追問daily | 家貓如何傳入中國？為何香菜有肥皂味？Science：AI已編寫近三分之一新代碼

█腦科學(xué)動態(tài)

Nature：全球大氣微塑料濃度被高估數(shù)萬倍

Nature：社交重塑腸道：同伴對嬰兒微生物組的影響力超越父母

Cell：細(xì)胞特異性溶酶體蛋白質(zhì)組學(xué)揭示神經(jīng)退行性疾病新機(jī)制

Cell：癌癥竟是阿爾茨海默病的“克星”？

Science：遠(yuǎn)古病毒殘留物竟是人類生命開啟的鑰匙

午睡可“重置”大腦突觸可塑性，讓后續(xù)工作與學(xué)習(xí)保持最佳狀態(tài)

古DNA揭示家貓經(jīng)絲綢之路傳入中國，晚于豹貓與人共生3500年

為何香菜有肥皂味？OR6A2受體結(jié)構(gòu)揭示答案

█AI行業(yè)動態(tài)

LeCun創(chuàng)立AMI Labs，斥資35億美元押注「世界模型」

OpenAI暗示未來要在客戶利潤中“抽成”

斯坦福與英偉達(dá)聯(lián)合：讓AI在推理階段“現(xiàn)場進(jìn)化”

OpenAI揭秘Codex核心架構(gòu)與極簡數(shù)據(jù)庫方案

█AI驅(qū)動科學(xué)

Nature：每厘米10萬晶體管：多層旋疊架構(gòu)突破纖維電子算力瓶頸

Science：AI已編寫近三分之一新代碼，資深程序員獲益最大

新方法讓AI無需額外數(shù)據(jù)即可像人類一樣進(jìn)行組合推理

大模型也有“圈子文化”？研究揭示AI內(nèi)化的社會偏見

僅重18克的折紙靈感戒指讓虛擬世界觸手可及

模擬人類視覺感知：AI視覺系統(tǒng)對抗攻擊新方法提升模型魯棒性

腦科學(xué)動態(tài)

Nature：全球大氣微塑料濃度被高估數(shù)萬倍

全球大氣中究竟漂浮著多少微塑料？維也納大學(xué)的Ioanna Evangelou及其團(tuán)隊(duì)通過一項(xiàng)大規(guī)模的全球數(shù)據(jù)分析研究給出了驚人的答案。他們發(fā)現(xiàn)，此前科學(xué)界對大氣微塑料濃度的估算存在嚴(yán)重偏差，模型預(yù)測值比實(shí)際觀測值高出了數(shù)百甚至數(shù)萬倍，且陸地而非海洋才是大氣微塑料的主要來源。

為了通過數(shù)據(jù)揭示真相，研究團(tuán)隊(duì)匯編了迄今為止最全面的全球大氣微塑料數(shù)據(jù)集，涵蓋了全球283個地點(diǎn)的2782個測量數(shù)據(jù)，并利用拉格朗日粒子擴(kuò)散模型進(jìn)行了對比模擬。研究結(jié)果顯示，所有模型都大幅高估了大氣微塑料的濃度，高估幅度達(dá)2至4個數(shù)量級。具體數(shù)據(jù)顯示，陸地上的微塑料濃度中位數(shù)為每立方米0.08個顆粒，而海洋上空僅為0.003個顆粒，前者是后者的27倍。通過校準(zhǔn)，團(tuán)隊(duì)估算出陸地每年排放約6.1×10^17個顆粒，而海洋僅為2.6×10^16個。這意味著，雖然海洋排放的顆粒可能在質(zhì)量上較重，但在數(shù)量上，陸地排放占據(jù)絕對主導(dǎo)地位，且海洋上空檢測到的大部分微塑料實(shí)際上是經(jīng)由大氣從陸地傳輸而來的。這一發(fā)現(xiàn)修正了人們對大氣微塑料循環(huán)的認(rèn)知，指出未來的治理重點(diǎn)應(yīng)集中在陸地排放源。研究發(fā)表在 Nature 上。

#疾病與健康 #預(yù)測模型構(gòu)建 #微塑料 #大氣科學(xué) #環(huán)境污染

閱讀更多：

Evangelou, Ioanna, et al. “Atmospheric Microplastic Emissions from Land and Ocean.” Nature, Jan. 2026, pp. 1–4. www.nature.com, https://doi.org/10.1038/s41586-025-09998-6

Nature：社交重塑腸道：同伴對嬰兒微生物組的影響力超越父母

當(dāng)嬰兒被送入托兒所時，他們交換的不僅僅是玩具和笑容，還有腸道中的微生物。來自意大利特倫托大學(xué)的Nicola Segata和Liviana Ricci團(tuán)隊(duì)通過一項(xiàng)大規(guī)模縱向研究發(fā)現(xiàn)，托兒所中的社交互動是塑造嬰兒早期微生物組的核心力量。研究顯示，同齡人之間的微生物“水平傳播”不僅迅速，而且在影響力上甚至超過了家庭成員間的傳播。這一發(fā)現(xiàn)挑戰(zhàn)了傳統(tǒng)觀點(diǎn)，即認(rèn)為家庭是嬰兒微生物組的唯一主要來源，揭示了早期社交環(huán)境在構(gòu)建人類微生物生態(tài)系統(tǒng)中的關(guān)鍵作用。

研究團(tuán)隊(duì)對3所托兒所的43名嬰兒進(jìn)行了長達(dá)一年的追蹤，并收集了他們以及家長、兄弟姐妹和保育員的共1013份糞便樣本。利用宏基因組測序（metagenomic sequencing）和高精度的菌株分析技術(shù)，研究人員繪制了微生物傳播的詳細(xì)網(wǎng)絡(luò)。結(jié)果令人驚訝：入托僅3個月后，嬰兒從同伴處獲得的菌株比例（28.4%）就已超過了來自家庭的比例（24.0%）。研究還發(fā)現(xiàn)，抗生素的使用會像“催化劑”一樣加速新菌株的定植，而家中有兄弟姐妹的嬰兒則因其微生物組已相對“飽和”，對外界菌株的接納度較低。這項(xiàng)研究提示，托兒所的衛(wèi)生政策需要在控制病原體和允許有益菌交流之間找到平衡。研究發(fā)表在 Nature 上。

#疾病與健康 #疾病預(yù)防 #微生物組 #宏基因組學(xué) #兒童發(fā)育

閱讀更多：

Ricci, Liviana, et al. “Baby-to-Baby Strain Transmission Shapes the Developing Gut Microbiome.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09983-z

Cell：細(xì)胞特異性溶酶體蛋白質(zhì)組學(xué)揭示神經(jīng)退行性疾病新機(jī)制

溶酶體作為細(xì)胞的“清潔工”和代謝中心，在維持大腦健康中起著至關(guān)重要的作用，但其在不同腦細(xì)胞中的具體差異一直是個謎。Monther Abu-Remaileh 和 Alessandro Ori 等人（斯坦福大學(xué)）領(lǐng)導(dǎo)的研究團(tuán)隊(duì)繪制了首張大腦細(xì)胞類型特異性溶酶體蛋白質(zhì)圖譜。他們不僅揭示了溶酶體在神經(jīng)元和膠質(zhì)細(xì)胞中的多樣性，還發(fā)現(xiàn)了一種導(dǎo)致神經(jīng)系統(tǒng)疾病的基因突變背后的真實(shí)機(jī)制，為相關(guān)疾病的治療提供了全新的視角。

該研究利用LysoTag技術(shù)和特定的小鼠模型，成功分離并分析了神經(jīng)元、星形膠質(zhì)細(xì)胞、少突膠質(zhì)細(xì)胞和小膠質(zhì)細(xì)胞中的溶酶體蛋白。研究人員通過這一高分辨率圖譜發(fā)現(xiàn)，SLC45A1這種此前被認(rèn)為與智力發(fā)育障礙有關(guān)的蛋白，實(shí)際上是一種神經(jīng)元特異性的溶酶體糖轉(zhuǎn)運(yùn)蛋白。進(jìn)一步的實(shí)驗(yàn)表明，SLC45A1對于維持V-ATPase（vacuolar ATPase，液泡型質(zhì)子泵，負(fù)責(zé)調(diào)節(jié)溶酶體酸堿度的酶復(fù)合物）的穩(wěn)定性至關(guān)重要。當(dāng)SLC45A1缺失時，V-ATPase復(fù)合物會變得不穩(wěn)定，導(dǎo)致溶酶體酸化受損，進(jìn)而引發(fā)鐵穩(wěn)態(tài)失調(diào)和線粒體功能障礙。基于這些發(fā)現(xiàn)，研究團(tuán)隊(duì)提出應(yīng)將SLC45A1相關(guān)疾病重新分類為溶酶體貯積癥（Lysosomal Storage Disorders, LSDs），這為開發(fā)針對性的治療策略奠定了基礎(chǔ)。研究發(fā)表在 Cell 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #溶酶體貯積癥 #SLC45A1 #蛋白質(zhì)組學(xué)

閱讀更多：

Ghoochani, Ali, et al. “Cell-Type Resolved Protein Atlas of Brain Lysosomes Identifies SLC45A1-Associated Disease as a Lysosomal Disorder.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.012

Cell：癌癥竟是阿爾茨海默病的“克星”？Cystatin-C 蛋白揭示保護(hù)機(jī)制

為何癌癥患者似乎擁有對抗阿爾茨海默病的“免疫力”？為了解開這一醫(yī)學(xué)謎題，Youming Lu 團(tuán)隊(duì)（華中科技大學(xué)同濟(jì)醫(yī)學(xué)院）通過研究揭示了外周癌癥通過分泌特定蛋白質(zhì)抑制阿爾茨海默病病理的機(jī)制。研究發(fā)現(xiàn)，腫瘤分泌的因子能激活大腦免疫細(xì)胞，從而清除致病斑塊，為神經(jīng)退行性疾病的治療提供了顛覆性的新思路。

?Credit:Cell.

該研究通過在阿爾茨海默病模型小鼠體內(nèi)植入肺癌、前列腺癌等外周癌細(xì)胞，驚奇地發(fā)現(xiàn)小鼠腦內(nèi)的淀粉樣蛋白斑塊顯著減少，認(rèn)知功能得到改善。進(jìn)一步探究發(fā)現(xiàn)，這一保護(hù)作用的關(guān)鍵在于癌細(xì)胞分泌的 Cystatin-C（Cyst-C）蛋白。Cyst-C 扮演了一種“分子膠水”的角色：它一方面直接結(jié)合有毒的淀粉樣蛋白寡聚體，另一方面激活小膠質(zhì)細(xì)胞表面的 TREM2 受體。這種雙重結(jié)合如同搭建了一座橋梁，誘導(dǎo)小膠質(zhì)細(xì)胞高效吞噬并降解已經(jīng)存在的淀粉樣蛋白斑塊。當(dāng)研究人員敲除小膠質(zhì)細(xì)胞中的 TREM2 或使用突變的 Cyst-C 時，這種保護(hù)效應(yīng)隨之消失；而直接注射重組 Cyst-C 蛋白則能復(fù)現(xiàn)治療效果。這表明基于 Cyst-C 的策略有望成為清除 AD 患者腦內(nèi)既有斑塊的精準(zhǔn)療法。研究發(fā)表在 Cell 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #阿爾茨海默病 #癌癥 #小膠質(zhì)細(xì)胞

閱讀更多：

Li, Xinyan, et al. “Peripheral Cancer Attenuates Amyloid Pathology in Alzheimer’s Disease via Cystatin-c Activation of TREM2.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.020

Science：遠(yuǎn)古病毒殘留物竟是人類生命開啟的鑰匙

人類生命的最初階段是如何被精確調(diào)控的？浙江大學(xué)醫(yī)學(xué)院的Hongqing Liang、Dan Zhang團(tuán)隊(duì)，聯(lián)合同濟(jì)大學(xué)的Shaorong Gao團(tuán)隊(duì)及浙江大學(xué)愛丁堡大學(xué)聯(lián)合學(xué)院的Wanlu Liu團(tuán)隊(duì)，通過研究給出了驚人的答案：一種古老的病毒殘留物是開啟人類胚胎發(fā)育的關(guān)鍵。研究人員發(fā)現(xiàn)，在合子基因組激活（ZGA）這一關(guān)鍵時期，內(nèi)源逆轉(zhuǎn)錄病毒MLT2A1發(fā)揮著不可或缺的作用，它構(gòu)建了一個復(fù)雜的調(diào)控網(wǎng)絡(luò)，確保胚胎順利跨越發(fā)育的第一個重要門檻。

?MLT2A1 通過合成異源嵌合 RNA 來增強(qiáng)人類 ZGA 的功能。ZGA 特異性 MLT2A1 通過與不同的下游序列融合來生成嵌合 RNA。

該研究利用人類體外受精胚胎和八細(xì)胞樣細(xì)胞模型，結(jié)合先進(jìn)的長讀長轉(zhuǎn)錄組分析技術(shù)，深入解析了MLT2A1的功能。研究發(fā)現(xiàn)，MLT2A1會生成大量的嵌合RNA（Chimeric RNAs，由不同基因序列融合而成的RNA分子），這些分子充當(dāng)了基因組激活的“橋梁”。具體而言，嵌合RNA的可變3'端能夠識別并結(jié)合廣泛的基因組區(qū)域，而其保守的5'端則負(fù)責(zé)招募異質(zhì)核核糖核蛋白 U（HNRNPU，一種參與基因轉(zhuǎn)錄及染色質(zhì)結(jié)構(gòu)調(diào)節(jié)的關(guān)鍵蛋白質(zhì)）以及RNA聚合酶II，從而啟動ZGA相關(guān)基因的表達(dá)。這種獨(dú)特的機(jī)制形成了一個自我放大的正反饋回路，若抑制MLT2A1，人類胚胎將陷入發(fā)育停滯。這項(xiàng)發(fā)現(xiàn)不僅揭示了“垃圾DNA”在生命起源中的重要功能，也為評估輔助生殖技術(shù)中的胚胎質(zhì)量提供了潛在的生物標(biāo)志物。研究發(fā)表在 Science 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #語言學(xué) #失配負(fù)波 #聽覺感知

閱讀更多：

Xiang, Yangquan, et al. “Endogenous Retroviruses Synthesize Heterologous Chimeric RNAs to Reinforce Human Early Embryo Development.” Science, vol. 391, no. 6783, Jan. 2026, p. eadv5257. science.org (Atypon), https://doi.org/10.1126/science.adv5257

午睡可“重置”大腦突觸可塑性，讓后續(xù)工作與學(xué)習(xí)保持最佳狀態(tài)

大腦如何處理白天的信息過載并恢復(fù)學(xué)習(xí)能力？瑞士日內(nèi)瓦大學(xué)的Kristoffer D. Fehér和Christoph Nissen團(tuán)隊(duì)通過研究發(fā)現(xiàn)，短暫的午睡足以“重置”大腦的神經(jīng)連接狀態(tài)。該研究首次在人類中證實(shí)，午睡不僅能緩解大腦疲勞，還能通過調(diào)節(jié)突觸可塑性，為接納新信息騰出空間，從而優(yōu)化后續(xù)的學(xué)習(xí)與工作表現(xiàn)。

研究團(tuán)隊(duì)招募了20名健康成年人進(jìn)行了一項(xiàng)對照實(shí)驗(yàn)，對比了平均44分鐘的午睡與保持清醒對大腦狀態(tài)的影響。為了量化大腦的變化，研究人員使用了經(jīng)顱磁刺激來測量皮質(zhì)興奮性，并結(jié)合腦電圖監(jiān)測θ波活動，以此作為評估大腦整體突觸強(qiáng)度的指標(biāo)。此外，團(tuán)隊(duì)還利用配對聯(lián)合刺激（PAS，一種誘導(dǎo)神經(jīng)可塑性的實(shí)驗(yàn)范式）來測試長時程增強(qiáng)的誘導(dǎo)能力。

結(jié)果顯示，與保持清醒相比，午睡顯著降低了皮層興奮性和腦電θ波水平，這表明大腦的高強(qiáng)度突觸連接得到了“下調(diào)”或重置。更重要的是，午睡后受試者對PAS刺激的反應(yīng)更強(qiáng)，意味著大腦形成新突觸連接的能力得到了顯著提升。這一發(fā)現(xiàn)證實(shí)，短暫的睡眠可以清除大腦的“緩存”，恢復(fù)其可塑性，且這種增益效果至少可持續(xù)2小時。研究發(fā)表在 NeuroImage 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #睡眠 #突觸可塑性 #學(xué)習(xí)記憶

閱讀更多：

Fehér, Kristoffer D., et al. “A Nap Can Recalibrate Homeostatic and Associative Synaptic Plasticity in the Human Cortex.” NeuroImage, Jan. 2026, p. 121723. ScienceDirect, https://doi.org/10.1016/j.neuroimage.2026.121723

古DNA揭示家貓經(jīng)絲綢之路傳入中國，晚于豹貓與人共生3500年

家貓究竟是何時進(jìn)入中國尋常百姓家的？為了解開這一謎題并厘清古代人類與貓科動物的互動歷史，北京大學(xué)的羅述金（Shu-Jin Luo）團(tuán)隊(duì)聯(lián)合牛津大學(xué)的Greger Larson團(tuán)隊(duì)及Yu Han、Songmei Hu等多位研究人員，利用古基因組學(xué)技術(shù)重寫了中國養(yǎng)貓史。該研究通過分析跨越五千年的考古樣本，首次證實(shí)了中國古代存在長達(dá)3500年的豹貓與人類共生期，并確定了家貓是直到唐朝才通過絲綢之路正式進(jìn)入中國。

?Credit: Cell Genomics.

研究團(tuán)隊(duì)對來自中國14個考古遺址的22個小型貓科動物骨骼樣本進(jìn)行了深入分析，這些樣本的時間跨度從5400年前的新石器時代一直延續(xù)到150年前。研究人員結(jié)合了古DNA測序和碳14測年技術(shù)，結(jié)果顯示，從仰韶文化時期到東漢末年，中國古代遺址中的貓科動物并非家貓，而是本土的豹貓（Prionailurus bengalensis）。這種野生貓科動物與人類保持了長達(dá)3500年的共棲關(guān)系，利用人類聚居地的食物資源生存。研究進(jìn)一步發(fā)現(xiàn)，真正的家貓（Felis catus）直到約公元730年的唐朝才出現(xiàn)，且基因分析表明它們起源于近東地區(qū)，這有力地支持了家貓是隨商隊(duì)經(jīng)由絲綢之路傳入中國的假說。此外，基因表型復(fù)原十分有趣地指出，中國確認(rèn)最早的家貓之一是一只全白或帶有白斑的貓。研究發(fā)表在 Cell Genomics 上。

#其他 #跨學(xué)科整合 #古基因組學(xué) #家貓 #絲綢之路

閱讀更多：

Han, Yu, et al. “The Late Arrival of Domestic Cats in China via the Silk Road after 3,500 Years of Human-Leopard Cat Commensalism.” Cell Genomics, vol. 6, no. 1, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.xgen.2025.101099

為何香菜有肥皂味？OR6A2受體結(jié)構(gòu)揭示答案

嗅覺受體如何精準(zhǔn)捕捉氣味分子，一直不僅是感官科學(xué)的核心問題，也與炎癥等疾病調(diào)控密切相關(guān)。上海科技大學(xué)的劉志杰（Zhi-Jie Liu）、華甜（Tian Hua）、趙素文（Suwen Zhao）及水雯箐（Wenqing Shui）聯(lián)合團(tuán)隊(duì)，通過攻克結(jié)構(gòu)生物學(xué)領(lǐng)域的“硬骨頭”，成功解析了人類嗅覺受體OR6A2的高分辨率結(jié)構(gòu)。該研究不僅解釋了部分人群為何對香菜產(chǎn)生“肥皂味”感知的分子基礎(chǔ)，還揭示了該受體在非嗅覺組織（如免疫細(xì)胞）中潛在的病理生理作用，為理解嗅覺感知及開發(fā)炎癥相關(guān)疾病的藥物提供了全新視角。

?Credit:Cell.

研究團(tuán)隊(duì)采用“共識序列+反向突變”策略，克服了嗅覺受體難以表達(dá)和不穩(wěn)定的難題，成功解析了OR6A2與多種天然醛類氣味分子及G蛋白Golf的復(fù)合物結(jié)構(gòu)。最為震撼的發(fā)現(xiàn)是，醛類氣味分子通過席夫堿（Schiff base linkage，一種由氨基和羰基縮合形成的化學(xué)鍵）與受體形成可逆的共價鍵。這種“牽手”式的識別機(jī)制此前僅在視覺系統(tǒng)的視紫紅質(zhì)中被發(fā)現(xiàn)，在其他G蛋白偶聯(lián)受體（GPCR）家族中尚屬首次。此外，研究還通過冷凍電鏡（Cryo-EM）和分子動力學(xué)模擬，鑒定出了受體激活的關(guān)鍵“三聯(lián)體”結(jié)構(gòu)，表明嗅覺受體采用了一種比經(jīng)典GPCR更為簡潔高效的激活機(jī)制，以適應(yīng)快速變化的復(fù)雜氣味環(huán)境。研究發(fā)表在 Cell 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #結(jié)構(gòu)生物學(xué) #嗅覺受體 #G蛋白偶聯(lián)受體

閱讀更多：

Wang, Tian, et al. “Structural Decoding of Reversible Covalent Linkage of Odorants in Human Olfactory Receptor OR6A2.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.017

AI 行業(yè)動態(tài)

圖靈獎得主Yann LeCun創(chuàng)立AMI Labs，斥資35億美元押注「世界模型」挑戰(zhàn)LLM霸權(quán)

圖靈獎得主 Yann LeCun 離開 Meta 后創(chuàng)立的新公司 AMI Labs（高級機(jī)器智能實(shí)驗(yàn)室）近日正式確立了核心研發(fā)方向：構(gòu)建「世界模型（World Models，一種能夠模擬和理解物理世界規(guī)律與動態(tài)的AI架構(gòu)）」。這一舉措標(biāo)志著對當(dāng)前主流的大語言模型技術(shù)路線發(fā)起了挑戰(zhàn)。Yann LeCun 長期對基于「下一個Token預(yù)測（Next-token Prediction，根據(jù)上文概率性地預(yù)測下一個字詞的生成方式）」的范式持懷疑態(tài)度，認(rèn)為這種方式無法讓 AI 真正理解現(xiàn)實(shí)世界。AMI Labs 旨在開發(fā)具備持久記憶、推理規(guī)劃能力且安全可控的智能系統(tǒng)。研究人員提出了「帶動作條件的世界模型」，該模型不執(zhí)著于逐像素生成，而是通過抽象建模過濾噪聲，在更高維度的表征空間中進(jìn)行預(yù)測。與此同時，Yann LeCun 還擔(dān)任了 Logical Intelligence 的技術(shù)研究委員會創(chuàng)使主席，該公司推出的 Kona 模型基于「基于能量的推理模型（Energy-Based Reasoning Models，通過最小化能量函數(shù)來尋找滿足約束條件最優(yōu)解的數(shù)學(xué)模型）」，同樣旨在跳出語言生成范式，追求物理一致性。

在商業(yè)層面，AMI Labs 已引發(fā)資本市場的激烈爭搶，估值據(jù)傳已達(dá) 35 億美元。公司由 Alex LeBrun 擔(dān)任首席執(zhí)行官，他此前是醫(yī)療 AI 初創(chuàng)公司 Nabla 的聯(lián)合創(chuàng)始人，而 Yann LeCun 則出任執(zhí)行董事長。鑒于核心團(tuán)隊(duì)在醫(yī)療健康領(lǐng)域的背景，以及世界模型對可靠性的極致追求，AMI Labs 的應(yīng)用場景將高度聚焦于工業(yè)控制、機(jī)器人技術(shù)及醫(yī)療健康等高風(fēng)險領(lǐng)域。研究人員指出，這種「智能體系統(tǒng)」必須能夠預(yù)見行為結(jié)果，從而在安全約束下可靠地行動。盡管 Yann LeCun 曾公開批評前東家的部分戰(zhàn)略，但 Meta 很可能成為 AMI Labs 的首個客戶。此外，公司計(jì)劃采用開源與技術(shù)授權(quán)相結(jié)合的模式，并保持總部位于巴黎的全球化運(yùn)營，而 Yann LeCun 本人將保留在紐約大學(xué)的教職，繼續(xù)連接學(xué)術(shù)界與產(chǎn)業(yè)界。

#YannLeCun #世界模型 #AMI_Labs #反LLM范式 #智能體系統(tǒng)

閱讀更多：

https://techcrunch.com/2026/01/23/whos-behind-ami-labs-yann-lecuns-world-model-startup/

OpenAI不想只賣鏟子了：CFO暗示未來要在客戶利潤中“抽成”

OpenAI CEO Sam Altman 近日高調(diào)透露，僅公司 API 業(yè)務(wù)的 ARR（Annual Recurring Revenue，年度經(jīng)常性收入）月增長已超過 10 億美元，與此同時，外界傳聞其正尋求估值高達(dá)數(shù)千億美元的新一輪融資。然而，比財務(wù)數(shù)據(jù)更具沖擊力的是 OpenAI CFO Sarah Friar 在達(dá)沃斯論壇上提出的全新商業(yè)構(gòu)想——“價值共享”（Value Sharing，指通過技術(shù)貢獻(xiàn)獲取客戶創(chuàng)造收益的一部分）。Sarah Friar 以藥物研發(fā)為例指出，如果制藥公司利用 OpenAI 的技術(shù)成功發(fā)現(xiàn)新藥，OpenAI 將不再滿足于僅收取基礎(chǔ)的軟件使用費(fèi)，而是希望從客戶因此獲得的巨大商業(yè)收益中抽取一定比例的利潤。這意味著這家 AI 巨頭正計(jì)劃從單純的工具供應(yīng)商轉(zhuǎn)型為深度參與客戶商業(yè)閉環(huán)的合作伙伴，試圖在客戶利用 AI 獲得成功時進(jìn)行“抽成”，這一策略轉(zhuǎn)變迅速在科技界和商業(yè)界引發(fā)了軒然大波。

這一潛在的商業(yè)模式調(diào)整被外界解讀為對現(xiàn)有 AI 工具化認(rèn)知的巨大顛覆。批評者將其比作 Adobe 要求對設(shè)計(jì)師創(chuàng)作的圖片進(jìn)行抽成，并尖銳地指出，OpenAI 在自身訓(xùn)練數(shù)據(jù)版權(quán)尚存爭議的情況下，試圖從用戶的 IP中獲利極具諷刺意味，甚至可能導(dǎo)致商業(yè)客戶流失。盡管面臨質(zhì)疑，但 AI 在生物醫(yī)藥領(lǐng)域的應(yīng)用確實(shí)正在加速，OpenAI 已與賽默飛世爾科技（Thermo Fisher Scientific）等企業(yè)展開深度合作，并積極向瑞維拓（Revvity）等公司尋求專業(yè)數(shù)據(jù)授權(quán)，以訓(xùn)練針對生物學(xué)優(yōu)化的模型。事實(shí)上，谷歌 DeepMind 和 Anthropic 等競爭對手也在探索類似的數(shù)據(jù)許可與合作路徑。Sarah Friar 甚至在博客中暗示，這種基于結(jié)果定價的模式未來可能進(jìn)一步擴(kuò)展至能源和金融領(lǐng)域，表明隨著大模型展現(xiàn)出“想法合成器”的潛力，OpenAI 正試圖重新定義 AI 時代的價值分配規(guī)則。

#OpenAI #商業(yè)模式 #藥物研發(fā) #價值共享 #SamAltman

閱讀更多：

https://www.theinformation.com/newsletters/applied-ai/openai-plans-take-cut-customers-ai-aided-discoveries?rc=jn0pp4

斯坦福與英偉達(dá)聯(lián)合發(fā)布TTT-Discover：讓AI在推理階段“現(xiàn)場進(jìn)化”

斯坦福大學(xué)與英偉達(dá)的研究人員近日聯(lián)合發(fā)布了一項(xiàng)名為 TTT-Discover 的突破性研究，提出了一種打破“模型訓(xùn)練完即定型”鐵律的全新 AI 推理范式。與傳統(tǒng)大模型在預(yù)訓(xùn)練后參數(shù)凍結(jié)（Parameters Frozen，模型權(quán)重固定不再變化）的模式不同，TTT-Discover 允許模型在推理階段（Test-Time）針對特定難題，利用強(qiáng)化學(xué)習(xí)直接修改自身的參數(shù)和權(quán)重。這種被稱為“測試時訓(xùn)練”（Test-Time Training，簡稱 TTT）的方法采取了極端的策略：它不再追求模型的通用性和穩(wěn)健性，而是鼓勵模型在考場上“現(xiàn)場長腦子”，為了解決單一的極端問題進(jìn)行高風(fēng)險探索，甚至不惜讓模型陷入過擬合。該項(xiàng)目的核心推動者 Yu Sun 認(rèn)為，真正的智能體不應(yīng)在訓(xùn)練結(jié)束時停止學(xué)習(xí)，而應(yīng)在推理過程中通過參數(shù)更新繼續(xù)進(jìn)化。

TTT-Discover 在數(shù)學(xué)、代碼優(yōu)化和算法競賽等硬核領(lǐng)域展現(xiàn)了碾壓人類頂尖水平的能力。在數(shù)論領(lǐng)域的 Erd?s 最小重疊問題上，它通過構(gòu)造極其復(fù)雜的非對稱函數(shù)刷新了歷史記錄；在 GPU 內(nèi)核優(yōu)化比賽中，它生成的代碼運(yùn)行速度比人類第一名快 50%，展現(xiàn)了激進(jìn)的算子融合能力；在 AtCoder 啟發(fā)式競賽中，它更是擊敗了人類金牌選手的歷史最佳成績。盡管這種“一次性特種兵”模型存在成本高昂（解決單道題算力成本約 500 美元）、功能單一且依賴明確獎勵信號等局限，但它展示了 AI 在解決癌癥藥物研發(fā)、數(shù)學(xué)猜想證明等科學(xué)發(fā)現(xiàn)領(lǐng)域的巨大潛力。研究人員通過這一成果，向外界展示了一種為了照亮未知瞬間而燃盡自我的全新智慧形態(tài)。

#TTT-Discover #斯坦福大學(xué) #英偉達(dá) #AI推理 #科學(xué)發(fā)現(xiàn)

閱讀更多：

https://arxiv.org/pdf/2601.16175

OpenAI揭秘Codex核心架構(gòu)與極簡數(shù)據(jù)庫方案，強(qiáng)勢回應(yīng)Claude挑戰(zhàn)

面對 Anthropic 旗下 Claude Code 的強(qiáng)勢挑戰(zhàn)，OpenAI 近日祭出重拳，首度揭秘了其 Codex 模型背后的核心架構(gòu)“智能體循環(huán)”（Agent Loop）。研究人員指出，Agent Loop 不僅僅是簡單的問答系統(tǒng)，更是一個包含“觀察-思考-行動-反饋”的閉環(huán)總指揮，它能將用戶意圖、模型推理與執(zhí)行工具完美串聯(lián)。通過自動構(gòu)建包含系統(tǒng)指令、工具定義和環(huán)境上下文的提示詞，模型能夠自主規(guī)劃路徑、調(diào)用 Shell 等工具并根據(jù)反饋進(jìn)行自我修正。為解決長對話帶來的成本爆炸和上下文窗口限制，OpenAI 引入了兩項(xiàng)硬核優(yōu)化：利用“提示詞緩存”（Prompt Caching，通過前綴匹配技術(shù)復(fù)用未變更的內(nèi)容以降低計(jì)算量）將成本從平方級降至線性級；以及采用“對話壓縮”，確保 AI 在處理復(fù)雜任務(wù)時“智商”始終在線。

在基礎(chǔ)設(shè)施層面，OpenAI 更是曝出驚人細(xì)節(jié)：僅憑一個主節(jié)點(diǎn)的 PostgreSQL配合 50 個只讀副本，便成功支撐起全球 8 億用戶的海量訪問。研究人員透露，這套架構(gòu)的核心在于極致的讀寫分離與性能優(yōu)化。通過引入 PgBouncer（連接池代理，用于復(fù)用數(shù)據(jù)庫連接以顯著降低建立連接的開銷），連接時間從 50ms 驟降至 5ms；同時利用緩存鎖定機(jī)制有效避免了服務(wù)雪崩。盡管目前面臨寫入放大的物理極限，但 OpenAI 用實(shí)踐證明，通過將單機(jī)架構(gòu)優(yōu)化到極致，完全可以在不盲目追求復(fù)雜分布式系統(tǒng)的情況下，滿足超大規(guī)模的用戶需求。

#OpenAI #Codex #AgentLoop #PostgreSQL #高并發(fā)架構(gòu)

閱讀更多：

https://openai.com/index/unrolling-the-codex-agent-loop/

AI 驅(qū)動科學(xué)

Nature：每厘米10萬晶體管：多層旋疊架構(gòu)突破纖維電子算力瓶頸

纖維電子雖已具備供電、傳感和顯示功能，但長期缺乏核心的信號處理能力，阻礙了智能交互系統(tǒng)的構(gòu)建。復(fù)旦大學(xué)的Zhen Wang、Ke Chen、Xiang Shi、Huisheng Peng及Peining Chen等人打破常規(guī)，成功研發(fā)出具備高密度集成電路的纖維器件，填補(bǔ)了這一關(guān)鍵空白。

研究團(tuán)隊(duì)創(chuàng)新性地提出了一種多層旋疊架構(gòu)（multilayered spiral architecture），即先在平面基底上完成微納加工，再將其卷曲成螺旋結(jié)構(gòu)的纖維。這種方法使得纖維集成電路（FIC）的集成密度高達(dá)每厘米10萬個晶體管。該器件不僅能處理數(shù)字和模擬信號，還能執(zhí)行高識別精度的神經(jīng)計(jì)算。在極端條件測試中，該纖維經(jīng)受住了10000次循環(huán)彎曲、30%的拉伸、每厘米180度的扭轉(zhuǎn)，甚至重達(dá)15.6噸集裝箱卡車的碾壓，性能依然保持穩(wěn)定。這一突破實(shí)現(xiàn)了單根纖維內(nèi)的閉環(huán)控制，無需外接笨重處理器，為腦機(jī)接口、智能織物及虛擬現(xiàn)實(shí)可穿戴設(shè)備等應(yīng)用開辟了新路徑。研究發(fā)表在 Nature 上。

#意識與腦機(jī)接口 #跨學(xué)科整合 #智能織物 #柔性電子 #纖維芯片

閱讀更多：

Wang, Zhen, et al. “Fibre Integrated Circuits by a Multilayered Spiral Architecture.” Nature, Jan. 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09974-0

Science：AI已編寫近三分之一新代碼，資深程序員獲益最大

生成式人工智能正在重塑全球軟件開發(fā)產(chǎn)業(yè)，但其帶來的紅利并非均勻分布。由復(fù)雜性科學(xué)中心的Frank Neffke和Simone Daniotti等人組成的研究團(tuán)隊(duì)，通過分析海量編程數(shù)據(jù)，揭示了AI輔助編程的全球普及趨勢及其對生產(chǎn)力的實(shí)際影響。研究發(fā)現(xiàn)，雖然AI代碼的占比迅速攀升，但主要是經(jīng)驗(yàn)豐富的開發(fā)者從中獲得了生產(chǎn)力提升，而非初學(xué)者。

?左圖：人工智能編寫的 Python 函數(shù)占比（2019-2024 年）快速增長，但各國采用率存在差異。美國在生成式人工智能的早期應(yīng)用方面處于領(lǐng)先地位，其次是法國和德國等歐洲國家。從 2023 年開始，印度迅速迎頭趕上，而中國和俄羅斯的應(yīng)用進(jìn)展則較為緩慢。右圖：比較同一批程序員在不同時間點(diǎn)的使用率，生成式人工智能的應(yīng)用與生產(chǎn)力（代碼提交次數(shù)）、功能廣度（庫使用）和新功能探索（庫條目）的提升相關(guān)，但這種關(guān)聯(lián)僅限于資深開發(fā)人員，而初級開發(fā)人員在使用生成式人工智能時并未獲得任何具有統(tǒng)計(jì)學(xué)意義的顯著收益。Credit: Complexity Science Hub (CSH)

該研究分析了全球最大的代碼托管平臺GitHub上超過3000萬條Python代碼貢獻(xiàn)，涉及約16萬名開發(fā)者。團(tuán)隊(duì)開發(fā)并使用了一種神經(jīng)分類器，這是一種專門訓(xùn)練用于區(qū)分人類編寫代碼與AI生成代碼的機(jī)器學(xué)習(xí)模型。結(jié)果顯示，到2024年底，美國新編寫的軟件代碼中已有約29%由AI生成，顯著高于中國的12%。值得注意的是，研究發(fā)現(xiàn)了一個明顯的“經(jīng)驗(yàn)悖論”：經(jīng)驗(yàn)較少的初級程序員在37%的代碼中使用了AI，而資深程序員僅為27%；然而，生產(chǎn)力的提升（代碼提交量增加3.6%）和技能邊界的拓展（探索新功能庫）主要集中在資深開發(fā)者身上，初學(xué)者幾乎沒有獲得顯著收益。這表明AI工具目前更多是錦上添花，而非幫助新手彎道超車的捷徑。研究發(fā)表在 Science 上。

#AI 驅(qū)動科學(xué) #大模型技術(shù) #軟件工程 #自動化科研 #經(jīng)濟(jì)學(xué)

閱讀更多：

Daniotti, Simone, et al. “Who Is Using AI to Code? Global Diffusion and Impact of Generative AI.” Science, vol. 0, no. 0, Jan. 2026, p. eadz9311. science.org (Atypon), https://doi.org/10.1126/science.adz9311

新方法讓AI無需額外數(shù)據(jù)即可像人類一樣進(jìn)行組合推理

如何讓AI不只是死記硬背，而是像人類一樣具備靈活的推理能力？Yinglun Zhu及其團(tuán)隊(duì)（加州大學(xué)河濱分校）開發(fā)了一種名為“測試時匹配”（TTM）的新技術(shù)，成功解決了這一難題。該研究表明，通過優(yōu)化評估方式和引入自我改進(jìn)機(jī)制，即使是較小規(guī)模的AI模型也能在無需額外訓(xùn)練數(shù)據(jù)的情況下，展現(xiàn)出超越GPT-4.1的強(qiáng)大組合推理能力。

?SimpleMatch 和 TTM 顯著提升了 VLM 和 MLLM 在組合推理基準(zhǔn)測試 Winoground、MMVP-VLM 和 ColorSwap 上的性能，并創(chuàng)造了新的性能記錄。Credit: arXiv (2025).

長期以來，人工智能在面對“組合推理”（compositional reasoning，即基于已知部分理解新組合的能力）時往往表現(xiàn)不佳。研究團(tuán)隊(duì)首先指出，傳統(tǒng)的評估方法低估了AI的潛能，通過引入一種新的評估指標(biāo)SimpleMatch，他們發(fā)現(xiàn)模型實(shí)際上隱藏著未被發(fā)掘的能力。在此基礎(chǔ)上，團(tuán)隊(duì)進(jìn)一步開發(fā)了TTM算法。該算法模擬人類利用上下文進(jìn)行推理的過程：讓模型在測試階段預(yù)測圖像與文本的匹配關(guān)系，選取置信度最高的結(jié)果進(jìn)行自我微調(diào)，并不斷迭代優(yōu)化。實(shí)驗(yàn)結(jié)果顯示，應(yīng)用該技術(shù)后，相對較小的模型SigLIP-B16在多項(xiàng)基準(zhǔn)測試中刷新了記錄，特別是在MMVP-VLM數(shù)據(jù)集上，其準(zhǔn)確率達(dá)到89.4%，超越了GPT-4.1。此外，GPT-4.1在使用新方法后，在Winoground測試中首次超越了人類的平均表現(xiàn)。這項(xiàng)研究打破了“模型越大越好”的迷思，證明了通過智能的測試時適應(yīng)策略，可以顯著釋放現(xiàn)有AI模型的潛力。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #組合推理 #測試時匹配 #視覺語言模型

閱讀更多：

Zhu, Yinglun, et al. “Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models.” arXiv:2510.07632, arXiv, 9 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.07632

大模型也有“圈子文化”？研究揭示AI內(nèi)化的社會偏見

人工智能是否會繼承人類“黨同伐異”的劣根性？Tabia Tanzin Prama和Julia Witte Zimmerman等人（佛蒙特大學(xué)）的研究給出了肯定的答案。該團(tuán)隊(duì)發(fā)現(xiàn)，大型語言模型不僅吸收了訓(xùn)練數(shù)據(jù)中的事實(shí)關(guān)聯(lián)，還內(nèi)化了人類的社會偏見，表現(xiàn)出明顯的內(nèi)群體偏好和外群體敵意，并成功開發(fā)出一種能夠顯著緩解此類偏見的新策略。

?使用秩湍流散度 (RTD) 的異質(zhì)分類圖比較了由 LLaMA-3.1 生成的自由派和保守派人物語料庫。左圖顯示了秩-秩直方圖，右圖顯示了秩湍流散度圖，以可視化兩種陣營間詞語使用差異。Credit: arXiv (2025).

研究團(tuán)隊(duì)對GPT-4.1、DeepSeek-3.1等五個主流模型進(jìn)行了全面評估。通過結(jié)合情感動力學(xué)和異類分類學(xué)（allotaxonometry，一種用于比較不同系統(tǒng)間等級分布差異的統(tǒng)計(jì)方法）分析發(fā)現(xiàn)，所有模型在默認(rèn)狀態(tài)下都傾向于通過語言表達(dá)“內(nèi)群體團(tuán)結(jié)”與“外群體敵意”。更有趣的是，當(dāng)研究人員要求模型扮演特定政治立場的“人格”時，模型的偏見模式發(fā)生了系統(tǒng)性偏移：扮演“保守派”的模型表現(xiàn)出更強(qiáng)的外群體敵意，而“自由派”模型則表現(xiàn)出更強(qiáng)的內(nèi)群體團(tuán)結(jié)。此外，針對特定外群體的誘導(dǎo)性提示會使模型生成的敵對語言增加最高達(dá)21.76%。為解決這一問題，團(tuán)隊(duì)開發(fā)了名為ION的“內(nèi)群體-外群體中和”策略，利用直接偏好優(yōu)化（Direct Preference Optimization，一種無需獎勵模型即可直接根據(jù)人類偏好數(shù)據(jù)優(yōu)化策略的算法）進(jìn)行微調(diào)，成功將模型的情感分歧降低了69%。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #社會偏見 #算法倫理 #直接偏好優(yōu)化

閱讀更多：

Prama, Tabia Tanzin, et al. “Us-vs-Them Bias in Large Language Models.” arXiv:2512.13699, arXiv, 3 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.13699

僅重18克的折紙靈感戒指讓虛擬世界觸手可及

目前的虛擬現(xiàn)實(shí)技術(shù)雖然視覺效果逼真，卻往往讓人“看得見摸不著”。為了解決這一感官缺失，Sunju Kang、Mustafa Mete和Jamie Paik等研究人員（成均館大學(xué)、洛桑聯(lián)邦理工學(xué)院、伊斯坦布爾理工大學(xué)）開發(fā)了一款名為OriRing的新型可穿戴設(shè)備。這款設(shè)備突破了傳統(tǒng)觸覺反饋裝置體積大、重量沉的局限，成功在極輕的重量下實(shí)現(xiàn)了逼真的觸覺交互。

?一種帶有三軸力感應(yīng)皮膚的可穿戴觸覺力反饋戒指。A) 我們開發(fā)了一種名為 OriRing 的可穿戴觸覺戒指，重量僅為 18 克，可產(chǎn)生高達(dá) 6.5 牛頓的力。該設(shè)計(jì)融合了基于折疊的棱柱關(guān)節(jié)、三軸力感應(yīng)皮膚、噴墨打印的彎曲傳感器、單像素陣列 (SPA) 和 3D 打印的環(huán)形框架。B) 力感應(yīng)皮膚由上層柔軟的金字塔微結(jié)構(gòu)、下層四個電阻像素以及分隔兩層的間隔層組成。這種設(shè)計(jì)能夠檢測法向力和剪切力。C) 憑借其多模態(tài)傳感和驅(qū)動能力，OriRing 通過動覺和本體感覺反饋來呈現(xiàn)虛擬物體的尺寸和剛度。它還允許用戶通過發(fā)送數(shù)字命令來修改這些屬性，從而展示了與數(shù)字環(huán)境的雙向通信。 Credit: Kang et al. (Nature Electronics, 2025).

該研究團(tuán)隊(duì)從折紙藝術(shù)中汲取靈感，設(shè)計(jì)了一種基于折疊的幾何結(jié)構(gòu)，結(jié)合柔性氣動致動器（soft pneumatic actuators）和噴墨打印的彎曲傳感器，打造出僅重18克的智能戒指。OriRing的核心創(chuàng)新在于其三軸力感應(yīng)皮膚，該皮膚由帶有微小金字塔結(jié)構(gòu)的拓?fù)鋬?yōu)化層和電阻像素層組成，能夠同時敏銳地檢測手指受到的法向力和剪切力。實(shí)驗(yàn)表明，該設(shè)備不僅能精準(zhǔn)追蹤手指運(yùn)動，還能在三個自由度上提供高達(dá)6.5牛頓的動覺反饋，模擬出虛擬物體的尺寸、剛度以及按壓或滑動的真實(shí)觸感。這一技術(shù)實(shí)現(xiàn)了用戶與數(shù)字環(huán)境的雙向通信，有望在游戲、專業(yè)培訓(xùn)及醫(yī)療康復(fù)等領(lǐng)域帶來革命性的沉浸體驗(yàn)。研究發(fā)表在 Nature Electronics 上。

#其他 #機(jī)器人及其進(jìn)展 #虛擬現(xiàn)實(shí) #觸覺反饋 #可穿戴設(shè)備

閱讀更多：

Kang, Sunju, et al. “An 18-g Haptic Feedback Ring with a Three-Axis Force-Sensing Skin.” Nature Electronics, vol. 8, no. 12, Dec. 2025, pp. 1234–46. www.nature.com, https://doi.org/10.1038/s41928-025-01515-x

模擬人類視覺感知：AI視覺系統(tǒng)對抗攻擊新方法提升模型魯棒性

為了解決深度神經(jīng)網(wǎng)絡(luò)在面對惡意攻擊時的脆弱性，Doshisha University的Masatomo Yoshida和Masahiro Okuda開發(fā)了一種名為IFAP的創(chuàng)新框架。該研究旨在通過生成更具隱蔽性和自然感的對抗樣本，對AI視覺系統(tǒng)進(jìn)行更有效的壓力測試。結(jié)果表明，這種新方法不僅能成功欺騙AI模型，還能生成在視覺和頻譜特征上與原始圖像高度一致的擾動，為提升醫(yī)療診斷和自動駕駛等關(guān)鍵領(lǐng)域AI系統(tǒng)的安全性提供了新的評估工具。

?IFAP 利用模型梯度生成對抗性擾動，然后在離散余弦變換 (DCT) 域中對其進(jìn)行整形。與應(yīng)用固定頻率掩碼的現(xiàn)有頻率感知方法不同，IFAP 引入了一種基于輸入圖像頻譜的輸入自適應(yīng)頻譜包絡(luò)約束。該約束引導(dǎo)擾動的全頻譜輪廓與輸入圖像相符，從而在保持攻擊有效性的同時，提高了所生成對抗樣本的頻譜保真度。Credit: Professor Masahiro Okuda / Doshisha University, Japan

現(xiàn)有的對抗攻擊技術(shù)通常僅通過限制噪聲幅度（Lp范數(shù)）來隱藏攻擊，但這往往導(dǎo)致圖像出現(xiàn)不自然的顆粒感，容易被基于頻率的安全過濾器檢測到。為了突破這一局限，研究團(tuán)隊(duì)提出了IFAP框架，利用離散余弦變換（DCT）技術(shù)，在頻域內(nèi)對攻擊噪聲進(jìn)行整形。不同于以往使用固定頻率掩碼的方法，IFAP引入了輸入自適應(yīng)頻譜包絡(luò)約束，使添加的噪聲能夠自適應(yīng)地匹配輸入圖像的整個頻率分布。為了準(zhǔn)確評估效果，團(tuán)隊(duì)還開發(fā)了名為頻率余弦相似度（Freq_Cossim）的新指標(biāo)，專門衡量噪聲與原圖在頻譜輪廓上的匹配度。實(shí)驗(yàn)顯示，IFAP生成的對抗樣本不僅視覺上更自然，而且由于噪聲與圖像紋理高度融合，即使經(jīng)過JPEG壓縮或模糊處理等常見的圖像清洗手段，攻擊依然有效。這項(xiàng)研究表明，模擬人類感知的頻率特性是設(shè)計(jì)下一代高魯棒性AI模型的關(guān)鍵。研究發(fā)表在 IEEE Access 上。

#其他 #計(jì)算模型與人工智能模擬 #計(jì)算機(jī)視覺 #對抗樣本 #AI安全

閱讀更多：

Yoshida, Masatomo, and Masahiro Okuda. “IFAP: Input-Frequency Adaptive Adversarial Perturbation via Full-Spectrum Envelope Constraint for Spectral Fidelity.” IEEE Access, vol. 13, 2025, pp. 217504–18. IEEE Xplore, https://doi.org/10.1109/ACCESS.2025.3648201

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。