閱讀更多：

Lang, Tatjana, et al. “Steroid Hormones Are Potent and Putatively Endogenous Activators of Human Bitter Taste Receptors.” Annals of the New York Academy of Sciences, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1111/nyas.70172. Accessed 29 Jan. 2026

大腦隱藏回路是將急性疼痛轉(zhuǎn)化為慢性疼痛的關(guān)鍵

為什么身體傷愈后疼痛依然存在？科羅拉多大學(xué)博爾德分校的 Linda R. Watkins 和 Jayson B. Ball 團(tuán)隊(duì)通過研究發(fā)現(xiàn)，大腦中一個未被充分研究的區(qū)域隱藏著將暫時性疼痛轉(zhuǎn)化為慢性疼痛的關(guān)鍵“開關(guān)”。這項(xiàng)研究利用先進(jìn)的遺傳學(xué)工具，不僅揭示了導(dǎo)致慢性疼痛持續(xù)的特定神經(jīng)回路，還成功在動物模型中通過“關(guān)閉”該回路消除了持續(xù)數(shù)月甚至數(shù)年的疼痛，為開發(fā)非阿片類藥物療法和腦機(jī)接口治療提供了新靶點(diǎn)。

在該研究中，團(tuán)隊(duì)聚焦于大腦深處的尾部顆粒島葉皮層（CGIC），并利用化學(xué)遺傳學(xué)技術(shù)和新型熒光蛋白，精準(zhǔn)地操控和觀察大鼠大腦中的特定神經(jīng)元群。研究發(fā)現(xiàn)，CGIC本身對急性疼痛的處理影響甚微，但它通過向體感皮層發(fā)送信號，進(jìn)而指示脊髓持續(xù)傳遞疼痛信息，是疼痛慢性化的關(guān)鍵決策者。實(shí)驗(yàn)結(jié)果顯示，當(dāng)研究人員抑制CGIC到體感皮層的通路時，受損大鼠的慢性疼痛會迅速消失；反之，若在健康大鼠體內(nèi)激活該通路，則會誘發(fā)異常性疼痛。這一發(fā)現(xiàn)表明，慢性疼痛本質(zhì)上是大腦的一種“學(xué)習(xí)”錯誤，通過靶向干預(yù)這一回路，未來有望通過微創(chuàng)注射或腦機(jī)接口技術(shù)，在不產(chǎn)生阿片類藥物副作用的情況下治療人類的嚴(yán)重慢性疼痛。研究發(fā)表在 The Journal of Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #慢性疼痛 #神經(jīng)調(diào)控 #腦機(jī)接口

閱讀更多：

Ball, Jayson B., et al. “Caudal Granular Insular Cortex to Somatosensory Cortex I: A Critical Pathway for the Transition of Acute to Chronic Pain.” Journal of Neuroscience, Dec. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1306-25.2025

五十年數(shù)據(jù)揭示劣勢社區(qū)如何通過焦慮催人老

居住環(huán)境如何潛移默化地改變我們的衰老速度？Christina Kamis（伊利諾伊大學(xué)厄巴納-香檳分校）與Wei Xu（威斯康星醫(yī)學(xué)院）等人組成的團(tuán)隊(duì)，深入探究了長期社區(qū)環(huán)境劣勢與生物學(xué)衰老之間的聯(lián)系。研究發(fā)現(xiàn)，長期的社會經(jīng)濟(jì)劣勢不僅直接加速衰老，還通過增加心理困擾間接產(chǎn)生影響，其中焦慮情緒起到了關(guān)鍵的中介作用。

? 累積性鄰里劣勢、總體困擾和加速表觀遺傳衰老之間的關(guān)聯(lián)路徑；威斯康星州健康調(diào)查 (SHOW) (N=1,448)。注：EAA = 表觀遺傳衰老加速。僅顯示顯著路徑 (p < 0.05)?？傮w困擾以 DASS-21 總分衡量。Credit: The Journals of Gerontology, Series B: Psychological Sciences and Social Sciences (2025).

該研究分析了威斯康星州約1440名居民長達(dá)五十年的居住歷史數(shù)據(jù)，結(jié)合生物標(biāo)志物進(jìn)行路徑分析。為了精確量化生理年齡，研究人員使用了三種不同的表觀遺傳時鐘，這是一種通過分析基因組中DNA甲基化模式來測量個體生物學(xué)衰老狀態(tài)的工具，能夠反映比實(shí)際年齡更真實(shí)的身體老化程度。研究顯示，累積的社區(qū)劣勢與所有三種時鐘測得的加速衰老均呈顯著正相關(guān)。具體而言，社區(qū)劣勢每增加一個單位，生物學(xué)年齡可能加速約0.2歲。更重要的是，數(shù)據(jù)揭示了心理因素的傳導(dǎo)機(jī)制：社區(qū)劣勢導(dǎo)致的總體情緒困擾解釋了約10%至13%的加速衰老效應(yīng)。在細(xì)分抑郁、焦慮和壓力這三個心理維度后，研究團(tuán)隊(duì)發(fā)現(xiàn)焦慮是其中最顯著的中介因素。這意味著，生活在劣勢環(huán)境中的壓力感和焦慮情緒，是環(huán)境因素“刻入”基因并加速身體老化的重要途徑。研究發(fā)表在 The Journals of Gerontology, Series B: Psychological Sciences and Social Sciences 上。

#疾病與健康 #心理健康與精神疾病 #表觀遺傳學(xué) #衰老 #社會決定因素

閱讀更多：

Kamis, Christina, et al. “How Does Life Course Exposure to Contextual Disadvantage Accelerate Biological Aging? The Role of Psychological Symptoms.” The Journals of Gerontology: Series B, vol. 80, no. 12, Dec. 2025, p. gbaf206. Silverchair, https://doi.org/10.1093/geronb/gbaf206

老年人在現(xiàn)實(shí)情境中解讀情緒的能力優(yōu)于年輕人

通常人們認(rèn)為衰老伴隨著認(rèn)知能力的全面下降，但Louisa Lawrie和Louise H Phillips等人（阿伯丁大學(xué)）的一項(xiàng)新研究打破了這一刻板印象。研究團(tuán)隊(duì)發(fā)現(xiàn)，雖然老年人在單純看面部表情時可能不如年輕人敏銳，但在貼近現(xiàn)實(shí)生活的復(fù)雜社交情境中，他們實(shí)際上比年輕人更擅長解讀他人的情緒，這主要?dú)w功于他們豐富的生活經(jīng)驗(yàn)。

為了模擬真實(shí)世界的互動，研究人員選取了年輕組（17-26歲）和老年組（59-84歲）的參與者，讓他們觀看包含《螺絲在擰緊》等電影場景的視頻片段。與以往使用靜態(tài)照片的研究不同，本研究引入了多模態(tài)刺激。結(jié)果顯示，在觀看缺乏背景的無聲片段時，老年人表現(xiàn)較差；然而，一旦加入語音語調(diào)、肢體語言和故事情境，老年人的情緒解讀準(zhǔn)確率反而超過了年輕人。進(jìn)一步的實(shí)驗(yàn)表明，如果移除聽覺線索，這種優(yōu)勢就會消失。這說明老年人依賴晶體智力，即利用積累的知識和經(jīng)驗(yàn)來整合多種社交線索，從而彌補(bǔ)了流體智力的衰退。這也提示我們，在與老年人溝通時，提供豐富的語境和多樣的溝通方式能有效減少誤解。研究發(fā)表在 Aging, Neuropsychology, and Cognition 上。

#認(rèn)知科學(xué) #心理健康與精神疾病 #衰老 #情緒感知 #社會交往

閱讀更多：

Lawrie, Louisa, et al. “Aging and Complex Emotion Perception: The Influence of Context and Multimodal Presentation.” Neuropsychology, Development, and Cognition. Section B, Aging, Neuropsychology and Cognition, vol. 32, no. 6, Nov. 2025, pp. 907–25. PubMed, https://doi.org/10.1080/13825585.2025.2548224

AI 行業(yè)動態(tài)

中國團(tuán)隊(duì)領(lǐng)跑太空算力競賽，2800顆衛(wèi)星構(gòu)建“星際大腦”

全球AI競爭正向太空延伸，中國團(tuán)隊(duì)在這一新興領(lǐng)域展現(xiàn)出強(qiáng)勁的先發(fā)優(yōu)勢。國星宇航（ADASpace）近日發(fā)布全球首個服務(wù)硅基智能體的太空算力網(wǎng)，計(jì)劃在2035年前部署2800顆衛(wèi)星，構(gòu)建龐大的太空計(jì)算集群。其中2400顆衛(wèi)星將提供推理算力，另外400顆專注于訓(xùn)練任務(wù)。與此同時，美國公司Starcloud利用英偉達(dá)芯片在太空運(yùn)行了開源模型，引發(fā)硅谷關(guān)注。然而，兩者技術(shù)路徑存在顯著差異：Starcloud目前僅實(shí)現(xiàn)了地面預(yù)裝模型隨硬件上天的初步驗(yàn)證，類似于“單機(jī)游戲”；而國星宇航已實(shí)現(xiàn)突破性進(jìn)展。據(jù)中國工程院院士王堅(jiān)介紹，千問大模型Qwen3已成功通過43軌上注，完成了實(shí)時在軌部署與推理任務(wù)。這種類似于智能手機(jī)OTA的“在線”更新能力，標(biāo)志著中國在太空算力應(yīng)用上取得了本質(zhì)性的技術(shù)領(lǐng)先。

太空算力之所以成為焦點(diǎn)，源于其在成本、能源和時效性上的巨大潛力。相比地面數(shù)據(jù)中心，太空算力直接利用太陽能，無大氣層削弱且無需占用土地，能顯著降低能耗。此外，其全球覆蓋特性可為Robotaxi等硅基智能體提供低延遲服務(wù)，甚至能輔助漁業(yè)等傳統(tǒng)行業(yè)進(jìn)行實(shí)時決策。然而，將數(shù)據(jù)中心搬上太空面臨極高的技術(shù)門檻。研究人員必須解決摩爾定律下芯片快速迭代與衛(wèi)星長周期建設(shè)之間的矛盾，需建立在軌硬件更替機(jī)制或軟件優(yōu)化手段。同時，太空真空環(huán)境下的散熱難題以及高能粒子對精密芯片的輻射干擾，都對熱管理和安全冗余提出了嚴(yán)苛要求。盡管挑戰(zhàn)重重，中國團(tuán)隊(duì)通過“太空算力+開源大模型”的軟硬一體化方案，已確立了在物理AI浪潮中的領(lǐng)先地位。

#太空算力 #國星宇航 #Qwen3 #硅基智能體 #王堅(jiān)

閱讀更多：

https://36kr.com/p/3658492764283528

谷歌DeepMind發(fā)布AlphaGenome登Nature封面，AI解鎖98%基因組“暗物質(zhì)”

谷歌 DeepMind 團(tuán)隊(duì)研發(fā)的全新 AI 模型 AlphaGenome 近日榮登Nature期刊封面，標(biāo)志著人工智能在生命科學(xué)領(lǐng)域取得又一重大突破。該模型專門用于破解人類基因組中的“暗物質(zhì)”，即占 DNA 總量 98% 的非編碼區(qū)。此前，生物學(xué)家難以看清這些區(qū)域的運(yùn)作機(jī)制，但 AlphaGenome 能夠一次性處理 100 萬個 DNA 堿基對，并精準(zhǔn)預(yù)測基因突變?nèi)绾胃淖兎肿庸δ?。作為繼 AlphaFold 之后的又一顛覆性成果，AlphaGenome 旨在像“代碼檢查工具”一樣審視生命長達(dá) 40 億年的演化代碼，幫助研究人員理解那些對人類健康和疾病至關(guān)重要的遺傳變異，目前該模型代碼已在 GitHub 上開源。

AlphaGenome 克服了過往 AI 工具無法兼顧宏觀視野與微觀精度的難題。它結(jié)合了長距離相互作用的分析能力與單堿基級別的預(yù)測精度，在一個統(tǒng)一的框架內(nèi)解決了基因表達(dá)、剪接以及染色質(zhì)狀態(tài)預(yù)測等復(fù)雜任務(wù)。在基準(zhǔn)測試中，該模型識別已知變異位點(diǎn)的準(zhǔn)確率高達(dá) 90%，發(fā)現(xiàn)的位點(diǎn)數(shù)量是之前最佳模型的兩倍以上，并能精準(zhǔn)識別導(dǎo)致遺傳病的剪接錯誤。在 T 細(xì)胞白血病的實(shí)戰(zhàn)演習(xí)中，AlphaGenome 準(zhǔn)確預(yù)測了致癌基因 TAL1 的激活路徑，與實(shí)驗(yàn)室結(jié)論完全吻合。研究人員 Demis Hassabis 和 ?iga Avsec 等人希望，這一統(tǒng)一的“序列-功能”預(yù)測模型能填補(bǔ)罕見病診斷空白，通過解碼生命底層邏輯，推動 AI 治愈疾病的未來。

#AlphaGenome #谷歌DeepMind #基因組學(xué) #Nature封面 #AI醫(yī)療

閱讀更多：

https://www.nature.com/nature/volumes/649/issues/8099

Neuralink受試者達(dá) 21人，意念打字速度超越常人

Neuralink 近日宣布其腦機(jī)接口臨床試驗(yàn)取得重要進(jìn)展，全球已有 21 名被稱為“神經(jīng)航天員”的參與者植入了設(shè)備，標(biāo)志著該技術(shù)正從早期實(shí)驗(yàn)邁向幫助癱瘓患者恢復(fù)獨(dú)立生活的新階段。公司的核心產(chǎn)品 Telepathy 能夠記錄大腦運(yùn)動皮層的信號，讓四肢癱瘓患者僅憑意念即可控制電子設(shè)備。研究人員指出，部分參與者的通信速度已突破健全人使用鼠標(biāo)的極限，超過了每秒 10 比特。目前，肌萎縮側(cè)索硬化癥患者通過該技術(shù)已實(shí)現(xiàn)每分鐘 40 個單詞的打字速度，而新的 VOICE 試驗(yàn)旨在將其提升至正常對話水平。此外，首位植入者 Noland 利用該技術(shù)攻讀神經(jīng)科學(xué)學(xué)位，醫(yī)學(xué)生 Sebastian 每天使用 17 小時備考，首位女性參與者 Audrey 則成功創(chuàng)作了數(shù)字藝術(shù)作品。

在未來規(guī)劃方面，Elon Musk 透露將于今年晚些時候推出性能提升三倍的下一代“賽博增強(qiáng)器”，并確認(rèn)已準(zhǔn)備好啟動 Blindsight的人體臨床試驗(yàn)。雖然初期視覺效果可能類似低分辨率的電子游戲畫面，但其長期目標(biāo)是提供超越人類自然視力的視覺體驗(yàn)。為了支持這一發(fā)展，Neuralink 計(jì)劃于 2026 年實(shí)現(xiàn)大規(guī)模生產(chǎn)和高度自動化的手術(shù)流程。新技術(shù)將允許植入線直接穿過硬腦膜，從而大幅降低手術(shù)創(chuàng)傷，為腦機(jī)接口技術(shù)的廣泛應(yīng)用鋪平道路。

#Neuralink #腦機(jī)接口 #Telepathy #Blindsight #ElonMusk

閱讀更多：

https://www.reuters.com/legal/litigation/elon-musks-neuralink-says-it-has-21-participants-enrolled-trials-2026-01-28/

AI 驅(qū)動科學(xué)

深度學(xué)習(xí)系統(tǒng)軟件 VibeTensor：由 AI 代理完全生成的里程碑

能否完全依靠人工智能代理從零構(gòu)建一個復(fù)雜的深度學(xué)習(xí)框架？來自 NVIDIA的 Bing Xu、Terry Chen 和 Tianqi Chen 等研究人員通過開發(fā) VibeTensor 給出了肯定的答案。這項(xiàng)研究不再依賴龐大的人類工程師團(tuán)隊(duì)，而是展示了 AI 編碼代理如何在僅有人類高層指導(dǎo)的情況下，生成并驗(yàn)證一個完整的系統(tǒng)軟件棧，標(biāo)志著 AI 輔助軟件工程的一個重要里程碑。

研究團(tuán)隊(duì)利用基于大語言模型的編碼代理構(gòu)建了 VibeTensor，這是一個開源的深度學(xué)習(xí)系統(tǒng)。代理負(fù)責(zé)提出代碼更改、運(yùn)行構(gòu)建和測試，而無需人類進(jìn)行逐行代碼審查。該系統(tǒng)實(shí)現(xiàn)了一個 PyTorch 風(fēng)格的即時執(zhí)行張量庫，涵蓋了從 Python 和 Node.js 前端到 C++ 核心以及底層的 CUDA內(nèi)存管理。在 NVIDIA H100 和 Blackwell GPU 上的測試顯示，雖然 VibeTensor 目前的運(yùn)行速度比 PyTorch 慢 1.7 到 6 倍，但它成功完成了序列反轉(zhuǎn)、圖像分類和語言模型訓(xùn)練等端到端任務(wù)。研究還揭示了生成代碼中的“弗蘭肯斯坦效應(yīng)”，即局部正確的代碼模塊組合在一起時可能導(dǎo)致整體性能不佳。這一成果證明了 AI 代理有能力處理跨越多個抽象層級的復(fù)雜系統(tǒng)開發(fā)。

#AI 驅(qū)動科學(xué) #自動化科研 #大模型技術(shù) #深度學(xué)習(xí) #軟件工程

閱讀更多：

Xu, Bing, et al. “VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents.” arXiv:2601.16238, arXiv, 21 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.16238

AlphaGenome：谷歌DeepMind發(fā)布AI模型精準(zhǔn)預(yù)測基因調(diào)控

如何精準(zhǔn)解讀人類基因組中非編碼區(qū)變異的生物學(xué)功能，一直是遺傳學(xué)面臨的巨大挑戰(zhàn)。為了解決現(xiàn)有模型在序列長度與分辨率之間的權(quán)衡難題，谷歌 DeepMind的?iga Avsec和Pushmeet Kohli等人開發(fā)了名為AlphaGenome的全新AI模型。該模型成功將預(yù)測范圍拓展至宏大的基因組圖譜，能夠同時對11種不同的基因調(diào)控過程進(jìn)行綜合預(yù)測，并在多項(xiàng)基準(zhǔn)測試中刷新了紀(jì)錄。

AlphaGenome采用了一種基于U-Net的創(chuàng)新混合架構(gòu)，融合了卷積神經(jīng)網(wǎng)絡(luò)（CNN）與Transformer的技術(shù)優(yōu)勢。CNN負(fù)責(zé)提取局部的DNA序列特征，而Transformer則利用注意力機(jī)制捕捉跨越長距離的堿基依賴關(guān)系。這種設(shè)計(jì)使得模型能夠處理長達(dá)100萬個堿基對（1Mb）的輸入窗口，同時保持單堿基對的超高分辨率。研究團(tuán)隊(duì)利用人類和小鼠的大規(guī)?；蚪M數(shù)據(jù)對模型進(jìn)行了端到端的監(jiān)督學(xué)習(xí)，并引入了蒸餾策略和序列并行技術(shù)以提升性能。

結(jié)果顯示，AlphaGenome在預(yù)測基因表達(dá)、剪接動力學(xué)及三維染色質(zhì)結(jié)構(gòu)等方面表現(xiàn)卓越。在針對基因組軌跡預(yù)測的24項(xiàng)評估中，它取得了22項(xiàng)SOTA；在變異效應(yīng)預(yù)測任務(wù)中，它在26輪對決中25次勝出。特別是在白血病相關(guān)基因TAL1的研究案例中，模型精準(zhǔn)預(yù)測了一個距離基因8000個堿基之遙的突變?nèi)绾瓮ㄟ^形成新增強(qiáng)子導(dǎo)致T細(xì)胞癌變，展示了其解析全基因組關(guān)聯(lián)分析中非編碼區(qū)突變的強(qiáng)大能力。研究發(fā)表在 Nature 上。

#AI 驅(qū)動科學(xué) #預(yù)測模型構(gòu)建 #基因組學(xué) #深度學(xué)習(xí) #AlphaGenome

閱讀更多：

Avsec, ?iga, et al. “Advancing Regulatory Variant Effect Prediction with AlphaGenome.” Nature, vol. 649, no. 8099, Jan. 2026, pp. 1206–18. www.nature.com, https://doi.org/10.1038/s41586-025-10014-0

貼上“人類”標(biāo)簽后，AI在深度對話中帶來的親密感超越真人

在數(shù)字時代，人類與人工智能的情感界限正變得日益模糊。來自弗萊堡大學(xué)的Tobias Kleinert、Markus Heinrichs以及海德堡大學(xué)的Bastian Schiller等人組成的跨學(xué)科研究團(tuán)隊(duì)，通過大規(guī)模實(shí)驗(yàn)揭示了一個驚人的現(xiàn)象：在特定條件下，人工智能比人類更能營造親密感。這項(xiàng)研究深入探討了標(biāo)簽效應(yīng)與自我披露機(jī)制對人機(jī)關(guān)系構(gòu)建的影響，結(jié)果表明，當(dāng)人們誤以為對方是真人時，AI展現(xiàn)出的社交能力甚至優(yōu)于真實(shí)的人類伴侶。

該研究涉及492名參與者，通過兩項(xiàng)雙盲隨機(jī)對照試驗(yàn)進(jìn)行。研究團(tuán)隊(duì)采用了經(jīng)典的“快速交友程序”（Fast Friends Procedure），這是一種經(jīng)過心理學(xué)驗(yàn)證、通過互問一系列逐漸深入的個人問題來快速建立親密關(guān)系的方法。在實(shí)驗(yàn)中，參與者通過文本聊天與伙伴互動，而這個伙伴可能是真人，也可能是基于大型語言模型的AI。關(guān)鍵在于，研究人員操縱了參與者對伙伴身份的認(rèn)知（被告知對方是人還是AI）。

結(jié)果顯示，當(dāng)AI被偽裝成人類時，其在情感互動的深度對話中激發(fā)的親密感顯著高于真人伴侶。進(jìn)一步分析發(fā)現(xiàn)，這是因?yàn)锳I表現(xiàn)出了更高程度的“自我披露”，這種行為在心理學(xué)上是建立信任和親密關(guān)系的關(guān)鍵催化劑。然而，一旦參與者事先得知對方是AI，他們感受到的親密感就會大幅下降，并在對話中投入更少的精力。這一發(fā)現(xiàn)既展示了AI在緩解孤獨(dú)感和心理咨詢方面的巨大潛力，也凸顯了在缺乏監(jiān)管的情況下，AI可能被用于操縱人類情感的倫理風(fēng)險。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #大模型技術(shù) #心理健康與精神疾病 #人機(jī)交互 #社會心理學(xué)

閱讀更多：

Kleinert, Tobias, et al. “AI Outperforms Humans in Establishing Interpersonal Closeness in Emotionally Engaging Interactions, but Only When Labelled as Human.” Communications Psychology, Jan. 2026. www.nature.com, https://doi.org/10.1038/s44271-025-00391-7

Polymathic AI 發(fā)布首個跨領(lǐng)域物理基礎(chǔ)模型

與學(xué)習(xí)語言的 ChatGPT 不同，AI 現(xiàn)在開始學(xué)習(xí)宇宙的物理法則。來自劍橋大學(xué)、Flatiron 研究所以及 Polymathic AI 合作組織的 Michael McCabe、Shirley Ho 和 Miles Cranmer 等研究人員，開發(fā)了名為 Walrus 和 AION-1 的新型基礎(chǔ)人工智能模型。這些模型并非基于文本，而是通過海量的真實(shí)科學(xué)數(shù)據(jù)進(jìn)行訓(xùn)練，旨在利用跨學(xué)科的物理知識解決從天文學(xué)到流體動力學(xué)的復(fù)雜科學(xué)問題。

? Walrus 是一款現(xiàn)代 Transformer 模型，它融合了新型穩(wěn)定技術(shù)和最新的自適應(yīng)計(jì)算方法，能夠從高度多樣化的物理動力學(xué)數(shù)據(jù)集中學(xué)習(xí)。Walrus 以一小段快照序列作為輸入，并預(yù)測序列中的下一步。Credit: arXiv (2025).

這項(xiàng)研究的核心在于構(gòu)建適用于科學(xué)領(lǐng)域的“基礎(chǔ)模型”，即一種在大規(guī)模廣泛數(shù)據(jù)上訓(xùn)練的 AI，能夠適應(yīng)各種下游任務(wù)。研究團(tuán)隊(duì)開發(fā)了專注于流體及類流體系統(tǒng)的 Walrus 模型，它基于一個名為“The Well”的 15TB 數(shù)據(jù)集進(jìn)行訓(xùn)練，涵蓋了中子星合并、聲波傳播等 19 種物理場景。為了解決物理模擬中常見的長時預(yù)測不穩(wěn)定問題，團(tuán)隊(duì)采用了現(xiàn)代 Transformer架構(gòu)，并創(chuàng)新性地引入了“補(bǔ)丁抖動”（Patch jittering）技術(shù)來增強(qiáng)穩(wěn)定性。同時，另一個模型 AION-1 則利用了超過 100TB 的天文觀測數(shù)據(jù)，能夠從低分辨率的星系圖像中推斷出缺失的細(xì)節(jié)。實(shí)驗(yàn)結(jié)果表明，Walrus 能夠?qū)⒁粋€領(lǐng)域的物理規(guī)律遷移應(yīng)用到看似無關(guān)的另一個領(lǐng)域（如從恒星爆炸到細(xì)菌運(yùn)動），在數(shù)據(jù)稀缺的情況下依然表現(xiàn)出色，為科學(xué)家提供了一種通用的物理模擬工具。

#AI 驅(qū)動科學(xué) #計(jì)算模型與人工智能模擬 #基礎(chǔ)模型 #流體動力學(xué) #物理模擬

閱讀更多：

McCabe, Michael, et al. “Walrus: A Cross-Domain Foundation Model for Continuum Dynamics.” arXiv:2511.15684, arXiv, 19 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.15684

西門子團(tuán)隊(duì)開發(fā)新型AI代理框架：將人類專家知識“編碼”進(jìn)大模型

關(guān)鍵領(lǐng)域知識往往掌握在少數(shù)專家手中，這在工業(yè)界造成了嚴(yán)重的效率瓶頸，尤其是在復(fù)雜的仿真數(shù)據(jù)分析領(lǐng)域。Choro Ulan uulu、Jan Bosch和Helena Holmstr?m Olsson等研究人員（西門子股份公司、查爾姆斯理工大學(xué)、埃因霍溫理工大學(xué)、馬爾默大學(xué)）合作開發(fā)了一套新的軟件工程框架。該研究旨在通過捕獲并將人類專家的領(lǐng)域知識“編碼”進(jìn)人工智能系統(tǒng)，從而構(gòu)建出能夠自主執(zhí)行專家級任務(wù)的AI代理，有效解決了非專家用戶難以創(chuàng)建高質(zhì)量數(shù)據(jù)可視化的問題。

研究團(tuán)隊(duì)提出了一種系統(tǒng)化的方法，首先通過深度訪談提取仿真分析和可視化設(shè)計(jì)專家的隱性與顯性知識，然后將這些知識轉(zhuǎn)化為可執(zhí)行的Python規(guī)則和提示詞策略。該框架構(gòu)建了一個增強(qiáng)型AI代理，結(jié)合了請求分類器、檢索增強(qiáng)生成（RAG）技術(shù)以及編碼后的專家設(shè)計(jì)原則。在涉及電化學(xué)（電池設(shè)計(jì)）、電磁學(xué)（電機(jī)優(yōu)化）和機(jī)械系統(tǒng)（控制臂分析）的工業(yè)案例研究中，該系統(tǒng)的表現(xiàn)顯著優(yōu)于僅依賴RAG的基線模型。結(jié)果顯示，AI代理生成的產(chǎn)出質(zhì)量提高了206%，在技術(shù)準(zhǔn)確性和視覺清晰度上均達(dá)到人類專家水平。這意味著非專家用戶僅需簡單指令，即可生成具有深度分析價值的圖表，從而釋放了稀缺的專家資源。

#AI 驅(qū)動科學(xué) #大模型技術(shù) #軟件工程 #知識工程 #數(shù)據(jù)可視化

閱讀更多：

uulu, Choro Ulan, et al. “How to Build AI Agents by Augmenting LLMs with Codified Human Expert Domain Knowledge? A Software Engineering Framework.” arXiv:2601.15153, arXiv, 21 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.15153

多智能體強(qiáng)化學(xué)習(xí)中的通信策略：沒有萬能鑰匙

在多智能體系統(tǒng)中，個體之間如何“交流”直接決定了團(tuán)隊(duì)協(xié)作的效率。為了理清這一復(fù)雜領(lǐng)域的現(xiàn)狀，Christoph Wittner對多智能體強(qiáng)化學(xué)習(xí)（MARL）中的通信方法進(jìn)行了深入的系統(tǒng)性綜述。該研究旨在解決智能體在局部可觀測環(huán)境下的協(xié)作難題，通過分析大量文獻(xiàn)，揭示了不同通信機(jī)制在應(yīng)對非平穩(wěn)性和可擴(kuò)展性挑戰(zhàn)時的具體表現(xiàn)與權(quán)衡。

該研究對29篇核心論文進(jìn)行了詳細(xì)的分類和評估，涵蓋了從模仿昆蟲的隱式通信到復(fù)雜的圖神經(jīng)網(wǎng)絡(luò)架構(gòu)。研究發(fā)現(xiàn)，全連接消息傳遞雖然能提供全局視野，但在大規(guī)模系統(tǒng)中會因計(jì)算瓶頸而失效。相比之下，隱式通信（Implicit Communication）利用環(huán)境線索進(jìn)行協(xié)調(diào)，雖然計(jì)算效率高且易于擴(kuò)展，但由于信號的模糊性，其性能往往不如顯式方法。為了解決噪聲和冗余問題，引入了注意力機(jī)制，允許智能體有選擇地處理信息，但這同時也增加了計(jì)算負(fù)擔(dān)?；趫D的通信通過構(gòu)建稀疏的通信拓?fù)浣Y(jié)構(gòu)，在信息共享和計(jì)算成本之間取得了較好的平衡。此外，研究還探討了基于角色和分層的方法，這些方法通過任務(wù)分解提高了復(fù)雜場景下的學(xué)習(xí)效率。最終結(jié)論表明，多智能體通信不存在“一刀切”的解決方案，研究人員必須根據(jù)具體任務(wù)的規(guī)模和動態(tài)特性來選擇合適的策略。該綜述還強(qiáng)調(diào)了未來建立標(biāo)準(zhǔn)化基準(zhǔn)測試的重要性。

#AI 驅(qū)動科學(xué) #計(jì)算模型與人工智能模擬 #多智能體強(qiáng)化學(xué)習(xí) #通信機(jī)制 #協(xié)同合作

閱讀更多：

Wittner, Christoph. “Communication Methods in Multi-Agent Reinforcement Learning.” arXiv:2601.12886, arXiv, 19 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.12886

Nature：Emu3僅靠“下一個token預(yù)測”統(tǒng)一多模態(tài)學(xué)習(xí)，終結(jié)架構(gòu)碎片化

長期以來，人工智能在處理文本、圖像和視頻時往往依賴不同的架構(gòu)：語言模型使用預(yù)測機(jī)制，而圖像生成則多采用復(fù)雜的擴(kuò)散模型。Xinlong Wang、Yufeng Cui以及Tiejun Huang等研究人員開發(fā)了Emu3，這是一種僅通過“下一個token預(yù)測”機(jī)制訓(xùn)練的多模態(tài)模型系列。該研究證明，簡單的預(yù)測目標(biāo)足以在單一架構(gòu)中統(tǒng)一多模態(tài)學(xué)習(xí)，無需依賴擴(kuò)散模型或復(fù)雜的組合流程，即可達(dá)到頂尖性能。

Emu3的核心在于將圖像、文本和視頻全部轉(zhuǎn)化為離散的表示空間。研究團(tuán)隊(duì)訓(xùn)練了一個統(tǒng)一的視覺分詞器，它能將連續(xù)的視覺數(shù)據(jù)壓縮成離散的編碼，使模型能夠像處理文本一樣處理視覺信息。Emu3采用了僅解碼器的Transformer架構(gòu)，從零開始在混合模態(tài)序列上進(jìn)行訓(xùn)練。與通過去噪過程生成圖像的擴(kuò)散模型（Diffusion Models）不同，Emu3通過自回歸的方式預(yù)測序列中的下一個數(shù)據(jù)塊來生成視頻和圖像。實(shí)驗(yàn)結(jié)果顯示，Emu3在文本生成圖像任務(wù)上匹敵最先進(jìn)的擴(kuò)散模型，在視覺理解任務(wù)上媲美結(jié)合了CLIP編碼器的大型語言模型。此外，它還能生成高保真視頻，并模擬物理世界中的環(huán)境與動作。該研究確立了“下一個token預(yù)測”作為通用多模態(tài)智能基礎(chǔ)的潛力，為未來的具身智能和世界模型開辟了新路徑。研究發(fā)表在 Nature 上。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #多模態(tài)學(xué)習(xí) #Emu3 #Transformer

閱讀更多：

Wang, Xinlong, et al. “Multimodal Learning with Next-Token Prediction for Large Multimodal Models.” Nature, Jan. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-025-10041-x

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(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)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(xiàng)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(jì)劃、、、科普視頻媒體「大圓鏡」等。