追問daily | 男性性欲高峰在40歲左右；歧視將導致加速衰老；每天5分鐘快走可有效預(yù)防死亡

█ 腦科學動態(tài)

每天僅需5分鐘快走，可預(yù)防高達10%的死亡

80歲后純素食阻礙長壽

運動結(jié)合心理干預(yù)是提升幸福感的最佳途徑

大數(shù)據(jù)顯示男性性欲高峰在40歲左右

標準藥物為何失靈？21%抑郁癥患者或需“代謝”療法

美國老年人抗精神病藥物使用激增，十年增長超50%

父親的溫暖陪伴是良藥：早期互動可降低孩子七歲時的炎癥水平

歧視直接導致生理失調(diào)與加速衰老

█ AI行業(yè)動態(tài)

OpenAI官宣引入廣告：被開源模型逼入墻角的商業(yè)妥協(xié)

Cursor“造假”翻車：AI七天寫出的瀏覽器竟是無法運行的“電子泔水”

馬斯克腦機接口實現(xiàn)“在線升級”，OpenAI入局開啟“賽博格”競賽

█ AI驅(qū)動科學

Nature：生成式AI模型利用連續(xù)血糖監(jiān)測數(shù)據(jù)預(yù)測長期疾病風險

會診療的智能眼鏡：閉環(huán)神經(jīng)調(diào)控系統(tǒng)無創(chuàng)緩解面肌痙攣

新型憶阻器訓練方法EaPU將AI訓練能耗降低六個數(shù)量級

浙大研發(fā)FlexiRay軟體機械手實現(xiàn)類人多模態(tài)觸覺感知

交互式工具ELAXIR助力患者掌握醫(yī)療AI倫理話語權(quán)

用于機器人訓練和評估的新數(shù)據(jù)集和通用視覺語言獎勵模型

虛擬現(xiàn)實中的自然環(huán)境更能促進心理治療中的自我披露

Google發(fā)現(xiàn)簡單復(fù)制粘貼提示詞可大幅提升大模型準確率

腦科學動態(tài)

每天僅需5分鐘快走，可預(yù)防高達10%的死亡

生命在于運動，但對于忙碌的現(xiàn)代人來說，達到世界衛(wèi)生組織推薦的運動量往往難以堅持。為了探究微小的行為改變是否也能帶來健康益處，Ulf Ekelund 等人（挪威體育科學學院）領(lǐng)銜的國際團隊進行了一項大規(guī)模研究。他們利用設(shè)備測量的精準數(shù)據(jù)，打破了傳統(tǒng)認知，證實了即便是極少量的運動增加和久坐減少，也能顯著預(yù)防過早死亡。

這項研究匯集了超過13.5萬名成年人的數(shù)據(jù)，涉及挪威、瑞典、美國的七個隊列及英國生物樣本庫（UK Biobank），平均隨訪時間超過8年。與以往依賴不準確的自我報告不同，研究團隊利用可穿戴設(shè)備記錄了參與者的中高強度身體活動（MVPA，即能讓人心率加快、呼吸急促的活動，如快走）和久坐時間。分析結(jié)果令人振奮：對于活動量最低的20%人群，每天僅需增加5分鐘的中高強度活動，就能預(yù)防6%的死亡；而在更廣泛的人群中，這一微小改變甚至能預(yù)防10%的死亡。此外，減少久坐同樣關(guān)鍵。數(shù)據(jù)顯示，每天將久坐時間減少30分鐘，可在高危人群中預(yù)防3.0%的死亡，在一般人群中預(yù)防7.3%的死亡。這項研究強調(diào)，人們不必追求成為健身達人，只需在日常生活中做出微小且可實現(xiàn)的改變，就能獲得巨大的健康回報。研究結(jié)果發(fā)表在 The Lancet 上。

#疾病與健康 #健康管理與壽命延長 #運動醫(yī)學 #公共衛(wèi)生 #生活方式干預(yù)

閱讀更多：

Ekelund, Ulf, et al. “Deaths Potentially Averted by Small Changes in Physical Activity and Sedentary Time: An Individual Participant Data Meta-Analysis of Prospective Cohort Studies.” The Lancet, vol. 0, no. 0, Jan. 2026. www.thelancet.com, https://doi.org/10.1016/S0140-6736(25)02219-6

80歲后純素食阻礙長壽

盡管素食通常被認為有益健康，但在極高齡階段，它真的有助于實現(xiàn)超長壽命嗎？復(fù)旦大學公共衛(wèi)生學院的Xiang Gao教授和中國疾病預(yù)防控制中心的Xiaoming Shi研究員等人，基于大規(guī)模全國性調(diào)查數(shù)據(jù)進行了一項深入研究。由Yaqi Li和Kaiyue Wang等人共同完成的這項工作，首次揭示了在中國80歲及以上的老年人群中，長期堅持純素食飲食模式可能不利于沖擊“百歲大關(guān)”，特別是在那些體重較輕的老人中，這一負面影響更為顯著。

研究團隊采用了前瞻性嵌套病例對照研究（Nested Case-Control Study，一種在隊列研究進行過程中，從隊列內(nèi)部選擇病例和對照進行比較分析，以提高效率并減少偏倚的方法），分析了來自“中國老年健康長壽影響因素調(diào)查”的5203名80歲及以上參與者的數(shù)據(jù)。研究人員根據(jù)飲食習慣將參與者分為雜食者、純素食者、蛋奶素食者和魚素食者，重點考察這些飲食模式與最終活到100歲之間的關(guān)聯(lián)。結(jié)果顯示，與雜食者相比，素食者總體上成為百歲老人的可能性降低了19%。進一步細分發(fā)現(xiàn)，這種差異主要源于純素食者，其成為百歲老人的概率顯著降低了29%（OR=0.71）；而那些攝入魚類或蛋奶制品的素食者，其長壽概率與雜食者相比并沒有統(tǒng)計學上的顯著差異。此外，數(shù)據(jù)分析還強調(diào)了體重指數(shù)（BMI）的關(guān)鍵調(diào)節(jié)作用：在BMI低于18.5的體重過輕人群中，素食與長壽概率降低的關(guān)聯(lián)非常強烈；但在體重正常或較高的人群中，這種負面關(guān)聯(lián)則不復(fù)存在。這提示高齡老人，尤其是體瘦者，應(yīng)注意動物性食物的攝入以維持營養(yǎng)平衡。研究發(fā)表在 The American Journal of Clinical Nutrition 上。

#疾病與健康 #健康管理與壽命延長 #素食 #百歲老人 #營養(yǎng)流行病學

閱讀更多：

Li, Yaqi, et al. “Vegetarian Diet and Likelihood of Becoming Centenarians in Chinese Adults Aged 80 y or Older: A Nested Case-Control Study.” The American Journal of Clinical Nutrition, vol. 0, no. 0, Dec. 2025. ajcn.nutrition.org, https://doi.org/10.1016/j.ajcnut.2025.101136

運動結(jié)合心理干預(yù)是提升幸福感的最佳途徑

新的一年，人們常在健身房鍛煉和自然冥想之間糾結(jié)，試圖尋找提升狀態(tài)的最佳方式。Lowri Wilkie和Andrew Kemp等（斯旺西大學）通過一項大規(guī)模研究，對比了不同學科的干預(yù)措施對成年人幸福感的影響。研究團隊分析了涉及近23,000名參與者的數(shù)據(jù)，發(fā)現(xiàn)改善心理健康并非只有一條路徑，多種方法均證實有效。

研究團隊采用網(wǎng)絡(luò)薈萃分析方法，對183項隨機對照試驗進行了系統(tǒng)評估，這是首次在同一框架內(nèi)跨學科比較心理、生理、身心及環(huán)境干預(yù)措施。研究涵蓋了12個類別，包括正念、瑜伽、運動及積極心理學干預(yù)等。結(jié)果顯示，與未采取措施相比，大多數(shù)干預(yù)均能有效提升幸福感。其中，將體育活動與心理技巧相結(jié)合的“聯(lián)合干預(yù)”（如敬畏行走，即在行走中結(jié)合冥想或心理關(guān)注）效果最為顯著。此外，單獨的運動被證明與許多心理干預(yù)措施一樣有效，而身心干預(yù)（如瑜伽）也顯示出穩(wěn)定的中等效果。這一發(fā)現(xiàn)為公共衛(wèi)生政策制定者提供了依據(jù)，表明可以根據(jù)不同人群的偏好和環(huán)境，靈活設(shè)計多樣化的健康促進項目。研究發(fā)表在 Nature Human Behaviour 上。

#疾病與健康 #心理健康與精神疾病 #公共衛(wèi)生 #運動 #薈萃分析

閱讀更多：

Wilkie, Lowri, et al. “A Systematic Review and Network Meta-Analysis of Randomized Controlled Trials of Well-Being-Focused Interventions.” Nature Human Behaviour, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41562-025-02369-1

大數(shù)據(jù)顯示男性性欲高峰在40歲左右

性欲因人而異，但其背后的驅(qū)動因素究竟是什么？為了解開這一謎題，Toivo Aavik及其團隊（愛沙尼亞塔爾圖大學）進行了一項覆蓋全年齡段的大規(guī)模研究。結(jié)果發(fā)現(xiàn)，僅憑年齡、性別和家庭狀況等基本人口統(tǒng)計學特征，就能解釋人與人之間近三分之一的性欲差異，并修正了關(guān)于男性性欲高峰期的傳統(tǒng)認知。

該研究分析了愛沙尼亞生物銀行（Estonian Biobank）中67,334名成年人的數(shù)據(jù)，樣本量約占該國成年人口的7%。研究人員要求參與者評估其總體性欲水平，并利用多元模型分析了年齡、性別、性取向、教育程度及家庭狀況等變量與性欲的關(guān)聯(lián)。結(jié)果顯示，男性的性欲高峰并非出現(xiàn)在青少年或20多歲，而是在30歲末至40歲初。雖然性欲隨年齡增長普遍下降，但女性的下降速度明顯快于男性。此外，子女數(shù)量的影響呈現(xiàn)出顯著的性別差異：女性子女越多性欲傾向于越低，而男性則相反。數(shù)據(jù)還表明，雙性戀和泛性戀（pansexual）群體報告的性欲水平最高。這項研究為理解性欲隨人生階段和環(huán)境變化的自然屬性提供了堅實的數(shù)據(jù)支持，有助于減輕人們因性欲變化產(chǎn)生的心理困擾。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #心理健康與精神疾病 #性欲 #人口統(tǒng)計學 #愛沙尼亞生物銀行

閱讀更多：

Aavik, Toivo, et al. “Associations of Sexual Desire with Demographic and Relationship Variables.” Scientific Reports, vol. 16, no. 1, Jan. 2026, p. 215. www.nature.com, https://doi.org/10.1038/s41598-025-23483-0

標準藥物為何失靈？21%抑郁癥患者或需“代謝”療法

為何標準抗抑郁藥對許多患者束手無策？Mirim Shin和Ian B. Hickie等人（悉尼大學腦與心智中心）通過一項涉及近1.5萬名患者的大規(guī)模研究找到了關(guān)鍵線索：一種被稱為“非典型抑郁癥”的亞型具有獨特的生物學根源。研究發(fā)現(xiàn)，這一群體不僅對常用藥物反應(yīng)不佳，還面臨更高的副作用風險，這表明其病理機制可能源于身體代謝和生物鐘的紊亂，而非單純的大腦化學物質(zhì)失衡。

該研究分析了澳大利亞抑郁癥遺傳學研究中14,897名參與者的數(shù)據(jù)，其中21%的患者表現(xiàn)出體重增加和嗜睡等特征，被歸類為“非典型抑郁癥”。研究團隊利用多基因評分分析發(fā)現(xiàn)，這組患者在重度抑郁癥、多動癥及雙相情感障礙之外，還具有顯著更高的代謝和炎癥遺傳風險，包括高BMI、2型糖尿病、胰島素抵抗以及C反應(yīng)蛋白升高。此外，他們還表現(xiàn)出明顯的晝夜節(jié)律紊亂遺傳傾向。臨床數(shù)據(jù)顯示，這類患者對標準的一線抗抑郁藥——如選擇性血清素再攝取抑制劑（SSRIs）和血清素-去甲腎上腺素再攝取抑制劑（SNRIs）——的自我報告療效較差，且更容易出現(xiàn)藥物引起的體重增加。這一發(fā)現(xiàn)強調(diào)了針對個體生物學特征進行精準治療的必要性。研究發(fā)表在 Biological Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #非典型抑郁癥 #個性化醫(yī)療 #代謝精神病學

閱讀更多：

Shin, Mirim, et al. “Atypical Depression Is Associated with a Distinct Clinical, Neurobiological, Treatment Response and Polygenic Risk Profile.” Biological Psychiatry, vol. 0, no. 0, Jan. 2026. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2026.01.003

美國老年人抗精神病藥物使用激增，十年增長超50%

為什么會對老年人頻繁使用可能危及生命的鎮(zhèn)靜劑？為了揭示這一令人擔憂的趨勢，哥倫比亞大學的 Mark Olfson 和羅格斯大學的 Stephen Crystal 等研究人員分析了美國全國性的處方數(shù)據(jù)。結(jié)果發(fā)現(xiàn)，盡管抗精神病藥物對癡呆癥療效甚微且?guī)в兴劳鲲L險警告，但在過去十年中，針對美國老年人的抗精神病藥物處方量卻呈現(xiàn)激增態(tài)勢，這一現(xiàn)象反映了醫(yī)療體系在應(yīng)對老齡化護理方面的結(jié)構(gòu)性困境。

研究團隊利用涵蓋全美90%以上零售藥房記錄的數(shù)據(jù)庫，詳細追蹤了2015年至2024年間65歲及以上成年人的用藥情況。結(jié)果令人震驚：抗精神病藥物的年使用率在此期間增長了近52%，長期使用（每年至少120天）的比例更是飆升了65%。值得注意的是，這種增長并非源于精神分裂癥等藥物適應(yīng)癥的增加，而是更多被用作“化學約束”手段，以應(yīng)對癡呆癥患者的躁動、游蕩等行為，尤其是在人手短缺的護理機構(gòu)中。數(shù)據(jù)還顯示，由精神科醫(yī)生開具處方的比例顯著下降，而長期護理機構(gòu)藥房的配藥比例則在上升，這意味著許多處方可能缺乏專科醫(yī)生的詳細評估。盡管風險較高的第一代抗精神病藥物使用率有所下降，但總體趨勢表明，社會正越來越依賴藥物來解決本應(yīng)通過環(huán)境改善和人員照護來解決的問題。研究發(fā)表在 JAMA Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #老齡化 #公共衛(wèi)生 #藥物安全

閱讀更多：

Olfson, Mark, et al. “Antipsychotic Medication Use by Older Adults.” JAMA Psychiatry, Dec. 2025. Silverchair, https://doi.org/10.1001/jamapsychiatry.2025.3658

父親的溫暖陪伴是良藥：早期互動可降低孩子七歲時的炎癥水平

父親在孩子嬰兒期的行為對孩子未來的身體健康有多大影響？Alp Aytuglu和Hannah Schreier（賓夕法尼亞州立大學）的研究團隊發(fā)現(xiàn)，父親在孩子嬰兒期的互動方式會改變家庭動態(tài)，進而影響孩子多年后的心臟和代謝健康。研究顯示，父親在孩子10個月大時的溫暖陪伴，能促進更積極的共同育兒關(guān)系，并預(yù)測孩子7歲時更好的生理健康指標。

該研究基于“家庭基金會”項目的數(shù)據(jù)，分析了399個美國家庭的視頻記錄和生理數(shù)據(jù)。研究人員在孩子10個月和24個月大時錄制了親子互動視頻，重點觀察父母的“敏感性”和是否存在“競爭-退縮”行為（competitive-withdrawal），即一方爭奪孩子注意力導致另一方退出互動。當孩子7歲時，團隊采集血樣檢測了膽固醇、糖化血紅蛋白（HbA1c，反映長期血糖水平）和C反應(yīng)蛋白（CRP，炎癥標志物）等指標。利用結(jié)構(gòu)方程模型分析發(fā)現(xiàn)，父親在10個月時的積極參與，與其在24個月時較少的競爭性行為相關(guān)，而這種良性的共同育兒模式直接關(guān)聯(lián)孩子7歲時更低的炎癥和血糖水平。有趣的是，母親的相關(guān)行為未顯示出這種特定預(yù)測聯(lián)系，研究人員推測這可能因為母親通常是主要照護者，其行為構(gòu)成了家庭常態(tài)，而父親的角色更易起到強化或破壞這種平衡的作用。研究發(fā)表在 Health Psychology 上。

#疾病與健康 #心理健康與精神疾病 #家庭動力學 #兒童發(fā)展 #心臟代謝健康

閱讀更多：

Aytuglu, Alp, et al. “Longitudinal Associations between Father– and Mother–Child Interactions, Coparenting, and Child Cardiometabolic Health.” Health Psychology [US], 2025. APA PsycNet, https://doi.org/10.1037/hea0001567

歧視直接導致生理失調(diào)與加速衰老

歧視不僅會造成心理創(chuàng)傷，還會通過壓力系統(tǒng)直接損害身體健康。Nevena Chuntova和Robert-Paul Juster（蒙特利爾大學）的研究團隊通過分析性少數(shù)和性別少數(shù)群體的生理數(shù)據(jù)，揭示了社會污名如何在人體內(nèi)留下可測量的生物痕跡。該研究發(fā)現(xiàn)，遭受歧視會導致一種被稱為“異質(zhì)性負荷”的累積性生物損耗增加，進而加速衰老過程，這表明歧視應(yīng)被視為一種嚴重的慢性健康負擔。

為了量化這種影響，研究團隊對357名成年人進行了深入分析，測量了涉及心血管、代謝、神經(jīng)內(nèi)分泌和免疫系統(tǒng)的16種生物標志物，以此計算參與者的異質(zhì)性負荷（allostatic load）。研究人員將參與者細分為包括順性別、跨性別和非二元性別在內(nèi)的七個小組，并結(jié)合問卷調(diào)查了他們的歧視經(jīng)歷。結(jié)果顯示，即使控制了年齡因素，重大的歧視經(jīng)歷和日常的微侵犯（microaggressions）仍與較高的異質(zhì)性負荷顯著相關(guān)。值得注意的是，男性譜系群體（包括順性別和跨性別男性）以及性少數(shù)男性（如同性戀和雙性戀）表現(xiàn)出了最高的生理壓力水平。與傳統(tǒng)觀點不同，這項研究發(fā)現(xiàn)吸煙或飲酒等健康行為并不是造成這種生理損傷的中介因素；相反，歧視本身直接擾亂了生物系統(tǒng)。這證實了污名化是一種能“深入骨髓”的壓力，無需通過不良行為習慣即可直接破壞生理機能。研究發(fā)表在 Psychoneuroendocrinology 上。

#疾病與健康 #心理健康與精神疾病 #異質(zhì)性負荷 #性少數(shù)群體 #公共衛(wèi)生

閱讀更多：

Chuntova, Nevena, et al. “Intersectional Stigma, Health Behaviors, and Allostatic Load among Sexual and Gender Diverse People.” Psychoneuroendocrinology, vol. 184, Feb. 2026, p. 107708. ScienceDirect, https://doi.org/10.1016/j.psyneuen.2025.107708

AI 行業(yè)動態(tài)

OpenAI官宣引入廣告：被開源模型逼入墻角的商業(yè)妥協(xié)

OpenAI 近日正式宣布，將于 2026 年 1 月 16 日起在 ChatGPT 免費版及新推出的低價“Go”版本中引入廣告。這一決策標志著這家曾以非營利愿景起家的科技巨頭，在商業(yè)現(xiàn)實面前不得不做出妥協(xié)。CEO Sam Altman 曾公開表示廣告是“美學上的倒退”，但如今不得不承認這是維持運營的最后手段。盡管截至 2026 年 1 月，OpenAI 融資總額已高達數(shù)連百億美元，但面對未來十年預(yù)計高達 1.4 萬億美元的基礎(chǔ)設(shè)施成本，公司仍面臨巨大的財務(wù)壓力。目前的收入結(jié)構(gòu)中，免費用戶等同于純成本，而 Plus 訂閱僅能勉強覆蓋開支。每一次用戶提問背后，后臺都要消耗大量的 Token進行推理計算，這種“用戶越多虧損越大”的詭異困境，迫使 OpenAI 必須尋找新的造血機制。

OpenAI 此次轉(zhuǎn)向的背后，是中國公司 DeepSeek 帶來的巨大沖擊。DeepSeek 推出的一系列開源模型以極低的訓練和推理成本實現(xiàn)了頂尖性能，徹底打破了行業(yè)的定價權(quán)。DeepSeek 的成功證明了不依賴天價燒錢也能做出頂級 AI，這使得 OpenAI 無法通過提高 API價格來增加收入，因為企業(yè)客戶隨時可以轉(zhuǎn)向更便宜的開源替代方案。在漲價無門、降價虧損的雙重夾擊下，引入廣告成為了 OpenAI 唯一的出路。這一事件被視為 AI 行業(yè)的“成人禮”，標志著行業(yè)重心從盲目燒錢追求技術(shù)領(lǐng)先，轉(zhuǎn)向了對商業(yè)可持續(xù)性和算法效率的精打細算，AI 領(lǐng)域的烏托邦時代已然結(jié)束。

#OpenAI #ChatGPT #DeepSeek #開源模型 #商業(yè)化

閱讀更多：

https://openai.com/index/our-approach-to-advertising-and-expanding-access/

Cursor“造假”翻車：AI七天寫出的瀏覽器竟是無法運行的“電子泔水”

近日，AI 編程工具 Cursor 發(fā)布重磅消息，聲稱其基于 GPT-5.2 的編碼智能體在短短7天內(nèi)，從零構(gòu)建了一個包含300萬行代碼的瀏覽器。然而，這一被包裝成“突破性進展”的項目迅速遭到技術(shù)社區(qū)的嚴厲打假。開發(fā)者深入分析其開源代碼庫后發(fā)現(xiàn)，該項目本質(zhì)上是一堆缺乏工程邏輯的“AI泔水”（AI Slop，指 AI 生成的大量低質(zhì)量、無意義或無法使用的內(nèi)容），連最基本的編譯都無法通過。盡管 Cursor 在宣傳中聲稱數(shù)百個智能體協(xié)同工作取得了有意義的進展，但并未提供任何可復(fù)現(xiàn)的演示或可用的版本標簽。GitHub 的歷史記錄顯示，該項目從誕生起就從未處于可運行狀態(tài)，充滿了編譯器錯誤，甚至連持續(xù)集成的工作流文件本身都存在嚴重問題。

進一步的調(diào)查揭露了更多細節(jié)，所謂的“從零構(gòu)建”實為調(diào)用了 html5ever 和 rquickjs 等現(xiàn)有依賴庫，本質(zhì)上只是 Mozilla 開發(fā)的 Servo 引擎的粗糙“套殼”版本。這一將“半成品”包裝成技術(shù)里程碑的行為激怒了開發(fā)者社區(qū)，GitHub Issues 和 Hacker News 上充斥著質(zhì)疑聲，指責其為了營銷而誤導大眾。Hyperbolic 聯(lián)合創(chuàng)始人 Yuchen Jin 等業(yè)內(nèi)人士指出，單純堆砌智能體數(shù)量只會帶來混亂，真正的未來屬于“開掛工程師”（Cracked Engineer，指能高效利用 AI 工具極大幅度提升產(chǎn)出的頂級開發(fā)者）。此次事件表明，軟件開發(fā)不能依賴無人監(jiān)管的 AI 像無頭蒼蠅般亂撞，而必須由具備深厚技術(shù)底蘊的人類工程師進行精準引導和審核，才能避免產(chǎn)出此類無法運行的廢棄代碼。

#Cursor #AI瀏覽器 #AI泔水 #GPT-5.2 #開源打假

閱讀更多：

https://www.theinformation.com/articles/forget-vibe-coders-cracked-engineers-rage-tech?rc=epv9gi

馬斯克腦機接口實現(xiàn)“在線升級”，OpenAI入局開啟“賽博格”競賽

Neuralink 的首位人類受試者 Noland Arbaugh 近日透露，其植入的大腦芯片可以通過類似于特斯拉汽車的 OTA（Over-the-Air Technology，空中下載技術(shù)，即通過無線網(wǎng)絡(luò)進行遠程軟件更新）方式進行“在線升級”，無需再次進行開顱手術(shù)即可修復(fù)漏洞并大幅提升性能。Noland 指出，目前系統(tǒng)的進化主要通過“心靈感應(yīng)”（Telepathy）應(yīng)用更新、植入體固件無線升級以及未來的硬件迭代三種方式實現(xiàn)。此前，其植入體曾出現(xiàn)部分電極線脫落導致信號丟失的危急情況，但研究人員通過改進算法成功恢復(fù)了監(jiān)測靈敏度，甚至使光標控制速度超越了故障前的水平。展望未來，Neuralink 計劃采用“雙芯配置”，即在大腦和脊髓分別植入芯片，以此搭建數(shù)字橋梁（Digital Bridge，連接不同神經(jīng)系統(tǒng)的電子通路），旨在幫助癱瘓患者繞過受損神經(jīng)直接驅(qū)動肢體，甚至實現(xiàn)全身功能的恢復(fù)。與此同時，新一代手術(shù)機器人已將單根電極插入時間縮短至1.5秒，預(yù)示著未來手術(shù)將更加高效便捷。

在腦機接口領(lǐng)域，競爭正日益白熱化。由 Sam Altman 參與創(chuàng)立的硅谷初創(chuàng)公司 Merge Labs 近日宣布獲得由 OpenAI 等領(lǐng)投的2.52億美元融資。與 Neuralink 依賴植入電極的路線不同，Merge Labs 主張采用超聲技術(shù)結(jié)合增強信號的蛋白報告器（Protein Reporters，用于標記神經(jīng)活動并使其可被外部設(shè)備檢測的生物分子），試圖以更低的侵入性實現(xiàn)對大規(guī)模腦區(qū)活動的探測與調(diào)制。研究人員認為，隨著人工智能的飛速發(fā)展，人類需要通過高帶寬的腦接口來擴展自身能力，這種技術(shù)的重要性可能不亞于通用人工智能。無論是 Noland 通過意念在電子游戲中“大殺四方”，還是 Merge Labs 描繪的宏大愿景，都預(yù)示著人類正逐步邁向“賽博格”（Cyborg，人類與電子機械的融合體）與數(shù)字永生的新階段。

#Neuralink #腦機接口 #OpenAI #生物黑客 #數(shù)字永生

閱讀更多：

https://openai.com/index/investing-in-merge-labs/

AI 驅(qū)動科學

Nature：生成式AI模型GluFormer利用連續(xù)血糖監(jiān)測數(shù)據(jù)預(yù)測長期疾病風險

連續(xù)血糖監(jiān)測雖能提供詳盡數(shù)據(jù)，但其在長期健康預(yù)測上的潛力一直未被充分挖掘。Guy Lutsker、Eran Segal 等人（魏茨曼科學研究所）開發(fā)了一種名為 GluFormer 的生成式基礎(chǔ)模型，該模型不僅能從短期監(jiān)測數(shù)據(jù)中提取關(guān)鍵特征以預(yù)測血糖參數(shù)，更在對糖尿病及心血管死亡等長期疾病風險的分層預(yù)測上展現(xiàn)出超越現(xiàn)有標準的潛力，為精準代謝健康管理提供了有力工具。

這項研究的核心在于構(gòu)建了一個針對連續(xù)血糖監(jiān)測（Continuous glucose monitoring，CGM）數(shù)據(jù)的生成式基礎(chǔ)模型。研究團隊采用自監(jiān)督學習方法，利用來自 1 萬多名成年人的超過 1000 萬次血糖測量數(shù)據(jù)對 GluFormer 進行了訓練。在涵蓋 5 個國家、8 種設(shè)備及多種病理狀態(tài)的 19 個外部隊列驗證中，該模型表現(xiàn)出強大的遷移能力。結(jié)果顯示，在預(yù)測血糖參數(shù)方面，該模型持續(xù)優(yōu)于傳統(tǒng)的糖化血紅蛋白（HbA1c）指標。尤其值得注意的是，在一個長達 11 年隨訪的隊列研究中，該模型展現(xiàn)了卓越的風險分層能力：在被模型判定為風險最高的四分位人群中，新發(fā)糖尿病和心血管死亡的比例分別高達 66% 和 69%，相比之下，風險最低組的比例僅為 7% 和 0%。此外，該團隊還開發(fā)了整合飲食數(shù)據(jù)的多模態(tài)版本，成功預(yù)測了個體對食物的血糖反應(yīng)。研究發(fā)表在 Nature 上。

#AI驅(qū)動科學 #預(yù)測模型構(gòu)建 #連續(xù)血糖監(jiān)測 #糖尿病 #心血管疾病

閱讀更多：

Lutsker, Guy, et al. “A Foundation Model for Continuous Glucose Monitoring Data.” Nature, Jan. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09925-9

會診療的智能眼鏡：閉環(huán)神經(jīng)調(diào)控系統(tǒng)無創(chuàng)緩解面肌痙攣

面肌痙攣（HFS）嚴重影響患者的社交與生活，而現(xiàn)有的肉毒素注射或開顱手術(shù)等療法存在療效短暫或風險高等局限。Xuecheng Qu, Jiahao Wan 以及 Zhou Li, Jia Cheng, Chong Li 等人（中國科學院北京納米能源與系統(tǒng)研究所、清華大學）合作開發(fā)了一款集成了摩擦電納米發(fā)電機傳感技術(shù)與經(jīng)皮電神經(jīng)刺激功能的智能可穿戴眼鏡系統(tǒng)。該系統(tǒng)利用先進的材料改性技術(shù)，無需外部電源即可實時捕捉面部肌肉的微小抽搐，并通過閉環(huán)反饋觸發(fā)精準電刺激，為患者提供了一種非侵入、居家可用的診療一體化解決方案。

? 閉環(huán)面神經(jīng)刺激系統(tǒng)的設(shè)計與原理。a圖展示了集成在眼鏡上的HFSS傳感器和刺激電極。b圖示意了通過外部電刺激抑制異常神經(jīng)沖動的原理。c圖展示了基于CCTO摻雜PDMS微半球結(jié)構(gòu)的摩擦電傳感器設(shè)計。d圖為傳感器的工作原理。e圖展示了患者治療前后在面部對稱性指標上的改善。

研究團隊設(shè)計了一種高性能柔性傳感器，通過在聚二甲基硅氧烷（PDMS）中摻雜鈦酸銅鈣（CCTO）并構(gòu)建微米級半球形陣列，利用摩擦電效應(yīng)將傳感器靈敏度提升了約2.3倍。配合特制的滑動窗口算法，該系統(tǒng)對痙攣發(fā)作的識別準確率高達98%。一旦檢測到異常信號，系統(tǒng)會立即觸發(fā)預(yù)設(shè)的電刺激（經(jīng)皮電神經(jīng)刺激，TENS）抑制神經(jīng)興奮。在涉及3名患者的臨床驗證中，通過計算機視覺分析眼-鼻距離等指標，證實佩戴該眼鏡進行閉環(huán)干預(yù)能顯著改善面部對稱性（p < 0.0001）。此外，該傳感器還能在顳淺動脈處監(jiān)測脈搏波，展現(xiàn)了多模態(tài)生理監(jiān)測潛力。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #神經(jīng)調(diào)控 #智能穿戴 #面肌痙攣 #摩擦電傳感器

閱讀更多：

Qu, Xuecheng, et al. “Closed-Loop Wearable Neurostimulation System with Triboelectric Sensing to Alleviate Hemifacial Spasms.” Nature Communications, vol. 16, no. 1, Jan. 2026, p. 11148. www.nature.com, https://doi.org/10.1038/s41467-025-67121-9

新型憶阻器訓練方法EaPU將AI訓練能耗降低六個數(shù)量級

如何讓高能效的模擬硬件適應(yīng)現(xiàn)代AI訓練的精度要求？Jinchang Liu、Tuo Shi（浙江實驗室）與Qi Liu（復(fù)旦大學）等人組成的團隊開發(fā)了一種名為“誤差感知概率更新”（EaPU）的新方法。該研究通過巧妙利用硬件噪聲而非對抗它，成功解決了憶阻器訓練中的算法-硬件不匹配問題，在大幅降低能耗的同時提升了計算任務(wù)的準確性。

? 在憶阻器硬件上實現(xiàn) SRNet ×2。Credit: Nature Communications (2025).

團隊在定制的180納米憶阻器陣列上驗證了該方法，并在圖像去噪和超分辨率任務(wù)中取得了優(yōu)異的結(jié)構(gòu)相似性指數(shù)。在大規(guī)模仿真中，EaPU成功訓練了152層的ResNet和Vision Transformer模型，在噪聲環(huán)境下的準確率比標準方法提高了60%以上。最令人矚目的是，該方法將訓練過程中的參數(shù)更新減少了99%以上，使得器件壽命延長了約1000倍。與GPU相比，EaPU將訓練能耗降低了驚人的六個數(shù)量級；即便是與現(xiàn)有的先進憶阻器訓練方法相比，能耗也降低了50倍。這一突破為未來大語言模型在低能耗硬件上的訓練鋪平了道路。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #技術(shù)創(chuàng)新 #單神經(jīng)元重建 #全腦成像

閱讀更多：

Liu, Jinchang, et al. “Error-Aware Probabilistic Training for Memristive Neural Networks.” Nature Communications, vol. 16, no. 1, Dec. 2025, p. 11494. www.nature.com, https://doi.org/10.1038/s41467-025-66240-7

浙大研發(fā)FlexiRay軟體機械手實現(xiàn)類人多模態(tài)觸覺感知

為了讓機器人具備像人類一樣靈巧的雙手，能夠安全地處理易碎物品并適應(yīng)復(fù)雜環(huán)境，Huixu Dong、Yanzhe Wang、Haotian Guo和Hao Wu（浙江大學）組成的團隊開發(fā)了一種名為FlexiRay的創(chuàng)新型軟體機械手。該團隊旨在解決傳統(tǒng)軟體傳感器在發(fā)生形變時容易產(chǎn)生感知盲區(qū)的問題，通過結(jié)合先進的機械結(jié)構(gòu)設(shè)計與人工智能算法，F(xiàn)lexiRay不僅具備了軟體機器人的安全性和順應(yīng)性，還成功集成了高分辨率的視覺觸覺傳感能力，能夠像人類皮膚一樣感知物理世界。

? 圖示對比了 FlexiRay 傳感器與人手感知模式及其應(yīng)用場景。圖中介紹了其設(shè)計靈感、工作原理和分層結(jié)構(gòu)。Credit: Nature Communications (2025).

研究團隊受鰭狀射線效應(yīng)（Fin Ray Effect，一種模仿魚鰭受力后被動彎曲以包裹物體的仿生結(jié)構(gòu)）啟發(fā)，設(shè)計了FlexiRay的柔性骨架。為了解決軟體手指彎曲遮擋內(nèi)部視線的問題，研究人員利用協(xié)方差矩陣適應(yīng)進化策略（CMA-ES）優(yōu)化了內(nèi)部的多鏡面光學系統(tǒng)，使機械指在發(fā)生大幅形變時，光學路徑能動態(tài)調(diào)整以“繞過”遮擋物，從而保持連續(xù)的視野。FlexiRay的表皮采用包含熱致變色（Thermochromic，一種隨溫度變化而改變顏色的材料）材料的多層復(fù)合結(jié)構(gòu)。通過解耦的深度學習框架分析單攝像頭采集的圖像，F(xiàn)lexiRay能同時解析出力、接觸位置、紋理、溫度和本體感覺五種模態(tài)。實驗結(jié)果顯示，在大變形下其有效感知覆蓋率仍超過90%，并達到了0.17牛頓的力感知精度和1.17攝氏度的溫度感知精度。這種“利用變形”而非“避免變形”的設(shè)計范式，使其能輕松完成抓取蛋糕、修剪花枝及遠程泡茶等精細任務(wù)。研究發(fā)表在 Nature Communications 上。

#AI 驅(qū)動科學 #機器人及其進展 #軟體機器人 #觸覺感知 #仿生設(shè)計

閱讀更多：

Wang, Yanzhe, et al. “Flexible Robotic Hand Harnesses Large Deformations for Full-Coverage Human-like Multimodal Haptic Perception.” Nature Communications, vol. 17, no. 1, Dec. 2025, p. 458. www.nature.com, https://doi.org/10.1038/s41467-025-67148-y

交互式工具ELAXIR助力患者掌握醫(yī)療AI倫理話語權(quán)

隨著人工智能在醫(yī)療領(lǐng)域的深度滲透，數(shù)據(jù)隱私與算法偏見等倫理風險日益凸顯。Raquel Iniesta等（倫敦國王學院）領(lǐng)導的團隊開發(fā)了一款名為ELAXIR的創(chuàng)新工具，旨在提升公眾及專業(yè)人士對醫(yī)療AI倫理挑戰(zhàn)的應(yīng)對能力。

該研究基于團隊提出的“患者擴展”協(xié)作模式（patient-extended collaborative model），開發(fā)了一套包含實體與電子形式的卡片工具。ELAXIR由解釋核心概念的主卡、涵蓋13種醫(yī)療情景的案例卡以及倫理AI詞典組成。這些情景由臨床醫(yī)生、開發(fā)者和患者共同設(shè)計，模擬了真實的就醫(yī)困境，例如當AI對少數(shù)族裔效果不佳或與醫(yī)生建議相左時應(yīng)如何決策。通過這種交互式學習，工具不僅普及了算法與風險等關(guān)鍵術(shù)語，更重要的是確立了以患者為中心的協(xié)作機制。結(jié)果表明，通過賦予患者了解AI原理及自身權(quán)利的能力，可以有效防止醫(yī)療過程中的非人化傾向，促進醫(yī)生、開發(fā)者與患者三方在AI應(yīng)用中的平等對話與負責任決策。研究發(fā)表在 AI and Ethics 上。

#疾病與健康 #跨學科整合 #人工智能倫理 #患者賦權(quán) #醫(yī)療決策

閱讀更多：

Iniesta, Raquel. “The Human Role to Guarantee an Ethical AI in Healthcare: A Five-Facts Approach.” AI and Ethics, vol. 5, no. 1, Feb. 2025, pp. 385–97. Springer Link, https://doi.org/10.1007/s43681-023-00353-x

RoboReward：用于機器人訓練和評估的新數(shù)據(jù)集和通用視覺語言獎勵模型

訓練機器人執(zhí)行日常任務(wù)通常需要大量昂貴的人工監(jiān)督來提供反饋信號。來自斯坦福大學和加州大學伯克利分校（UC Berkeley）的Tony Lee、Andrew Wagenmaker、Chelsea Finn及其團隊開發(fā)了RoboReward，這是一個專門用于訓練和評估機器人人工智能算法的數(shù)據(jù)集和模型系統(tǒng)。該研究旨在利用視覺語言模型作為自動獎勵系統(tǒng)，從而減少人類在機器人訓練回路中的干預(yù)，實現(xiàn)了機器人技能習得的自動化評估。

? 作者訓練了一個通用的視覺語言獎勵模型，該模型在真實世界機器人訓練中顯著縮小了與人類獎勵之間的性能差距，并在兩個任務(wù)（打開抽屜和猴子抓取放置）中得到了驗證。Credit: Lee et al.

研究團隊通過創(chuàng)新性地增強現(xiàn)有的機器人演示數(shù)據(jù)構(gòu)建了RoboReward數(shù)據(jù)集。針對以往數(shù)據(jù)集缺乏失敗案例的問題，他們采用了反事實重新標記（counterfactual relabeling，即修改任務(wù)指令以匹配失敗場景）和時間剪輯（temporal clipping，截取動作未完成的片段）技術(shù)，生成了大量逼真的失敗和“險些成功”的負樣本。基于此數(shù)據(jù)，團隊訓練了兩個新的通用視覺語言獎勵模型——RoboReward 4B和8B。在包含多種機器人形態(tài)和任務(wù)的基準測試中，這些針對性訓練的模型展現(xiàn)出卓越的物理推理能力。結(jié)果顯示，RoboReward 8B在獎勵準確性上超越了包括Gemini Robotics-ER 1.5在內(nèi)的大型前沿模型，并在真實世界的機器人強化學習實驗中，顯著縮小了自動化訓練與人工指導訓練之間的性能差距。

#AI 驅(qū)動科學 #自動化科研 #機器人及其進展 #強化學習 #視覺語言模型

閱讀更多：

Lee, Tony, et al. “RoboReward: General-Purpose Vision-Language Reward Models for Robotics.” arXiv:2601.00675, arXiv, 8 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.00675

虛擬現(xiàn)實中的自然環(huán)境更能促進心理治療中的自我披露

虛擬現(xiàn)實能否成為心理治療的有效新途徑？伊迪斯·科文大學（Edith Cowan University）的Shane L. Rogers團隊通過兩項最新研究，探索了VR在心理健康支持中的潛力。研究發(fā)現(xiàn)，VR不僅能通過虛擬化身提供類似文字聊天的匿名安全感，還能通過精心設(shè)計的環(huán)境提供類似視頻聊天的臨場感，特別是自然場景的虛擬環(huán)境，能顯著提升人們敞開心扉的舒適度。

? 研究使用了四種虛擬環(huán)境：（a）海濱場景，（b）綠色花園場景，（c）城市室內(nèi)辦公場景，以及（d）科幻場景。所有圖像均以參與者的視角拍攝，參與者看向?qū)嶒炚叩奶摂M化身。Credit: Applied Sciences (2025).

該團隊進行了兩項獨立但相關(guān)的實驗。在第一項發(fā)表于 Journal of Technology in Behavioral Science 的研究中，研究人員對比了視頻聊天、文字聊天和VR聊天三種模式。50名參與者對不同模式下的自我披露體驗進行了評分。結(jié)果顯示，雖然視頻聊天仍是主流首選，但VR在營造平靜感方面表現(xiàn)出色，約20%的用戶因虛擬化身（avatars）帶來的匿名放松感而更偏愛VR。在發(fā)表于 Applied Sciences 的第二項研究中，團隊進一步測試了海濱、花園、辦公室和科幻四種虛擬場景。結(jié)果表明，環(huán)境設(shè)計至關(guān)重要，參與者一致認為基于自然的虛擬環(huán)境比非自然環(huán)境更具安撫作用，更適合進行治療性對話。這些發(fā)現(xiàn)表明，隨著技術(shù)的進步，VR有望成為一種介于傳統(tǒng)面對面治療和遠程醫(yī)療之間的重要補充工具。

#疾病與健康 #心理健康與精神疾病 #虛擬現(xiàn)實 #自我披露 #遠程醫(yī)療

閱讀更多：

Rogers, Shane L., et al. “Virtual Reality for Self-Disclosure: Comparing User Experiences Across VR, Video and Text Chat.” Journal of Technology in Behavioral Science, Nov. 2025. Springer Link, https://doi.org/10.1007/s41347-025-00574-3

Google發(fā)現(xiàn)簡單復(fù)制粘貼提示詞可大幅提升大模型準確率

如何能在不升級模型或犧牲速度的前提下，讓大語言模型瞬間變“聰明”？Yaniv Leviathan、Matan Kalman和Yossi Matias（Google Research）團隊發(fā)現(xiàn)了一項驚人的簡單技巧：只需將提示詞復(fù)制粘貼一遍。這項研究針對大模型在處理信息時的架構(gòu)缺陷，通過極低成本的手段顯著提升了模型在非推理任務(wù)中的表現(xiàn)，為優(yōu)化現(xiàn)有AI系統(tǒng)提供了新思路。

該研究針對Transformer架構(gòu)中存在的因果盲點（Causal Blind Spot），即模型在從左到右處理文本時無法“預(yù)知”后續(xù)內(nèi)容的問題，提出了一種名為“提示詞重復(fù)”的策略。研究團隊將輸入內(nèi)容重復(fù)輸入，即把“問題”變?yōu)椤皢栴}+問題”，這使得模型在處理第二遍內(nèi)容時，能夠利用注意力機制回顧第一遍的完整信息，從而獲得類似“上帝視角”的全局理解。在針對Gemini、GPT-4o和DeepSeek等主流模型的測試中，這一策略效果顯著。特別是在需要精確檢索的NameIndex測試中，Gemini 2.0 Flash-Lite的準確率從21.33%飆升至97.33%。值得注意的是，由于重復(fù)處理發(fā)生在高度可并行的預(yù)填充階段，而非逐字生成的生成階段，因此幾乎沒有增加用戶感知的延遲。這項技術(shù)為解決大模型“讀后即忘”的問題提供了免費的午餐，盡管研究也指出該方法在需要復(fù)雜推理的思維鏈任務(wù)中效果有限。

#大模型技術(shù) #計算模型與人工智能模擬 #提示工程 #Transformer架構(gòu) #GoogleResearch

閱讀更多：

Leviathan, Yaniv, et al. “Prompt Repetition Improves Non-Reasoning LLMs.” arXiv:2512.14982, arXiv, 17 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.14982

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。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)于天橋腦科學研究院

天橋腦科學研究院（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研究機構(gòu)之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，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)前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學研究院。

研究院還建成了支持腦科學和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布歐美、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。