追問(wèn)daily | 記憶是幻覺(jué)嗎？新框架解析玻爾茲曼大腦悖論與熵的本質(zhì)；并非所有記憶都生而平等

█ 腦科學(xué)動(dòng)態(tài)

Cell：神經(jīng)元利用鈣離子尖峰實(shí)現(xiàn)大腦向量運(yùn)算與高效導(dǎo)航

Nature：100多個(gè)新基因區(qū)域證實(shí)精神分裂癥跨種族生物學(xué)機(jī)制

區(qū)分同卵雙胞胎準(zhǔn)確率達(dá)97%，大腦形狀受遺傳高度調(diào)控

并非所有記憶都生而平等：動(dòng)機(jī)“情緒”如何重塑大腦記憶模式

優(yōu)勢(shì)者獨(dú)處睡得香，從屬者隔離易失眠

截短與磷酸化協(xié)同作用：科學(xué)家繪制路易體形成新路線

嚴(yán)格身材管理的正常體重少女面臨更高心理風(fēng)險(xiǎn)

記憶是幻覺(jué)嗎？新框架解析玻爾茲曼大腦悖論與熵的本質(zhì)

█ AI行業(yè)動(dòng)態(tài)

谷歌Gemini接入SAT全真模考，深化垂直領(lǐng)域布局

AAAI 2026大獎(jiǎng)揭曉

█ AI驅(qū)動(dòng)科學(xué)

人工智能在發(fā)散性創(chuàng)造力任務(wù)中超越人類平均水平

AI揭示情緒構(gòu)建機(jī)制：多模態(tài)數(shù)據(jù)驗(yàn)證“情緒建構(gòu)理論”

AI透明度需求取決于用戶期望：一項(xiàng)在線約會(huì)實(shí)驗(yàn)研究

平均值掩蓋真相：AI模型在新環(huán)境下的隱形失效風(fēng)險(xiǎn)

路標(biāo)文字也能劫持機(jī)器人：具身AI的新型安全漏洞

AI利用新生兒足跟血預(yù)測(cè)早產(chǎn)兒健康軌跡，準(zhǔn)確率超85%

百萬(wàn)級(jí)播客數(shù)據(jù)揭示：商業(yè)與體育圈層封閉，社會(huì)議題跨界傳播

智能體推理：大語(yǔ)言模型向自主行動(dòng)者的進(jìn)化路線圖

腦科學(xué)動(dòng)態(tài)

Cell：神經(jīng)元利用鈣離子尖峰實(shí)現(xiàn)大腦向量運(yùn)算與高效導(dǎo)航

動(dòng)物如何將不斷變化的感官輸入轉(zhuǎn)化為穩(wěn)定的導(dǎo)航地圖？Itzel G. Ishida、Sachin Sethi和Gaby Maimon團(tuán)隊(duì)（洛克菲勒大學(xué)）通過(guò)研究果蠅大腦揭示了一種驚人的高效策略：神經(jīng)元利用非常規(guī)的電信號(hào)模式進(jìn)行數(shù)學(xué)運(yùn)算。研究發(fā)現(xiàn)，果蠅大腦中的特定神經(jīng)元不僅在興奮時(shí)傳遞信號(hào)，在受到抑制時(shí)也能通過(guò)鈣離子尖峰進(jìn)行編碼，從而利用更少的神經(jīng)細(xì)胞完成復(fù)雜的向量計(jì)算，這一發(fā)現(xiàn)挑戰(zhàn)了神經(jīng)元僅在興奮時(shí)進(jìn)行有效通訊的傳統(tǒng)觀點(diǎn)。

? 圖示神經(jīng)元群體如何利用雙重信號(hào)傳導(dǎo)能力反轉(zhuǎn)以正弦波形式編碼的向量。Credit: Maimon lab / Rockefeller University

研究團(tuán)隊(duì)構(gòu)建了一個(gè)虛擬現(xiàn)實(shí)系統(tǒng)，監(jiān)測(cè)果蠅在應(yīng)對(duì)不同風(fēng)向時(shí)的神經(jīng)活動(dòng)。他們聚焦于一種名為PFNa的神經(jīng)元，發(fā)現(xiàn)這些細(xì)胞具有獨(dú)特的“雙重人格”：當(dāng)接收到興奮信號(hào)時(shí)，它們發(fā)射常規(guī)的快速鈉離子尖峰；而當(dāng)接收到抑制信號(hào)時(shí)，它們并不像普通神經(jīng)元那樣保持沉默，而是發(fā)射較慢的鈣離子尖峰。這種機(jī)制使得同一群神經(jīng)元能夠同時(shí)編碼一個(gè)向量及其反向向量，即用兩組神經(jīng)元就能替代傳統(tǒng)模型中所需的四組神經(jīng)元來(lái)表示所有風(fēng)向。進(jìn)一步研究證實(shí)，這種鈣離子尖峰依賴于T型鈣通道，這表明大腦利用分子層面的生物物理特性實(shí)現(xiàn)了高效的數(shù)學(xué)運(yùn)算。這也暗示了通常被認(rèn)為與睡眠相關(guān)的慢波信號(hào)，在清醒狀態(tài)下同樣對(duì)認(rèn)知和導(dǎo)航至關(guān)重要。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #鈣離子通道 #向量計(jì)算 #果蠅

閱讀更多：

Ishida, Itzel G., et al. “Neuronal Calcium Spikes Enable Vector Inversion in the Drosophila Brain.” Cell, vol. 0, no. 0, Dec. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.11.040

Nature：100多個(gè)新基因區(qū)域證實(shí)精神分裂癥跨種族生物學(xué)機(jī)制

長(zhǎng)期以來(lái)，精神分裂癥的遺傳學(xué)研究過(guò)度集中于歐洲血統(tǒng)人群，這種偏差限制了對(duì)該疾病全球普遍機(jī)制的理解。為了填補(bǔ)這一空白，西奈山伊坎醫(yī)學(xué)院的Panos Roussos和Tim B. Bigdeli等人利用百萬(wàn)退伍軍人計(jì)劃的數(shù)據(jù)，針對(duì)非洲血統(tǒng)人群開(kāi)展了迄今為止規(guī)模最大的全基因組關(guān)聯(lián)研究，成功揭示了跨越種族的共同生物學(xué)基礎(chǔ)。

? 精神分裂癥中細(xì)胞類型特異性遺傳模式和疾病調(diào)控。Credit: Nature (2026).

該研究團(tuán)隊(duì)分析了“百萬(wàn)退伍軍人計(jì)劃”（Million Veteran Program）中美國(guó)非洲血統(tǒng)退伍軍人的電子健康記錄與基因組數(shù)據(jù)。通過(guò)采用全基因組關(guān)聯(lián)研究（GWAS）方法，并結(jié)合統(tǒng)計(jì)學(xué)精細(xì)映射與綜合轉(zhuǎn)錄組學(xué)分析，研究人員深入剖析了精神分裂癥的遺傳架構(gòu)。結(jié)果顯示，研究人員在人類基因組中發(fā)現(xiàn)了超過(guò)100個(gè)此前未被明確識(shí)別的與精神分裂癥相關(guān)的新區(qū)域，這些區(qū)域在非洲血統(tǒng)人群中更為常見(jiàn)。盡管特定基因位點(diǎn)的變異在不同族裔間存在差異，但研究證實(shí)這些變異最終擾亂的是相同的核心基因和大腦細(xì)胞類型。這一發(fā)現(xiàn)表明，精神分裂癥在生物學(xué)層面上具有全球一致性，同時(shí)也強(qiáng)調(diào)了在遺傳研究中納入多樣化樣本對(duì)于開(kāi)發(fā)公平、精準(zhǔn)的醫(yī)療工具的重要性。研究發(fā)表在 Nature 上。

#疾病與健康 #個(gè)性化醫(yī)療 #精神分裂癥 #全基因組關(guān)聯(lián)研究 #遺傳多樣性

閱讀更多：

Bigdeli, Tim B., et al. “Biological Insights into Schizophrenia from Ancestrally Diverse Populations.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-10000-6

區(qū)分同卵雙胞胎準(zhǔn)確率達(dá)97%，大腦形狀受遺傳高度調(diào)控

傳統(tǒng)觀點(diǎn)常通過(guò)大腦體積增長(zhǎng)來(lái)評(píng)估新生兒發(fā)育，但大腦幾何形態(tài)的變化是否蘊(yùn)含更多關(guān)鍵信息？Stephan Krohn和Carsten Finke等（柏林夏里特醫(yī)學(xué)院）研究團(tuán)隊(duì)通過(guò)一項(xiàng)大規(guī)模研究發(fā)現(xiàn)，新生兒大腦形狀的復(fù)雜性是反映其發(fā)育成熟度和遺傳特征的更優(yōu)指標(biāo)。這一發(fā)現(xiàn)揭示了大腦形狀的形成是早期發(fā)育的基本過(guò)程，為理解神經(jīng)發(fā)育提供了全新的幾何學(xué)視角。

? 大腦形狀反映的是嬰兒的成熟度，而不僅僅是大腦大小的差異。Credit: Nature Neuroscience (2025).

研究團(tuán)隊(duì)分析了來(lái)自正在開(kāi)發(fā)的人類連接組計(jì)劃中近800名新生兒的磁共振成像（MRI）數(shù)據(jù)，并引入了分形分析方法。通過(guò)計(jì)算分形維數(shù)，研究人員能夠量化大腦皮層的折疊程度和結(jié)構(gòu)復(fù)雜性。結(jié)果顯示，隨著嬰兒的成熟，大腦皮層變得更加不規(guī)則，分形維數(shù)隨之升高。相比于大腦體積、皮層厚度或腦回?cái)?shù)量等傳統(tǒng)指標(biāo)，大腦形狀在預(yù)測(cè)嬰兒實(shí)際年齡方面表現(xiàn)出更高的準(zhǔn)確性，平均誤差僅為4天。此外，該指標(biāo)還能捕捉到大腦體積數(shù)據(jù)無(wú)法反映的早產(chǎn)特征。在遺傳學(xué)方面，大腦形狀顯示出極高的遺傳相關(guān)性，研究人員僅憑大腦形狀就能以約97%的準(zhǔn)確率識(shí)別出同卵雙胞胎。這項(xiàng)技術(shù)未來(lái)有望轉(zhuǎn)化為臨床工具，用于診斷特定的神經(jīng)發(fā)育障礙和精神疾病。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #新生兒發(fā)育 #分形分析 #腦科學(xué)

閱讀更多：

Krohn, Stephan, et al. “Fractal Analysis of Brain Shape Formation Predicts Age and Genetic Similarity in Human Newborns.” Nature Neuroscience, vol. 29, no. 1, Jan. 2026, pp. 171–85. www.nature.com, https://doi.org/10.1038/s41593-025-02107-w

并非所有記憶都生而平等：動(dòng)機(jī)“情緒”如何重塑大腦記憶模式

為什么好奇心驅(qū)使的學(xué)習(xí)與截止日期前的突擊記憶截然不同？新加坡國(guó)立大學(xué)楊潞琳醫(yī)學(xué)院的Poh Jia-Hou與杜克大學(xué)的R. Alison Adcock及其團(tuán)隊(duì)提出了一項(xiàng)新的神經(jīng)科學(xué)框架，揭示了動(dòng)機(jī)并非僅僅意味著付出更多努力，而是分為不同的“動(dòng)機(jī)情緒”，它們會(huì)激活大腦中截然不同的系統(tǒng)，從而從根本上重塑記憶的內(nèi)容和方式。

該研究整合了神經(jīng)生物學(xué)、認(rèn)知神經(jīng)科學(xué)及心理學(xué)的廣泛發(fā)現(xiàn)，構(gòu)建了名為“神經(jīng)背景”（Neural Context）的新模型。研究人員指出，神經(jīng)調(diào)節(jié)系統(tǒng)就像開(kāi)關(guān)一樣調(diào)節(jié)整個(gè)大腦的學(xué)習(xí)模式。具體而言，模型區(qū)分了兩種狀態(tài)：一種是由多巴胺支持的“探究性情緒”，源于腹側(cè)被蓋區(qū)，它激活海馬體和前額葉皮層，幫助大腦形成靈活的、整合性的記憶，適用于適應(yīng)和探索；另一種是由去甲腎上腺素支持的“命令性情緒”，源于藍(lán)斑核，它在面對(duì)危險(xiǎn)或緊迫目標(biāo)時(shí)激活杏仁核，使記憶高度聚焦于細(xì)節(jié)和即時(shí)行為，但往往犧牲了對(duì)廣泛背景的理解。這一發(fā)現(xiàn)為教育環(huán)境的設(shè)計(jì)及針對(duì)抑郁癥、多動(dòng)癥等動(dòng)機(jī)障礙的臨床治療提供了新的科學(xué)依據(jù)。研究發(fā)表在 Annual Review of Psychology 上。

#認(rèn)知科學(xué) #記憶機(jī)制 #神經(jīng)機(jī)制與腦功能解析 #多巴胺 #去甲腎上腺素

閱讀更多：

Poh, Jia-Hou, and R. Alison Adcock. “Motivation as Neural Context for Adaptive Learning and Memory Formation.” Annual Review of Psychology, vol. 77, no. Volume 77, 2026, Jan. 2026, pp. 49–80. www.annualreviews.org, https://doi.org/10.1146/annurev-psych-032525-031744

優(yōu)勢(shì)者獨(dú)處睡得香，從屬者隔離易失眠

睡眠質(zhì)量往往受復(fù)雜的社會(huì)因素影響，受人類“睡眠離婚”現(xiàn)象的啟發(fā)，東京大學(xué)的林直子和林裕等人深入探究了社會(huì)等級(jí)與居住環(huán)境對(duì)個(gè)體睡眠的交互影響。研究團(tuán)隊(duì)利用小鼠模型發(fā)現(xiàn)，獨(dú)處究竟能改善睡眠還是引發(fā)焦慮，很大程度上取決于個(gè)體在群體中的社會(huì)地位及其遺傳背景。這一發(fā)現(xiàn)揭示了大腦在睡眠期間穩(wěn)定內(nèi)部節(jié)律的能力會(huì)受到社會(huì)環(huán)境斷裂的干擾。

? 飼養(yǎng)方式的選擇。(A) 確定每組小鼠的社會(huì)等級(jí)。(B) 在確定了最具優(yōu)勢(shì)和最弱勢(shì)的小鼠后，將它們安置在相鄰的飼養(yǎng)箱中，防止它們進(jìn)行身體接觸，但保持視覺(jué)和嗅覺(jué)上的社交聯(lián)系。(C) 最后，將小鼠轉(zhuǎn)移到完全隔離的飼養(yǎng)環(huán)境中。Credit: Scientific Reports (2026).

為了解開(kāi)這一謎題，研究人員選取了兩種具有不同社會(huì)等級(jí)強(qiáng)度的小鼠品系（B6和F1），并通過(guò)行為測(cè)試確定了它們?cè)谌后w中的“優(yōu)勢(shì)”或“從屬”地位。實(shí)驗(yàn)設(shè)計(jì)了兩種環(huán)境：一種是允許視覺(jué)和嗅覺(jué)交流但無(wú)身體接觸的“鄰舍飼養(yǎng)”，另一種是完全隔絕的“單獨(dú)飼養(yǎng)”。在鄰舍飼養(yǎng)中，無(wú)論地位高低，小鼠的睡眠模式均無(wú)差異。然而，當(dāng)轉(zhuǎn)入完全隔離環(huán)境時(shí)，情況發(fā)生了逆轉(zhuǎn)。對(duì)于B6品系，處于優(yōu)勢(shì)地位的小鼠在獨(dú)處時(shí)睡眠質(zhì)量顯著提高，這可能意味著它們從守衛(wèi)領(lǐng)地的壓力中通過(guò)“退休”獲得了釋放；相反，處于從屬地位的小鼠在獨(dú)處時(shí)表現(xiàn)出快速眼動(dòng)睡眠（REM sleep）增加但質(zhì)量惡化的跡象，這暗示了失去同伴帶來(lái)的孤獨(dú)壓力和安全感缺失。相比之下，遺傳背景不同的F1小鼠受隔離影響較小。該研究表明，社會(huì)因素對(duì)生物節(jié)律的調(diào)節(jié)具有高度的個(gè)體差異性。研究發(fā)表在 Scientific Reports 上。

#神經(jīng)科學(xué) #心理健康與精神疾病 #社會(huì)等級(jí) #睡眠 #隔離

閱讀更多：

Hayashi, Naoko, et al. “Social Rank and Social Environment Combinedly Affect REM Sleep in Mice.” Scientific Reports, vol. 16, no. 1, Jan. 2026, p. 871. www.nature.com, https://doi.org/10.1038/s41598-025-32402-2

截短與磷酸化協(xié)同作用：科學(xué)家繪制路易體形成新路線

路易體是帕金森病患者大腦中典型的病理特征，但其形成的具體分子機(jī)制一直未被完全解開(kāi)。Sneha Jos、Niharika Shivanandaswamy、Sivaraman Padavattan等研究人員發(fā)現(xiàn)，帕金森病特異性的蛋白變體表現(xiàn)出異常的結(jié)合特性，并據(jù)此提出了一種全新的“多因素隨機(jī)紊亂模型”來(lái)解釋這一致病過(guò)程。

? 路易體形成多因素隨機(jī)無(wú)序模型。Credit: Commun Biol (2026).

該團(tuán)隊(duì)利用大腸桿菌合成了不同版本的α-突觸核蛋白，重點(diǎn)比較了健康版本與疾病相關(guān)變體（包括C端截短和S129位點(diǎn)磷酸化的形式）。研究顯示，正常狀態(tài)下的α-突觸核蛋白通過(guò)隱藏其粘性疏水核心而保持惰性與選擇性。然而，疾病相關(guān)的化學(xué)變化會(huì)暴露這一核心，使蛋白質(zhì)變得極具“混雜性”。實(shí)驗(yàn)證實(shí)，這些變體如同“分子誘餌”，能非選擇性地與測(cè)試的22種細(xì)胞蛋白緊密結(jié)合。基于此發(fā)現(xiàn)，研究人員構(gòu)建了“多因素隨機(jī)紊亂模型”（Multifactorial Random Disorder Model）：高活性的截短蛋白首先通過(guò)捕獲周圍細(xì)胞成分形成路易體的致密核心，隨后磷酸化的蛋白在周邊堆積，推動(dòng)其不斷生長(zhǎng)。這一模型為理解神經(jīng)退行性疾病的病理演變提供了新的分子視角。研究發(fā)表在 Communications Biology 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #帕金森病 #路易體 #α-突觸核蛋白

閱讀更多：

Jos, Sneha, et al. “Parkinson’s Disease-Specific α-Synuclein Variants Potentially Drive Lewy Body Formation by Engaging in Promiscuous and Non-Functional Interactions.” Communications Biology, Jan. 2026. www.nature.com, https://doi.org/10.1038/s42003-025-09395-9

嚴(yán)格身材管理的正常體重少女面臨更高心理風(fēng)險(xiǎn)

看起來(lái)身材標(biāo)準(zhǔn)、生活自律的青少年真的健康嗎？Dimitra Hartas（華威大學(xué)）的一項(xiàng)新研究揭示了令人擔(dān)憂的現(xiàn)實(shí)：那些體重正常但通過(guò)嚴(yán)格飲食和運(yùn)動(dòng)管理身材的17歲女性，實(shí)際上是一個(gè)心理脆弱群體。研究發(fā)現(xiàn)，這類人群在20歲時(shí)面臨更高的焦慮、抑郁和心理困擾風(fēng)險(xiǎn)，這挑戰(zhàn)了“節(jié)食和規(guī)律運(yùn)動(dòng)總是健康標(biāo)志”的傳統(tǒng)觀念。

? Credit: Current Psychology (2026).

該研究利用千禧年隊(duì)列研究的數(shù)據(jù)，通過(guò)兩步聚類分析將青少年分為四組，重點(diǎn)對(duì)比了同樣是正常體重但采取不同管理策略的人群。研究人員特別關(guān)注了體重歧視和神經(jīng)質(zhì)特征對(duì)心理的影響。結(jié)果顯示，那些致力于“健康飲食”和持續(xù)自我監(jiān)測(cè)的“正常體重（節(jié)食/運(yùn)動(dòng)）”組，在17歲時(shí)就報(bào)告了高水平的自殘和自殺意念。到了20歲，與那些對(duì)身材管理態(tài)度放松的同齡人相比，這組人群表現(xiàn)出顯著更嚴(yán)重的焦慮和抑郁癥狀，以及更低的幸福感。這表明，在社交媒體和文化壓力下，將體重視為自我價(jià)值的衡量標(biāo)準(zhǔn)，對(duì)年輕女性造成了深遠(yuǎn)的心理傷害。研究發(fā)表在 Current Psychology 上。

#疾病與健康 #心理健康與精神疾病 #身體意象 #飲食失調(diào) #青少年發(fā)展

閱讀更多：

Hartas, Dimitra. “A Cluster Analysis of Health Behaviours and Their Relationship to Weight Stigma, Neuroticism and Psychological Wellbeing in Adolescents and Young Adults: A Population-Based Study.” Current Psychology, vol. 45, no. 2, Jan. 2026, p. 163. Springer Link, https://doi.org/10.1007/s12144-025-08652-8

記憶是幻覺(jué)嗎？物理學(xué)家建立新框架解析“玻爾茲曼大腦”悖論與熵的本質(zhì)

我們的記憶是真實(shí)的記錄，還是宇宙熵漲落產(chǎn)生的幻覺(jué)？為了解開(kāi)這一物理學(xué)與哲學(xué)交織的難題，David Wolpert（圣塔菲研究所）、Carlo Rovelli（呂米尼理論物理中心）和Jordan Scharnhorst（加州大學(xué)圣克魯茲分校）組成的國(guó)際研究團(tuán)隊(duì)，對(duì)長(zhǎng)期存在的“玻爾茲曼大腦”假設(shè)進(jìn)行了深入的數(shù)學(xué)與邏輯審查。他們通過(guò)構(gòu)建新的形式化框架，揭示了統(tǒng)計(jì)物理學(xué)中關(guān)于時(shí)間、記憶與宇宙演化論證背后的深層結(jié)構(gòu)。

這項(xiàng)研究聚焦于統(tǒng)計(jì)力學(xué)中的核心矛盾：時(shí)間對(duì)稱的物理定律與時(shí)間不對(duì)稱的熱力學(xué)第二定律之間的張力。這種張力導(dǎo)致了“玻爾茲曼大腦”假說(shuō)，即我們的記憶更可能源自熵的隨機(jī)漲落，而非真實(shí)的過(guò)去。研究團(tuán)隊(duì)引入了“熵猜想”（entropy conjecture），將宇宙熵的演化視為時(shí)間對(duì)稱、時(shí)間平移不變的馬爾可夫過(guò)程。通過(guò)這一框架，他們發(fā)現(xiàn)許多反駁“玻爾茲曼大腦”的傳統(tǒng)論據(jù)陷入了循環(huán)論證：這些論據(jù)往往預(yù)先假設(shè)了過(guò)去的低熵狀態(tài)（過(guò)去假設(shè)），而這一假設(shè)本身又依賴于我們?cè)噲D驗(yàn)證的記憶可靠性。研究結(jié)果表明，“玻爾茲曼大腦”假設(shè)與熱力學(xué)第二定律在形式上是等價(jià)的，它們都依賴于在推斷宇宙熵動(dòng)力學(xué)時(shí)對(duì)特定時(shí)間點(diǎn)進(jìn)行人為的“條件化”選擇，而物理學(xué)本身并未規(guī)定這種選擇的正確性。該研究發(fā)表在 Entropy 上。

#認(rèn)知科學(xué) #意識(shí)模擬 #玻爾茲曼大腦 #熱力學(xué)第二定律 #邏輯推斷

閱讀更多：

Wolpert, David, et al. “Disentangling Boltzmann Brains, the Time-Asymmetry of Memory, and the Second Law.” Entropy, vol. 27, no. 12, Dec. 2025, p. 1227. www.mdpi.com, https://doi.org/10.3390/e27121227

AI 行業(yè)動(dòng)態(tài)

谷歌Gemini接入SAT全真?？?，深化垂直領(lǐng)域布局

谷歌 CEO Sundar Pichai 近日宣布，Google Gemini 已正式接入全真 SAT 模擬考試系統(tǒng)，這一舉措被視為谷歌向教育垂直領(lǐng)域進(jìn)軍的重要一步。通過(guò)與老牌教育機(jī)構(gòu)普林斯頓評(píng)論深度合作，Gemini 將驗(yàn)證過(guò)的全套模擬題納入系統(tǒng)，用戶只需在對(duì)話框輸入指令，即可開(kāi)啟包含閱讀、寫作及數(shù)學(xué)的完整測(cè)試流程。該功能不僅高度還原真實(shí)的考試結(jié)構(gòu)，還允許用戶自定義倒計(jì)時(shí)、提示顯示等配置，極大提升了備考的靈活性。盡管實(shí)測(cè)發(fā)現(xiàn)部分?jǐn)?shù)學(xué)題目難度對(duì)中國(guó)學(xué)生而言相對(duì)較低，但 Gemini 的核心競(jìng)爭(zhēng)優(yōu)勢(shì)在于其強(qiáng)大的“私教”能力——它能針對(duì)用戶的錯(cuò)題，將解題思路拆解為詳盡的步驟進(jìn)行講解，幫助考生精準(zhǔn)定位薄弱環(huán)節(jié)。谷歌透露，未來(lái)還將支持更多標(biāo)準(zhǔn)化考試，試圖通過(guò)引入專業(yè)數(shù)據(jù)，將 Gemini 打造成能解決具體問(wèn)題的教育行家。

這一功能更新折射出谷歌清晰且宏大的商業(yè)化路徑：一方面向垂直領(lǐng)域深度滲透，除了教育，還在健康領(lǐng)域通過(guò) Fitbit 分析身體數(shù)據(jù)，在編程領(lǐng)域通過(guò) Android Studio 提供代碼輔助；另一方面則是將 AI 能力徹底融入用戶的數(shù)字生活。最新發(fā)布的由 Gemini 3 模型驅(qū)動(dòng)的“個(gè)人智能”功能，已打通 Gmail、相冊(cè)、YouTube 等核心應(yīng)用，能跨越應(yīng)用邊界串聯(lián)用戶的個(gè)人生活圖譜。同時(shí)，Gemini 正逐步接管 Android 系統(tǒng)的底層入口，利用端側(cè)模型（Gemini Nano，運(yùn)行在移動(dòng)設(shè)備本地的高效輕量級(jí) AI 模型）實(shí)現(xiàn)屏幕感知能力，甚至已與蘋果達(dá)成合作支持 iOS 系統(tǒng)。這種將個(gè)人數(shù)據(jù)與系統(tǒng)底層深度整合的策略，顯示出谷歌意圖通過(guò)構(gòu)建無(wú)處不在的 AI 生態(tài)，在與 OpenAI 等對(duì)手的競(jìng)爭(zhēng)中守住流量入口并拓展商業(yè)版圖。

#GoogleGemini #SAT備考 #普林斯頓評(píng)論 #AI教育 #端側(cè)模型

閱讀更多：

https://blog.google/products-and-platforms/products/education/practice-sat-gemini/

AAAI 2026大獎(jiǎng)揭曉：華人學(xué)者斬獲三項(xiàng)杰出論文，圖靈獎(jiǎng)得主Bengio獲經(jīng)典論文獎(jiǎng)

備受矚目的 AAAI 2026（第40屆AAAI人工智能年會(huì)）近日在新加坡正式開(kāi)獎(jiǎng)，公布了5篇杰出論文與2篇經(jīng)典論文獎(jiǎng)。其中，圖靈獎(jiǎng)得主 Yoshua Bengio 憑借其2011年參與的一項(xiàng)關(guān)于知識(shí)庫(kù)結(jié)構(gòu)化嵌入的研究，榮獲經(jīng)典論文獎(jiǎng)。該研究通過(guò)將符號(hào)事實(shí)表示為連續(xù)向量，讓神經(jīng)網(wǎng)絡(luò)能夠訪問(wèn)結(jié)構(gòu)化知識(shí)，被視為現(xiàn)代大語(yǔ)言模型及檢索增強(qiáng)生成的奠基之作。另一篇經(jīng)典論文獎(jiǎng)則頒給了麻省理工學(xué)院團(tuán)隊(duì)，表彰其在機(jī)器人理解自然語(yǔ)言指令方面的開(kāi)創(chuàng)性工作，該研究提出的廣義接地圖框架成功實(shí)現(xiàn)了機(jī)器人對(duì)復(fù)雜指令的動(dòng)態(tài)解析與執(zhí)行。

在今年的5篇杰出論文中，華人研究人員表現(xiàn)尤為亮眼，參與了其中3篇的創(chuàng)作，涵蓋了具身智能、多模態(tài)大模型及圖神經(jīng)網(wǎng)絡(luò)等前沿領(lǐng)域。香港科技大學(xué)（廣州）等機(jī)構(gòu)合作推出的 ReconVLA 模型，針對(duì)視覺(jué)-語(yǔ)言-動(dòng)作模型（VLA，Vision-Language-Action Model，結(jié)合視覺(jué)感知和語(yǔ)言理解來(lái)控制機(jī)器人動(dòng)作的模型）注意力分散的問(wèn)題，提出了隱式錨定范式，顯著提升了機(jī)器人的操作精度。同濟(jì)大學(xué)與微軟團(tuán)隊(duì)合作的 LLM2CLIP 通過(guò)微調(diào)大語(yǔ)言模型來(lái)提升 CLIP（Contrastive Language-Image Pre-training，一種連接文本和圖像的跨模態(tài)預(yù)訓(xùn)練模型）的表征能力，大幅增強(qiáng)了跨模態(tài)檢索性能。此外，還有研究人員提出了基于高頻信息的超圖神經(jīng)網(wǎng)絡(luò)框架，以及關(guān)于邏輯概念變更模型和動(dòng)態(tài)系統(tǒng)因果結(jié)構(gòu)學(xué)習(xí)的創(chuàng)新研究，共同展示了 AI 領(lǐng)域的最新突破。

#AAAI2026 #YoshuaBengio #華人學(xué)者 #杰出論文 #人工智能

閱讀更多：

https://aaai.org/conference/aaai/aaai-26/award-talks/

AI 驅(qū)動(dòng)科學(xué)

人工智能在發(fā)散性創(chuàng)造力任務(wù)中超越人類平均水平，但仍遜于頂尖創(chuàng)作者

生成式人工智能是否真的具有創(chuàng)造力？蒙特利爾大學(xué)心理學(xué)系教授 Karim Jerbi 領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，包括AI先驅(qū) Yoshua Bengio 等人，開(kāi)展了迄今為止規(guī)模最大的人類與大型語(yǔ)言模型創(chuàng)造力對(duì)比研究。該研究結(jié)果表明，雖然AI已達(dá)到重要里程碑，但在頂尖創(chuàng)造力領(lǐng)域，人類依然占據(jù)主導(dǎo)地位。

為了量化比較兩者的創(chuàng)造力，研究團(tuán)隊(duì)采用了發(fā)散聯(lián)想任務(wù)（Divergent Association Task），這是一種要求參與者生成10個(gè)語(yǔ)義距離盡可能遠(yuǎn)的單詞的心理學(xué)測(cè)試，用于衡量發(fā)散性思維。研究人員將GPT-4、Claude等多個(gè)大型語(yǔ)言模型的表現(xiàn)與10萬(wàn)名人類參與者的數(shù)據(jù)進(jìn)行了對(duì)比。結(jié)果顯示，部分AI模型在發(fā)散性任務(wù)和創(chuàng)意寫作（如俳句、短篇小說(shuō)）上的表現(xiàn)已超越人類平均水平。然而，最具創(chuàng)造力的一半人類參與者的表現(xiàn)優(yōu)于所有AI模型，頂尖10%的人類創(chuàng)作者更是遙遙領(lǐng)先。此外，研究還發(fā)現(xiàn)，通過(guò)調(diào)整模型的“溫度”或改變提示策略，可以調(diào)節(jié)并提升AI的創(chuàng)造力表現(xiàn)。這表明AI更多是服務(wù)于人類創(chuàng)造力的強(qiáng)大工具，而非取代者。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #大模型技術(shù) #創(chuàng)造力 #人工智能

閱讀更多：

Bellemare-Pepin, Antoine, et al. “Divergent Creativity in Humans and Large Language Models.” Scientific Reports, vol. 16, no. 1, Jan. 2026, p. 1279. www.nature.com, https://doi.org/10.1038/s41598-025-25157-3

AI揭示情緒構(gòu)建機(jī)制：多模態(tài)數(shù)據(jù)驗(yàn)證“情緒建構(gòu)理論”

情緒是區(qū)別人與機(jī)器的關(guān)鍵，但其形成機(jī)制一直未被完全量化。奈良先端科學(xué)技術(shù)大學(xué)院大學(xué)的Chie Hieida與大阪大學(xué)的Kazuki Miyazawa及Kazuki Tsurumaki合作，構(gòu)建了一種計(jì)算模型來(lái)模擬人類情緒概念的形成。該研究利用多模態(tài)數(shù)據(jù)成功復(fù)現(xiàn)了大腦整合身體與感官信號(hào)的過(guò)程，為理解情緒本質(zhì)提供了新視角。

? 研究人員使用多層多模態(tài)潛在狄利克雷分配模型，整合了來(lái)自人類參與者的身體信號(hào)、感覺(jué)信息和語(yǔ)言數(shù)據(jù)。通過(guò)從多模態(tài)數(shù)據(jù)中學(xué)習(xí)情緒概念，并評(píng)估其與人類情緒類別的一致性，該計(jì)算模型為人類情緒形成機(jī)制提供了寶貴的見(jiàn)解。Credit: Assistant Professor Chie Hieida / Nara Institute of Science and Technology, Japan

該研究基于情緒建構(gòu)理論，即情緒是由大腦通過(guò)整合內(nèi)部身體信號(hào)（內(nèi)感受）和外部環(huán)境信息（外感受）即時(shí)構(gòu)建的，而非與生俱來(lái)的反射。為了驗(yàn)證這一點(diǎn)，研究團(tuán)隊(duì)采用了多層多模態(tài)潛在狄利克雷分配模型（mMLDA），這是一種能夠發(fā)現(xiàn)隱藏統(tǒng)計(jì)模式的概率生成模型。實(shí)驗(yàn)中，29名參與者觀看了60張誘發(fā)情緒的圖片，研究人員收集了他們的視覺(jué)輸入、生理反應(yīng)（如心率）以及對(duì)情緒的語(yǔ)言描述。在沒(méi)有任何預(yù)設(shè)情感標(biāo)簽的情況下，該模型自主學(xué)習(xí)并分類了情緒模式。結(jié)果顯示，模型生成的情緒概念與參與者自我報(bào)告的情緒評(píng)價(jià)一致率高達(dá)75%，顯著高于隨機(jī)概率。這表明模型成功模擬了人類體驗(yàn)情緒的方式。這一發(fā)現(xiàn)不僅驗(yàn)證了情緒建構(gòu)理論的計(jì)算可行性，也為開(kāi)發(fā)具備更強(qiáng)共情能力的交互式機(jī)器人和能夠輔助心理健康監(jiān)測(cè)的AI系統(tǒng)奠定了基礎(chǔ)。研究發(fā)表在 IEEE Transactions on Affective Computing 上。

#AI 驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #情感計(jì)算 #情緒建構(gòu)理論 #心理學(xué)

閱讀更多：

Tsurumaki, Kazuki, et al. “Study of Emotion Concept Formation by Integrating Vision, Physiology, and Word Information Using Multilayered Multimodal Latent Dirichlet Allocation.” IEEE Transactions on Affective Computing, vol. 16, no. 4, Oct. 2025, pp. 2975–87. IEEE Xplore, https://doi.org/10.1109/TAFFC.2025.3585882

AI透明度需求取決于用戶期望：一項(xiàng)在線約會(huì)實(shí)驗(yàn)研究

AI通常被視為神秘的“黑箱”，但用戶真的想知道它如何運(yùn)作嗎？Yuan Sun、S. Shyam Sundar和 Joseph B. Walther等研究人員組成團(tuán)隊(duì)發(fā)現(xiàn)，這種需求取決于系統(tǒng)是否滿足了用戶的期望。研究表明，當(dāng)算法結(jié)果符合預(yù)期時(shí)，用戶并不關(guān)心背后的邏輯；但當(dāng)結(jié)果出乎意料時(shí)，解釋變得至關(guān)重要。這一發(fā)現(xiàn)挑戰(zhàn)了“透明度總是越好”的傳統(tǒng)觀點(diǎn)，揭示了用戶信任與期望匹配度之間的動(dòng)態(tài)關(guān)系。

? 研究人員設(shè)計(jì)了一個(gè)人工智能驅(qū)動(dòng)的約會(huì)網(wǎng)站，其結(jié)果可能超出或低于用戶的預(yù)期。他們發(fā)現(xiàn)，用戶預(yù)期與實(shí)際體驗(yàn)的匹配程度（或不匹配程度）與用戶是否希望更深入了解人工智能系統(tǒng)的工作原理密切相關(guān)。Credit: Pennsylvania State University

為了驗(yàn)證這一假設(shè)，研究團(tuán)隊(duì)構(gòu)建了一個(gè)虛構(gòu)的約會(huì)網(wǎng)站 smartmatch.com，并招募了227名單身參與者進(jìn)行測(cè)試。參與者被告知系統(tǒng)通常會(huì)推薦5個(gè)最佳匹配對(duì)象。實(shí)驗(yàn)中，系統(tǒng)分別向用戶展示了5個(gè)（符合預(yù)期）、10個(gè)（超出預(yù)期）或2個(gè)（低于預(yù)期）匹配結(jié)果。結(jié)果顯示，當(dāng)獲得承諾的5個(gè)匹配時(shí)，用戶無(wú)需解釋即可信任系統(tǒng)；當(dāng)獲得10個(gè)匹配時(shí)，一個(gè)簡(jiǎn)單的解釋就能鞏固信任；然而，當(dāng)結(jié)果僅為2個(gè)時(shí)，用戶則需要詳細(xì)的解釋才能維持對(duì)系統(tǒng)的信任。S. Shyam Sundar 指出，現(xiàn)有的標(biāo)準(zhǔn)化免責(zé)聲明式解釋往往效果不佳，企業(yè)應(yīng)根據(jù)系統(tǒng)表現(xiàn)與用戶預(yù)期的差距，提供以用戶為中心的差異化解釋。研究發(fā)表在 Computers in Human Behavior 上。

#認(rèn)知科學(xué) #其他 #人機(jī)交互 #算法透明度 #信任機(jī)制

閱讀更多：

Sun, Yuan, et al. “Does Transparency Matter When an AI System Meets Performance Expectations? An Experiment with an Online Dating Site.” Computers in Human Behavior, vol. 177, Apr. 2026, p. 108875. ScienceDirect, https://doi.org/10.1016/j.chb.2025.108875

平均值掩蓋真相：AI模型在新環(huán)境下的隱形失效風(fēng)險(xiǎn)

為什么在一家醫(yī)院表現(xiàn)完美的AI醫(yī)生，換到另一家醫(yī)院卻可能頻頻誤診？麻省理工學(xué)院（MIT）的Olawale Salaudeen和Marzyeh Ghassemi團(tuán)隊(duì)研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)領(lǐng)域長(zhǎng)期信奉的“好學(xué)生在任何考場(chǎng)都是好學(xué)生”的假設(shè)存在巨大漏洞。他們證實(shí)，那些在訓(xùn)練數(shù)據(jù)上平均得分最高的模型，在面對(duì)新環(huán)境中的特定人群或情況時(shí)，反而可能是表現(xiàn)最差的，這種隱蔽的風(fēng)險(xiǎn)在過(guò)度聚合的評(píng)估指標(biāo)下被掩蓋了。

? 比較直線上的準(zhǔn)確率 (AoTL) 和逆直線上的準(zhǔn)確率 (AoTIL)。Credit: arXiv (2025).

該研究團(tuán)隊(duì)針對(duì)機(jī)器學(xué)習(xí)中的分布外（out-of-distribution）泛化問(wèn)題進(jìn)行了深入分析。通常，研究人員認(rèn)為只要提高模型在已知數(shù)據(jù)上的表現(xiàn)，就能自然消除虛假相關(guān)性，即模型錯(cuò)誤地將背景或無(wú)關(guān)標(biāo)記與結(jié)果聯(lián)系起來(lái)（例如把草地背景作為識(shí)別奶牛的依據(jù)）。為了驗(yàn)證這一點(diǎn)，團(tuán)隊(duì)開(kāi)發(fā)了一種名為 OODSelect 的算法，通過(guò)訓(xùn)練數(shù)千個(gè)模型并對(duì)比其在不同數(shù)據(jù)分布下的表現(xiàn)，尋找那些違背常規(guī)規(guī)律的子集。結(jié)果發(fā)現(xiàn)了令人擔(dān)憂的逆在線準(zhǔn)確率現(xiàn)象：在胸部X光片診斷中，一些總體準(zhǔn)確率最高的模型，在面對(duì)患有胸膜疾病或心臟擴(kuò)大的患者時(shí)，診斷能力反而墊底。這意味著模型可能利用了與疾病無(wú)關(guān)的特征（如特定醫(yī)院的設(shè)備標(biāo)記）進(jìn)行作弊。研究人員指出，如果不將這些特定子集分離出來(lái)單獨(dú)評(píng)估，僅看平均分會(huì)給醫(yī)療決策帶來(lái)嚴(yán)重的安全隱患。這項(xiàng)工作為未來(lái)構(gòu)建更魯棒的AI模型提供了新的評(píng)估工具和數(shù)據(jù)集。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #AI安全 #醫(yī)療診斷 #算法偏差

閱讀更多：

Salaudeen, Olawale, et al. “Aggregation Hides Out-of-Distribution Generalization Failures from Spurious Correlations.” arXiv:2510.24884, arXiv, 28 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.24884

路標(biāo)文字也能劫持機(jī)器人：具身AI的新型安全漏洞

路邊的廣告牌或路標(biāo)上的文字是否可能成為黑客控制自動(dòng)駕駛汽車的武器？針對(duì)這一安全隱患，Luis Burbano, Alvaro Cardenas, Cihang Xie（加州大學(xué)圣克魯茲分校）以及Yinzhi Cao（約翰·霍普金斯大學(xué)）等人組成的團(tuán)隊(duì)進(jìn)行了首個(gè)系統(tǒng)性研究，揭示了物理環(huán)境中的誤導(dǎo)性文本可以成功劫持具身人工智能系統(tǒng)的決策，不僅在模擬環(huán)境中有效，在現(xiàn)實(shí)世界中同樣構(gòu)成威脅。

? 該團(tuán)隊(duì)在巴斯金工程2號(hào)樓內(nèi)，使用一輛小型具身人工智能機(jī)器人汽車測(cè)試了他們的攻擊流程。Credit: University of California - Santa Cruz

該研究針對(duì)依賴大型視覺(jué)語(yǔ)言模型的具身人工智能（Embodied AI）系統(tǒng)，開(kāi)發(fā)了一種名為CHAI的攻擊框架。這種攻擊被稱為環(huán)境間接提示注入攻擊，其原理類似于誘導(dǎo)聊天機(jī)器人違規(guī)的語(yǔ)言陷阱，但發(fā)生在物理世界中。研究團(tuán)隊(duì)通過(guò)兩步優(yōu)化過(guò)程實(shí)施攻擊：首先利用生成式AI設(shè)計(jì)最可能被機(jī)器執(zhí)行的文字指令，其次調(diào)整這些文字在環(huán)境中的顏色、大小和位置。在測(cè)試中，研究人員將打印的攻擊性圖像放置在小型機(jī)器人汽車的行駛路徑上，成功導(dǎo)致其導(dǎo)航失效。數(shù)據(jù)顯示，該攻擊在空中物體追蹤任務(wù)中的成功率高達(dá)95.5%，在無(wú)人駕駛汽車場(chǎng)景中達(dá)到81.8%。此外，這種攻擊在不同光照條件及包括中文、英語(yǔ)、西班牙語(yǔ)在內(nèi)的多種語(yǔ)言環(huán)境下均表現(xiàn)出有效性。該研究強(qiáng)調(diào)了在物理AI系統(tǒng)部署前開(kāi)發(fā)防御措施的緊迫性。

#大模型技術(shù) #機(jī)器人及其進(jìn)展 #網(wǎng)絡(luò)安全 #具身人工智能 #提示注入攻擊

閱讀更多：

Burbano, Luis, et al. “CHAI: Command Hijacking against Embodied AI.” arXiv:2510.00181, arXiv, 30 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.00181

AI利用新生兒足跟血預(yù)測(cè)早產(chǎn)兒健康軌跡，準(zhǔn)確率超85%

早產(chǎn)并不是單一的健康問(wèn)題，而是一系列復(fù)雜的潛在疾病集合。為了精準(zhǔn)預(yù)測(cè)早產(chǎn)兒面臨的具體風(fēng)險(xiǎn)，斯坦福大學(xué)醫(yī)學(xué)院的Alan L. Chang、Jonathan D. Reiss和Nima Aghaeepour等人領(lǐng)導(dǎo)的團(tuán)隊(duì)開(kāi)發(fā)了一種基于人工智能的新工具。該工具利用出生后不久采集的血液樣本，不僅能預(yù)測(cè)個(gè)體的醫(yī)療軌跡，還試圖通過(guò)生物學(xué)測(cè)量結(jié)果重新定義早產(chǎn)分類，從而實(shí)現(xiàn)針對(duì)每位患兒的個(gè)性化治療和并發(fā)癥預(yù)防。

這項(xiàng)研究的核心在于挖掘常規(guī)新生兒篩查中采集的干血斑（dried blood spots）數(shù)據(jù)。研究團(tuán)隊(duì)分析了超過(guò)13,000名加州早產(chǎn)兒的代謝物譜，關(guān)注氨基酸和脂肪代謝分子等指標(biāo)。通過(guò)結(jié)合深度學(xué)習(xí)算法與基本臨床數(shù)據(jù)，他們建立了一個(gè)“代謝健康指數(shù)”。該指數(shù)能以超過(guò)85%的準(zhǔn)確率預(yù)測(cè)四種主要早產(chǎn)并發(fā)癥：壞死性小腸結(jié)腸炎（necrotizing enterocolitis，一種嚴(yán)重的腸道疾病）、早產(chǎn)兒視網(wǎng)膜病變（retinopathy of prematurity，可能導(dǎo)致失明的眼?。?、支氣管肺發(fā)育不良（bronchopulmonary dysplasia，一種慢性肺部疾病）以及腦室內(nèi)出血（intraventricular hemorrhage）。該模型隨后在近3,300名加拿大早產(chǎn)兒的數(shù)據(jù)中得到了驗(yàn)證，證明了其廣泛的適用性。研究發(fā)表在 Science Translational Medicine 上。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #早產(chǎn)兒 #精準(zhǔn)醫(yī)療 #代謝組學(xué)

閱讀更多：

Chang, Alan L., et al. “Quantitative Assessment of Neonatal Health Using Dried Blood Spot Metabolite Profiles and Deep Learning.” Science Translational Medicine, vol. 18, no. 833, Jan. 2026, p. eadv4942. science.org (Atypon), https://doi.org/10.1126/scitranslmed.adv4942

百萬(wàn)級(jí)播客數(shù)據(jù)揭示：商業(yè)與體育圈層封閉，社會(huì)議題跨界傳播

盡管播客已成為公眾獲取信息和娛樂(lè)的重要渠道，但由于缺乏大規(guī)模數(shù)據(jù)，學(xué)術(shù)界對(duì)其生態(tài)系統(tǒng)的理解仍十分有限。Benjamin Litterer、David Jurgens 和 Dallas Card利用人工智能技術(shù)構(gòu)建了首個(gè)大規(guī)模開(kāi)放播客數(shù)據(jù)集，并對(duì)播客的內(nèi)容版圖、社區(qū)結(jié)構(gòu)及社會(huì)響應(yīng)機(jī)制進(jìn)行了深入分析，揭示了這一媒介獨(dú)特的傳播特征。

該研究構(gòu)建了名為 SPoRC 的語(yǔ)料庫(kù)，涵蓋了2020年5月至6月期間發(fā)布的超過(guò)110萬(wàn)集英語(yǔ)播客。研究團(tuán)隊(duì)利用自動(dòng)語(yǔ)音識(shí)別（ASR）工具 Whisper 將音頻轉(zhuǎn)化為文本，并結(jié)合 pyannote 進(jìn)行說(shuō)話人分離，同時(shí)提取了韻律特征?；谶@些數(shù)據(jù)，團(tuán)隊(duì)構(gòu)建了一個(gè)通過(guò)共同嘉賓連接的播客社交網(wǎng)絡(luò)。研究發(fā)現(xiàn)，商業(yè)和體育類別的播客形成了高度封閉的內(nèi)部網(wǎng)絡(luò)，經(jīng)常共享嘉賓；相比之下，宗教和社會(huì)類播客的連接則較為松散。在針對(duì)喬治·弗洛伊德事件的案例分析中，數(shù)據(jù)顯示播客生態(tài)系統(tǒng)的反應(yīng)速度與新聞媒體相似，但在話題消退上更為緩慢。值得注意的是，該事件引發(fā)了跨類別的廣泛討論，在高峰期有21%的節(jié)目提及了相關(guān)人名，且新聞?lì)惒タ透鼈?cè)重于法律與警務(wù)層面的討論，顯示了不同社區(qū)視角的差異。

#AI驅(qū)動(dòng)科學(xué) #大模型技術(shù) #計(jì)算社會(huì)科學(xué) #播客生態(tài)系統(tǒng)

閱讀更多：

Litterer, Benjamin, et al. “Mapping the Podcast Ecosystem with the Structured Podcast Research Corpus.” Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 2025, pp. 25132–54. arXiv.org, https://doi.org/10.18653/v1/2025.acl-long.1222

智能體推理：大語(yǔ)言模型向自主行動(dòng)者的進(jìn)化路線圖

推理是智能的核心，但在不斷變化的開(kāi)放世界中，傳統(tǒng)的大語(yǔ)言模型往往難以像人類一樣靈活應(yīng)對(duì)。為了解決這一難題，來(lái)自伊利諾伊大學(xué)厄巴納-香檳分校、Meta、Amazon以及Google Deepmind的研究人員Tianxin Wei、Heng Ji、Hanghang Tong和Jingrui He等人組成的團(tuán)隊(duì)，提出了一項(xiàng)關(guān)于“智能體推理”（Agentic Reasoning）的全面研究。他們將大語(yǔ)言模型從被動(dòng)的序列生成器重構(gòu)為主動(dòng)的自主智能體，這些智能體不僅能進(jìn)行思考，還能通過(guò)規(guī)劃、行動(dòng)以及與環(huán)境的持續(xù)交互來(lái)解決問(wèn)題，標(biāo)志著人工智能從靜態(tài)推理向動(dòng)態(tài)自主行動(dòng)的范式轉(zhuǎn)變。

該研究通過(guò)構(gòu)建一個(gè)包含三個(gè)層面的系統(tǒng)路線圖，詳細(xì)闡述了智能體推理的實(shí)現(xiàn)路徑。首先是“基礎(chǔ)智能體推理”，它賦予單智能體在穩(wěn)定環(huán)境中規(guī)劃任務(wù)、使用工具和搜索信息的核心能力；其次是“自我進(jìn)化智能體推理”，智能體通過(guò)反饋機(jī)制和記憶模塊，在動(dòng)態(tài)環(huán)境中不斷修正錯(cuò)誤并更新策略，實(shí)現(xiàn)能力的自我迭代；最后是“集體多智能體推理”，通過(guò)多個(gè)智能體的角色分工與協(xié)作，處理復(fù)雜的共同目標(biāo)。

為了優(yōu)化這些能力，研究團(tuán)隊(duì)區(qū)分了兩種關(guān)鍵模式：“上下文內(nèi)推理”側(cè)重于在推理階段通過(guò)結(jié)構(gòu)化的提示工程和工作流編排來(lái)激發(fā)模型潛力，無(wú)需修改模型參數(shù)；而“后訓(xùn)練推理”則通過(guò)強(qiáng)化學(xué)習(xí)和微調(diào)，將成功的推理策略內(nèi)化到模型的權(quán)重中。該綜述不僅為科學(xué)發(fā)現(xiàn)、機(jī)器人技術(shù)和自動(dòng)化研究等領(lǐng)域的應(yīng)用提供了行動(dòng)指南，還指出了未來(lái)在個(gè)性化服務(wù)和世界模型構(gòu)建等方面面臨的挑戰(zhàn)。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #智能體推理 #自我進(jìn)化 #多智能體協(xié)作

閱讀更多：

Wei, Tianxin, et al. “Agentic Reasoning for Large Language Models.” arXiv:2601.12538, arXiv, 18 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.12538

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問(wèn)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(wèn)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(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)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?jiǎng)?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(jiǎng)勵(lì)計(jì)劃、、、科普視頻媒體「大圓鏡」等。