摘要：长寿能否通过非基因序列的方式遗传？霍华德休斯医学研究所的 Meng C. Wang, Qinghao Zhang, Weiwei Dang 团队以秀丽隐杆线虫为模型，发现由细胞“回收站”溶酶体触发的长寿效应，能通过一种全新的表观遗传机制传递给后代，影响甚至可以

脑科学动态

Science：肠道细胞竟能“教育”生殖细胞让后代活得更久

意识理论世纪对决引争议，GNWT阵营发文反驳Nature研究

紧随诺奖，Treg细胞研究再获突破

跳探戈、打游戏让大脑更年轻

新手主导的科研团队更具颠覆性

AI有意识吗？新观点认为关键可能在于“肉身”而非算法

AI行业动态

脑机接口巨头 Neuralink 提交首份人体试验安全数据论文

超万亿参数、数百万Token上下文：Gemini 3.0全家桶技术细节深度解析

AI驱动科学

Nature：AI模型高精度预测酶的特异性，助力新药研发与绿色制造

诺奖新材料MOF制成流体芯片，展现类脑记忆功能

SAM 3：让AI从「分割一切」到理解「视觉概念」

ReasoningBank：让AI智能体从成败经验中学习并自主进化

ToTAL框架：用可复用“思维模板”提升长文本大模型的推理能力

当“你儿子”的声音打来电话：语音克隆技术如何让骗局天衣无缝

脑科学动态

Science：肠道细胞竟能“教育”生殖细胞让后代活得更久

长寿能否通过非基因序列的方式遗传？霍华德休斯医学研究所的 Meng C. Wang, Qinghao Zhang, Weiwei Dang 团队以秀丽隐杆线虫为模型，发现由细胞“回收站”溶酶体触发的长寿效应，能通过一种全新的表观遗传机制传递给后代，影响甚至可以延续至第四代。

研究团队通过在线虫的溶酶体（lysosome，细胞内负责分解废物的细胞器）中激活一种名为LIPL-4的酶，成功将线虫的寿命延长了60%。令人惊讶的是，当这些长寿线虫与普通线虫繁殖后，其后代也表现出显著的寿命延长，并且这种效应可以稳定遗传四代。为了揭示其背后的机制，研究人员发现，溶酶体的代谢信号激活了一种表观遗传调控。具体来说，它增加了特定组蛋白H3.3变体的表达和甲基化修饰。更为关键的发现是，这种携带“长寿信息”的修饰组蛋白，能够从肠道等身体组织（体细胞）被运输到生殖细胞中，从而将这一后天获得的优势“告知”下一代。这一过程颠覆了遗传信息仅限于细胞核DNA的传统观念，证明了表观遗传信息可以在不同细胞类型间传递。研究还指出，禁食等环境因素也能激活这一通路，暗示着亲代的生活方式可能深远地影响后代的健康与寿命。研究发表在 Science 上。

#认知科学 #意图与决策 #神经机制与脑功能解析 #道德心理学

阅读更多：

Zhang, Qinghao, et al. “Lysosomes Signal through the Epigenome to Regulate Longevity across Generations.” Science, vol. 389, no. 6767, Sept. 2025, pp. 1353–60. science.org (Atypon), https://doi.org/10.1126/science.adn8754

意识理论世纪对决引争议，GNWT阵营发文反驳Nature研究

一项旨在裁决两大主流意识理论的Nature研究，其结论是否公正？针对该研究中对全局神经工作空间理论（GNWT）不利的发现，理论的奠基人 Stanislas Dehaene、Jean-Pierre Changeux 及同事 Lionel Naccache 等人发表评论，指出原研究存在对理论的误读和方法学上的局限，并认为部分结果反而支持了GNWT。

这场学术辩论的核心，是对一项大规模实验结果的解读。该实验旨在检验全局神经工作空间理论（GNWT）和整合信息理论（IIT）的预测。GNWT理论的捍卫者们在评论中指出，原研究实际上确认了GNWT的一个核心预测：当人们清楚地意识到一个视觉刺激时，大脑的感觉区域和前额叶层之间会发生广泛的激活和同步，即所谓的“点燃”（ignition）。

然而，他们也指出了原研究的几个关键误判。首先，原研究测试了一个“偏移点燃”（stimulus offset ignition，即刺激消失时大脑的反应）的预测，并因未能观测到该现象而质疑GNWT。评论作者澄清，这并非GNWT的强制性预测，只有当个体有意识地关注刺激消失这一事件时才可能发生。其次，对于未能在PFC区域成功解码出刺激的具体内容（如方向），作者认为这并非理论的失败，而是技术挑战。PFC的神经元编码具有高度混合的选择性，不像视觉皮层那样有规整的柱状结构，因此用功能性磁共振成像（fMRI）等宏观手段难以解码。作者强调，GNWT是一个植根于具体分子和细胞机制的生物学模型，未来的对抗性测试应更聚焦于其最核心的预测，即有意识与无意识加工过程的鲜明对比。研究发表在 Neuroscience of Consciousness 上。

#意识与脑机接口 #神经机制与脑功能解析 #计算模型与人工智能模拟 #理论辩论

阅读更多：

Naccache, Lionel, et al. “GNW Theoretical Framework and the ‘Adversarial Testing of Global Neuronal Workspace and Integrated Information Theories of Consciousness.’” Neuroscience of Co nsciousness, vol. 2025, no. 1, Feb. 2025. academic.oup.com, https://doi.org/10.1093/nc/niaf037

紧随诺奖，Treg细胞研究再获突破：关键蛋白Foxp3的角色随“情境”而变

调节性T细胞（Treg）中的关键蛋白Foxp3的作用是否一成不变？紧随该领域获诺贝尔奖之后，耶鲁大学的 Wei Hu 和纪念·斯隆凯特琳癌症中心的 Alexander Rudensky 等研究人员揭示了Foxp3的作用是动态变化的，它在Treg细胞的不同生命阶段和环境下扮演不同角色。

研究团队采用了一种创新的化学遗传学诱导蛋白降解技术，该技术能在活体小鼠内精准、快速地移除调节性T细胞（regulatory T cells，一类负责抑制免疫反应、防止自身免疫疾病的细胞）中的关键转录因子Foxp3。通过这一精准调控手段，研究揭示了Foxp3作用的“情境依赖性”。

研究发现，Foxp3对于新生的Treg细胞是不可或缺的“奠基者”，负责建立其免疫抑制功能。然而，一旦Treg细胞成熟，在正常生理状态下，其功能程序就变得非常稳定，即使暂时失去Foxp3也能正常工作，这种稳定性可能源于已建立的表观遗传修饰。但在压力条件下，情况截然不同。当面临严重炎症或进入肿瘤微环境时，成熟的Treg细胞会重新变得高度依赖Foxp3来维持其功能和生存。最关键的发现是，肿瘤内的Treg细胞对Foxp3的降解异常敏感。选择性地在肿瘤中降解Foxp3，能有效瓦解肿瘤的免疫抑制屏障，导致肿瘤显著缩小，并且这一过程并未引发严重的全身性自身免疫副作用。这一系列发现为开发选择性靶向肿瘤微环境的免疫疗法提供了新思路。研究发表在 Nature Immunology 上。

#疾病与健康 #个性化医疗 #免疫治疗 #Treg细胞 #Foxp3

阅读更多：

Hu, Wei, et al. “Temporal and Context-Dependent Requirements for the Transcription Factor Foxp3 Expression in Regulatory T Cells.” Nature Immunology, Oct. 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41590-025-02295-4

跳探戈、打游戏让大脑更年轻

创造性活动为何有益大脑健康，其生物学机制是什么？来自智利阿道夫·伊瓦涅斯大学的Agustín Ibáñez及其同事，利用创新的“大脑时钟”模型，量化了创造性体验对大脑衰老的影响，发现无论是资深艺术家还是游戏新手，从事创造性活动都能让大脑保持年轻。

研究团队首先基于大规模脑电数据，通过机器学习建立了一个“大脑时钟”，该模型能够通过分析大脑功能连接性来估算个体的生理脑龄。随后，他们将此模型应用于探戈舞者、音乐家、艺术家和游戏玩家，通过计算预测脑龄与实际年龄的差异，即大脑年龄差，来评估创造力对大脑的保护效果。研究发现，所有四种创造性活动都与大脑的年轻化显著相关。这种效应具有可扩展性，参与者的经验越丰富，大脑的“年轻”程度越明显。其中，专业探戈舞者的大脑最为出色，其平均脑龄比实际年龄年轻了整整7岁。脑图谱分析显示，这种保护作用集中在额顶叶区域，该区域主管工作记忆和决策等高级认知功能，也是最容易受衰老影响的脑区之一。更有趣的是，研究人员还发现，即便是从零开始学习一项新技能也能获益。让新手每周玩几个小时的策略游戏《星际争霸Ⅱ》，不仅能降低他们的大脑年龄，还能增强与注意力相关的脑区连接。研究发表在 Nature Communications 上。

#疾病与健康 #神经机制与脑功能解析 #大脑衰老 #创造力

阅读更多：

Coronel-Oliveros, Carlos, et al. “Creative Experiences and Brain Clocks.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8336. www.nature.com, https://doi.org/10.1038/s41467-025-64173-9

新手主导的科研团队更具颠覆性

在日益依赖团队合作的科研领域，经验丰富的专家与初出茅庐的新手，谁更能推动突破性创新？来自孟加拉国工程技术大学的Mahdee Mushfique Kamal 和南佛罗里达大学的 Raiyan Abdul Baten，通过一项大规模数据分析发现，科学界存在一种“新手魅力”：团队中首次发表论文的新人比例越高，其成果越具颠覆性。

该研究分析了1971年至2020年间超过2800万篇论文，通过将作者划分为新手、早期职业和资深三个阶段，探究了团队构成与创新产出之间的关系。研究人员采用了两个关键指标：颠覆性分数（disruption score，衡量论文是巩固还是改变了科学发展轨迹）和非典型组合分数（atypical combination score，通过分析参考文献的罕见组合来评估知识输入的创新性）。分析结果清晰地表明，新手比例越高的团队，其颠覆性分数和创新性得分也越高。这种现象在不同学科、年代和团队规模中普遍存在，甚至能有效抵消大型团队通常存在的创新抑制效应。进一步的机制分析发现，新手主导的团队更倾向于引用非主流、被忽视的文献，从而实现了更独特的知识重组。此外，当新手与早期职业研究者，或与本身就具有颠覆性研究记录的学者合作时，创新效果最为显著。尽管颠覆性强的论文通常引用率偏低，但该研究发现，出自新手团队的顶尖颠覆性成果最终能获得极高的引用，证明了其价值得到了承认。

#颠覆性创新 #团队科学 #科研人员职业生涯

阅读更多：

Kamal, Mahdee Mushfique, and Raiyan Abdul Baten. “Beginner’s Charm: Beginner-Heavy Teams Are Associated With High Scientific Disruption.” arXiv:2509.10389, arXiv, 12 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.10389

AI有意识吗？新观点认为关键可能在于“肉身”而非算法

随着AI技术飞速发展，机器能否拥有意识的问题再次成为焦点。纽约大学的 Ned Block 在一篇观点文章中挑战了主流的计算功能主义（即认为意识仅源于特定计算），他认为，实现计算的物理“肉身”（如生物神经元）可能才是意识产生的关键，这为我们判断AI和动物谁更有可能拥有意识提供了全新视角。

文章的核心论点在于区分计算的角色（role）与其物理实现者（realizer）。主流的计算功能主义（computational functionalism）认为，只要一个系统（无论是大脑还是计算机）能够执行正确的计算，它就能产生意识，实现计算的材质无关紧要。然而，Block 教授指出，这种“肉类中立”的观点可能忽略了关键因素。他认为，实现计算的亚计算生物实现者（subcomputational biological realizers）——即神经元的电化学活动等生物过程——本身可能就是意识的必要条件。这一观点在我们判断非人类意识时制造了一个有趣的困境：如果我们优先考虑计算的复杂性，那么一个先进的AI模型似乎比一只蜜蜂更有可能拥有意识；但如果我们优先考虑生物实现机制，那么蜜蜂的大脑反而成了更好的意识候选者。Block 援引进化生物学的证据指出，在动物演化中，是电化学（electrochemical）神经系统的出现，而非更早期的纯电神经系统，才催生了我们认为可能具备意识的物种。这暗示了生物基质的特殊性。因此，文章的结论是，如果意识的产生确实需要特定的生物“硬件”，那么无论算法如何先进，基于硅基的AI可能永远无法逾越这道鸿沟。研究发表在 Trends in Cognitive Sciences 上。

#意识与脑机接口 #计算模型与人工智能模拟 #人工智能 #意识哲学

阅读更多：

“Can Only Meat Machines Be Conscious?” Trends in Cognitive Sciences, Oct. 2025. www.sciencedirect.com, https://doi.org/10.1016/j.tics.2025.08.009

AI 行业动态

Nature：AI模型高精度预测酶的特异性，助力新药研发与绿色制造

如何为特定的化学反应找到最合适的酶？这是酶工程和合成生物学面临的核心挑战。伊利诺伊大学厄巴纳-香槟分校的崔海洋、苏雨峰、赵惠民及其合作者，开发了一款名为EZSpecificity的人工智能模型。该模型能高精度预测酶作用于特定底物的能力，为酶的精准应用提供了强大的工具。

▷ EZSpecificity 模型总体框架。credit:Nature(2025)

研究团队首先通过数百万次分子对接模拟，构建了一个庞大的酶-底物相互作用数据库，解决了训练数据不足的瓶颈。基于此，他们设计的EZSpecificity模型创新地融合了两种前沿技术：SE(3)-等变图神经网络（SE(3)-equivariant GNN，一种能高效处理分子三维空间结构信息的网络）和跨注意力机制（Cross-Attention，一种能让模型聚焦于酶活性口袋与底物分子之间最关键相互作用区域的算法）。这种设计使得模型能够像专家一样，精准捕捉酶与底物结合时的细微结构变化。为了验证模型的性能，研究团队将其与当前最先进的ESP模型进行了对比。在实验测试中，他们使用了8种功能尚不明确的卤化酶和78种潜在底物。结果显示，EZSpecificity识别正确底物的准确率高达91.7%，而ESP模型的准确率仅为58.3%。这一突破性进展为酶的功能发现和定向改造提供了可靠的计算工具，有望加速新药研发和环保化工催化剂的开发进程。研究发表在 Nature 上。

#AI驱动科学 #预测模型构建 #酶工程 #合成生物学

阅读更多：

Cui, Haiyang, et al. “Enzyme Specificity Prediction Using Cross Attention Graph Neural Networks.” Nature, Oct. 2025, pp. 1–3. www.nature.com, https://doi.org/10.1038/s41586-025-09697-2

诺奖新材料MOF制成流体芯片，展现类脑记忆功能

金属有机框架（MOF）材料虽刚获诺贝尔奖认可，但其实际应用一直受限。澳大利亚莫纳什大学（Monash University）的 Xiaoyi Hu, Huanting Wang 及其同事，利用MOF成功构建了一种新型纳米流体芯片。该芯片不仅实现了前所未有的离子传输调控，更首次展现出类似大脑神经元的短期记忆功能，为开发新型计算设备提供了可能。

研究团队构建了一种基于金属有机框架（MOF）的新型纳米流体晶体管（nanofluidic transistor），其核心是在一个聚合物纳米通道内精巧地组装了分层结构的MOF晶体。这种设计创造了复杂的多尺度异质结，能够以前所未有的精度调控离子的流动。实验测试表明，该器件对不同离子的响应截然不同：对质子表现出类似电子三极管的复杂非线性开关特性，而对金属离子则显示为传统的二极管式整流效应。这一独特的选择性调控能力源于MOF相结之间由电压激活的内建电势“门控”效应。更重要的突破在于，当施加循环扫描电压时，该芯片表现出显著的忆阻器特性。这意味着芯片能够拥有短期记忆，可以“记住”约10秒前的电压状态，这种现象与生物大脑中神经突触的可塑性非常相似，是实现学习和记忆功能的基础。这项工作不仅为一度被认为“无用”的MOF材料找到了一个极具潜力的应用场景，也为开发基于液体的可编程信息存储和类脑计算芯片铺平了道路。研究发表在 Science Advances 上。

#其他 #计算模型与人工智能模拟 #新材料 #类脑计算

阅读更多：

Hu, Xiaoyi, et al. “Selective Ion Transport of Nonlinear Resistive Switching by Hierarchical Nanometer-to-Angstrom Channels for Nanofluidic Transistors.” Science Advances, vol. 11, no. 38, Sept. 2025, p. eadw7882. science.org (Atypon), https://doi.org/10.1126/sciadv.adw7882

脑机接口巨头 Neuralink 提交首份人体试验安全数据论文

埃隆·马斯克旗下的脑机接口公司 Neuralink，在推进其人体临床试验方面迈出了关键一步。该公司首次公开了其人体试验的安全数据学术论文，并已提交至著名的The New England Journal of Medicine。这一消息得到了参与 Neuralink 临床试验的机构之一——巴罗神经学研究所的首席执行官兼院长 Michael Lawton 的证实。

Lawton 研究人员在纽约西奈山医疗系统主办的一场关于脑植入技术的会议间隙披露了这一信息。他确认该论文详细介绍了 Neuralink 首批三位受试者的最新情况，尽管他对具体细节三缄其口。这一提交标志着 Neuralink 向同行评审的科学验证迈出了重要一步，考虑到该公司迄今已融资逾 10 亿美元，但尚未发表任何经同行评审的人体数据，其意义尤为重大。

尽管 Neuralink 在技术领域享有盛誉，其最新一轮融资估值高达 90 亿美元，但公司在临床应用上一直保持着审慎的态度。根据此前披露的信息，目前已有 12 名受试者植入了 Neuralink 的设备。Lawton 研究人员指出，Neuralink 的初期重点一直集中在重度残疾患者身上，致力于利用其脑机接口技术帮助他们试验性地控制计算机或外部设备。Lawton 强调，虽然该公司“设想为几乎所有可能需要的人提供这一技术”，但距离将该技术应用于健康人群仍有漫长的道路要走。研究人员 DJ Seo 曾在九月份表示，Neuralink 希望能够在 2030 年之前为健康人群植入脑机接口设备，然而，目前临床工作的核心仍是提高设备的稳定性和安全性，并为残疾病患带来切实益处，例如帮助瘫痪患者重新获得对外部技术的控制能力。

#Neuralink #脑机接口 #人体试验 #MichaelLawton #巴罗神经学研究所

阅读更多：

超万亿参数、数百万Token上下文：Gemini 3.0全家桶技术细节深度解析

谷歌DeepMind下一代旗舰模型Gemini 3.0备受瞩目，传闻即将于10月22日发布。一些获得内测资格的开发者透露了该模型的惊人实力。Gemini 3.0被认为是一个“全家桶”，拥有Pro、Flash和Ultra等版本，其在前端开发方面的表现尤为突出，能够根据简单的提示一键直出功能性网页、复杂的SVG图像以及交互式游戏。内测Demo的惊艳效果让部分内部人士认为，未来前端开发或许将不再需要人类介入。

在技术架构上，Gemini 3.0据称采用了MoE（混合专家模型，一种将任务分配给不同神经网络模块的架构）结构，参数规模超万亿，但在每次查询时只会激活150亿至200亿参数。更重要的是，其上下文窗口已从百万Token跃升至数百万，使其能够处理整本著作或大型代码库。内测Demo显示了其强大的多模态生成能力，例如网友@ʟᴇɢɪᴛ成功让模型原创出激昂的钢琴音乐，以及在生成复杂的分形动画和“太空侵略者”等游戏测试中，Gemini 3.0的表现明显优于前代模型Gemini 2.5 Pro。

研究人员们尤其关注Gemini 3.0在视觉和复杂任务处理上的巨大飞跃。在Simon Willison创造的幽默图像生成测试“鹈鹕骑自行车”中，Gemini 3.0 Pro不仅能生成高度逼真的图像，甚至能创建出3D像素艺术版本，这让许多内测人员感到震撼。此外，它还能生成贴近真实的Xbox 360手柄的SVG图像以及复杂的Minecraft风格建筑。内测结果普遍认为，Gemini 3.0的视觉能力极强，预计将对前端开发和UI/UX领域产生颠覆性的影响。

#Gemini3 .0 #前端开发 #MoE #生成式AI #谷歌DeepMind

阅读更多：

AI 驱动科学

SAM 3：让AI从「分割一切」到理解「视觉概念」

如何让AI不仅能“看见”物体，更能“理解”我们所说的概念？针对先前分割模型依赖手动点击的局限性，一篇提交至ICLR 2026的匿名论文（外界普遍猜测来自Meta）提出了SAM 3。该模型实现了革命性突破，允许用户通过简单的文字描述（如“条纹猫”），就能自动分割出图像或视频中符合该概念的所有实例。

研究团队首先定义了一项更高级的任务——可提示概念分割（PCS），其核心是让模型理解基于文本或图像范例的抽象概念。为此，SAM 3采用了一个强大的双编码器-解码器Transformer（dual encoder-decoder Transformer architecture）架构，该架构统一了图像检测和视频跟踪功能。为了训练这个能理解概念的模型，团队构建了一个庞大的人机协同数据引擎，生成了一个包含400万个独特概念短语和5200万个精确掩码的训练数据集。

在性能验证中，SAM 3展现了压倒性优势。在其团队创建的全新基准SA-Co上，SAM 3的性能是现有系统的两倍以上。在权威的LVIS数据集上进行零样本分割测试时，它的掩码平均精度达到了47.0，远超之前38.5的最佳纪录。除了高精度，SAM 3的效率也十分惊人，在单个H200 GPU上处理一张复杂图像仅需30毫秒。同时，它在传统的交互式分割任务上的表现也超越了前代SAM 2。研究作为会议论文提交至 ICLR 2026 上。

#大模型技术 #计算模型与人工智能模拟 #计算机视觉 #概念分割

阅读更多：

“SAM 3: Segment Anything with Concepts.” 2025. The Fourteenth International Conference on Learning Representations, openreview.net, https://openreview.net/forum?id=r35clVtGzw

ReasoningBank：让AI智能体从成败经验中学习并自主进化

当前的AI智能体普遍存在“健忘”问题，无法从历史任务中吸取教训。来自谷歌云人工智能研究院、伊利诺伊大学香槟分校和耶鲁大学的Siru Ouyang, Jun Yan, Chen-Yu Lee, Jiawei Han等人，开发了一套名为ReasoningBank的记忆框架，让智能体能从成功和失败中提炼智慧，实现自我进化。

研究团队的核心创新是ReasoningBank，一个能让智能体“吃一堑，长一智”的记忆系统。与以往仅记录原始交互数据或成功路径的方法不同，ReasoningBank能够从智能体自身的成功与失败经历中，自动提炼出更高层次、可复用的推理策略。当面对新任务时，智能体会检索这些策略指导行动；任务结束后，新的经验又会被整合回记忆库，形成一个持续学习和优化的闭环。为了进一步加速这一过程，研究者还提出了内存感知测试时扩展（memory-aware test-time scaling，简称MaTTS）。该方法通过在单个任务上投入更多计算资源进行深度探索，生成大量多样化的经验。这些丰富的经验为ReasoningBank提供了强烈的对比信号（即哪些尝试有效，哪些无效），从而帮助其合成更通用、更深刻的记忆。这在记忆和算力扩展之间建立了一种强大的协同作用：更好的记忆引导更高效的探索，而更丰富的探索则淬炼出更强大的记忆。在网页浏览和软件工程等高难度基准测试中，该组合方法将任务成功率相对提升了高达34.2%，并将完成任务所需的交互步骤减少了16.0%。

#大模型技术 #计算模型与人工智能模拟 #记忆机制 #LLM智能体

阅读更多：

Ouyang, Siru, et al. “ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory.” arXiv:2509.25140, arXiv, 29 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.25140

ToTAL框架：用可复用“思维模板”提升长文本大模型的推理能力

长文本语言模型（LCLMs）虽能处理海量信息，却常在复杂的逻辑连接上表现不佳。来自韩国科学技术院（KAIST）、亚马逊（Amazon）和明尼苏达大学的 Soyeong Jeong、Taehee Jung、Sung Ju Hwang、Joo-Kyung Kim 和 Dongyeop Kang 合作开发了ToTAL框架，利用可迭代优化的“思维模板”来指导模型进行结构化推理，显著提升其表现。

当前长文本语言模型面临一个核心瓶颈：简单地向其输入更多文档，并不能保证模型能有效地将分散的证据串联起来完成多步推理。ToTAL框架的核心思想是，除了提供事实（文档），还为模型配备一套关于“如何思考”的蓝图，即思维模板（thought templates）。这些模板是从过往的解题经验中提炼出的可复用推理模式，如同结构化的思考脚手架。该框架包含两大创新。首先，研究团队利用语言模型从训练数据中自动构建初始的思维模板库。更关键的是，他们设计了一套无需微调模型的迭代优化策略。系统会首先评估每个模板在具体任务中的表现，找出性能不佳的模板。随后，另一个语言模型会分析失败案例，生成一段自然语言反馈，这段反馈被称为文本梯度（textual gradient），它指出了模板需要如何修正。根据这份“梯度”，系统会自动修复、增添或删除模板。在实际应用时，模型会接收到问题、海量文档以及整套优化后的模板，并根据需要灵活组合使用，从而结构化地完成推理。实验证明，ToTAL框架在多种知识密集型任务上表现优异，且优化后的模板甚至可以迁移给更小的模型使用，提升其推理能力。

#大模型技术 #计算模型与人工智能模拟 #长文本处理 #多步推理

阅读更多：

Jeong, Soyeong, et al. “When Thoughts Meet Facts: Reusable Reasoning for Long-Context LMs.” arXiv:2510.07499, arXiv, 8 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.07499

当“你儿子”的声音打来电话：语音克隆技术如何让骗局天衣无缝

人工智能技术如何被用于升级诈骗手段，并对特定社群构成威胁？德克萨斯大学阿灵顿分校的 Gabriel Lorenzo Aguilar 基于个人经历与研究，深入探讨了这一问题。他发现，不法分子正与AI形成“邪恶的创造性伙伴关系”，并提出了一套旨在通过技术写作教育提升公众AI防骗素养的教学框架。

该研究指出，人工智能并未发明全新的骗局，而是让古老的诈骗伎俩变得前所未有的逼真和难以防范。诈骗者正越来越多地利用深度伪造、语音克隆和AI聊天机器人，来精心设计骗局。研究特别关注了拉丁裔社区这一易受攻击的群体，骗子利用AI精准分析并利用该群体的文化背景、家庭观念以及对财务和公民身份的普遍焦虑感，使其诈骗信息更具说服力。Aguilar 教授认为，不法分子与AI之间形成了一种高效的协作关系，AI负责技术执行，而人类则负责策略设计，共同炮制出极具欺骗性的内容。为应对这一挑战，他提出了一个创新的四步教学框架，旨在融入技术写作等专业传播课程中。该框架引导学生识别AI生成内容的潜在风险，理解骗局背后的修辞策略，并最终将这些关键的防范知识带回各自的家庭与社区，从而构筑起一道抵御AI诈骗的社会防线。研究发表在 Journal of Business and Technical Communication 上。

#大模型技术 #其他 #人工智能伦理 #数字素养

阅读更多：

Aguilar, Gabriel Lorenzo. “Increasing Literacy on the Scams Targeting Latines: Generative Artificial Intelligence, Digital Technologies, and the Latine Community.” Journal of Business and Technical Communication, Sept. 2025, p. 10506519251372578. SAGE Journals, https://doi.org/10.1177/10506519251372578

来源：博识雅士