摘要：我们的大脑如何应对突如其来的干扰？约克大学的 Jonathan Michaels 与西安大略大学的 Andrew Pruszynski 等研究人员发现，大脑并非被动等待，而是会主动利用对潜在干扰的“预期”来提前配置运动回路。这一发现揭示了大脑的预测能力如何让我
脑科学动态
Nature：运动中的“预判”：大脑利用预期优化对干扰的反应
Nature：精准调控大脑离子流，为阿尔茨海默病治疗带来曙光
催产素可同步心跳与呼吸
AI发展加速，科学家呼吁紧急破解意识之谜
基因联合疗法为罕见致死性孟克斯病带来希望
婴儿肠道菌群通过影响大脑连接影响儿童未来情绪健康
首个细胞级小鼠脑发育图谱揭秘生命早期发育奥秘
果蝇生物钟的最小回路：仅需四个神经元即可维持昼夜节律
通过改变DNA包装，科学家成功开启或关闭小鼠记忆
AI行业动态
搜索鸿沟：人工智能搜索与传统网络搜索的差异
“织物肌肉”实现大规模自动化编织，加速可穿戴机器人商业化进程
Cursor 自研大模型 Composer 登场，代码生成速度破纪录
Sora重大升级：从技术演示迈向IP社交平台，限时抢占安卓市场
AI驱动科学
Nature：人工智能辅助“激光标签”技术揭示癌症起源
Nature：超声波驱动可编程人工肌肉
使用AI辅助决策的医生面临同行能力偏见
生成式AI结合生物力学，助力运动员预防损伤与康复训练
自旋电子存内计算芯片实现存算一体，提升AI效率
人工神经元复刻生物功能，助力下一代高效AI芯片
借鉴文学创作，让AI学会扮演复杂角色
神经形态计算机原型利用磁隧道结实现高效自主学习
脑科学动态
Nature：运动中的“预判”：大脑利用预期优化对干扰的反应
我们的大脑如何应对突如其来的干扰？约克大学的 Jonathan Michaels 与西安大略大学的 Andrew Pruszynski 等研究人员发现，大脑并非被动等待，而是会主动利用对潜在干扰的“预期”来提前配置运动回路。这一发现揭示了大脑的预测能力如何让我们的动作在面对意外时更快、更稳、更准。
▷ 受试者坐在 KINARM 外骨骼机器人中，该机器人能够呈现视觉刺激、追踪手臂运动并对肩部和肘部施加机械力。Credit: Nature (2025).
研究团队利用机器人外骨骼（KINARM exoskeleton robot）对人类和猴子参与者的手臂施加机械扰动，并通过视觉线索告知他们不同方向扰动发生的可能性。结果显示，当参与者预知某种扰动可能性更高时，他们的肌肉能够做出更快速、高效的修正反应。为了探明其神经机制，研究人员采用先进的 Neuropixels 技术记录了猴子在执行任务时数千个神经元的活动。数据显示，在扰动实际发生前，大脑运动回路中的神经元群体就已经形成了一种预备状态，这种神经活动模式简单而直接地反映了对各种可能干扰的概率预期。当扰动来临时，一个通用的、与具体方向无关的信号会首先触发一个基于预期的快速初始反应，随后才根据具体的感觉输入进行精确调整。这一机制通过与手臂生物力学模型结合的计算机模拟得到了验证。该发现不仅加深了对运动控制的理解，也为中风康复和脑机接口技术开发提供了新的思路。研究发表在 Nature 上。
#神经科学 #神经机制与脑功能解析 #脑机接口 #意图与决策
阅读更多：
Michaels, Jonathan A., et al. “Sensory Expectations Shape Neural Population Dynamics in Motor Circuits.” Nature, Oct. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09690-9
Nature：冷冻电镜下的新发现：精准调控大脑离子流，为阿尔茨海默病治疗带来曙光
大脑中NMDA受体的异常开关与阿尔茨海默病等神经退行性疾病密切相关，但其精确的调控机制一直是未解之谜。冷泉港实验室的Hiro Furukawa与Hyunook Kang及埃默里大学的研究团队合作，通过解析关键分子结构，发现了控制该受体离子通道开合程度的“门挡”机制，为开发更安全的神经系统疾病疗法开辟了新路径。
▷ 冷泉港实验室（CSHL）古川实验室的一项新研究揭示了维持大脑 NMDA 受体完全或部分开放状态的分子机制。Credit: Furukawa lab / CSHL
研究团队利用强大的冷冻电镜，首次在原子层面捕捉到了NMDA受体（N-methyl-D-aspartate receptor，一种对学习和记忆至关重要的离子通道）在不同分子调控下的动态结构。他们发现，一种名为24S-HC的天然神经甾体能使受体通道的四个棒状结构完全打开，让钠离子和钙离子大量涌入。而另一种合成调节剂则像一个“门挡”，能将其中两个棒状结构锁定在特定位置，使通道处于部分开放的亚电导状态（subconductance state）。电生理记录证实，这种部分开放的通道表现出高度的选择性：它能轻松放行维持神经元电信号所必需的钠离子，但会显著限制钙离子的进入。这一特性至关重要，因为学习记忆虽需要钙离子，但过量的钙离子会对神经元产生毒性，是导致神经退化的原因之一。这项发现揭示了通过稳定亚电导状态来精准调控离子流的可能性，为开发治疗神经退行性疾病和中风的新药提供了精确的分子靶点和设计蓝图。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #阿尔茨海默病 #结构生物学
阅读更多：
Kang, Hyunook, et al. “Mechanism of Conductance Control and Neurosteroid Binding in NMDA Receptors.” Nature, Oct. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09695-4
催产素可同步心跳与呼吸
心跳与呼吸的同步性是衡量健康的重要指标，但其背后的神经调控机制一直不甚明了。法国艾克斯-马赛大学的 Julie Buron、Ambre Linossier 及其同事通过小鼠实验，成功揭示了被称为“爱情荷尔蒙”的催产素如何通过一条新发现的下丘脑-脑干-心脏神经通路，增强这种同步性，从而起到镇静、舒缓压力的作用。
▷ 从尾侧 PVN 到 preBötC/nA 的 OT 纤维可以增强静息状态下自由活动成年小鼠的 RespHRV，降低 mHR 并增加呼吸频率。Credit: Buron et al.
研究团队利用先进的成像和实验技术，在小鼠模型中发现了一条此前未知的神经通路。该通路始于下丘脑的室旁核，这里的催产素（oxytocin, OT）神经元投射到负责产生呼吸节律的脑干区域——前博青格复合体（pre-Bötzinger complex, preBötC）。研究结果显示，在吸气过程中，催产素会增强preBötC中特定抑制性神经元的活性。这些神经元进而向疑核（nucleus ambiguus, nA）中支配心脏的副交感神经元发送更强的抑制信号。由于副交感神经活动会减慢心率，其在吸气时被更强地抑制，而在呼气时恢复，从而加大了心率随呼吸的波动幅度。这一过程显著增强了呼吸性心率变异性（respiratory heart rate variability, RespHRV），该指标的提升通常与放松状态和良好的心脏功能相关。此外，研究还证实该通路在小鼠从压力中恢复时发挥了关键作用。研究发表在 Nature Neuroscience 上。
#疾病与健康 #神经机制与脑功能解析 #神经调控 #心理健康与精神疾病
阅读更多：
Buron, Julie, et al. “Oxytocin Modulates Respiratory Heart Rate Variability through a Hypothalamus–Brainstem–Heart Neuronal Pathway.” Nature Neuroscience, Oct. 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41593-025-02074-2
AI发展加速，科学家呼吁紧急破解意识之谜
随着人工智能和神经技术的飞速发展，理解意识的本质变得空前紧迫。来自布鲁塞尔自由大学的 Axel Cleeremans、苏塞克斯大学的 Anil Seth 和特拉维夫大学的 Liad Mudrik 等国际知名研究人员发表了一篇综述，系统性地探讨了意识科学的现状、未来方向及其对社会和伦理的深远影响，呼吁科学界紧急行动。
这篇前瞻性文章指出，人工智能与神经技术的进步正超越我们对意识的理解，这可能带来严重的伦理后果。研究团队认为，科学界面临的核心任务是开发出一种可靠的“意识测试”，以判断特定系统——无论是脑损伤患者、动物、胎儿、实验室培育的脑类器官（brain organoids），还是高级人工智能——是否具有意识。这样的突破将对多个领域产生革命性影响：在医学上，它能改变对昏迷或晚期痴呆症患者的治疗与临终关怀决策；在法律上，可能重塑对“犯罪意图”（mens rea）等概念的理解；在伦理上，将为动物福利和AI开发设定新的标准。为推动领域发展，作者呼吁采用新的研究范式，例如通过“对抗式合作”（adversarial collaborations，即让持有对立理论的团队共同设计实验来检验彼此）来打破理论壁垒，并重新关注意识的主观体验，即现象学。研究发表在 Frontiers in Science 上。
#意识与脑机接口 #神经机制与脑功能解析 #人工智能 #伦理
阅读更多：
Cleeremans, Axel, et al. “Consciousness Science: Where Are We, Where Are We Going, and What If We Get There?” Frontiers in Science, vol. 3, Oct. 2025. Frontiers, https://doi.org/10.3389/fsci.2025.1546279
基因联合疗法为罕见致死性孟克斯病带来希望
孟克斯病（Menkes disease）是一种X连锁隐性遗传病，因ATP7A基因突变导致体内铜转运障碍，引发严重的神经退行性病变，患儿通常在幼儿期夭折。尽管皮下注射铜组氨酸（copper histidinate, CuHis）能改善部分症状并延长生存期，但由于铜难以有效进入大脑，其神经系统预后依然很差。 哥伦比亚大学欧文医学中心的 Stephen G. Kaler 及其团队开发了一种新疗法，将基因替代与铜补充相结合，在动物模型中取得了显著成功，为患儿带来了治愈的希望。
▷ RNA 原位杂交证实 corsATP7A 转录本在大脑中广泛分布。在接受中等剂量 rAAV9-corsATP7A 处理（上图）的 mo-br 突变体脑组织中，使用 corsATP7A 特异性探针进行原位杂交，并与阴性对照（下图）进行比较（P12）。棕色信号表明，在经处理的 mo-br 突变体中，corsATP7A 在大脑皮层（A）、海马（B）、小脑（C）和脉络丛（红色箭头）中表达。正如预期的那样，在未经处理的野生型（D 至 F）中未检测到 corsATP7A 表达。Credit: Science Advances (2025).
研究团队设计了一种双管齐下的新策略。他们利用能够穿过血脑屏障的腺相关病毒（adeno-associated virus, AAV9）作为载体，通过单次静脉注射，将功能正常的ATP7A基因直接递送至中枢神经系统。在孟克斯病的动物模型（斑驳小鼠）中，研究人员将这种基因疗法与传统的CuHis铜补充剂相结合。结果极为振奋人心：接受联合治疗的患病小鼠长期存活率高达95%，其大脑铜水平、神经化学指标、生长发育和运动功能均得到显著改善。这项研究为彻底改变孟克斯病的治疗前景铺平了道路，并为启动人体临床试验提供了坚实的科学依据。研究发表在 Science Advances 上。
#疾病与健康 #个性化医疗 #基因疗法 #神经退行性疾病
阅读更多：
Venkataraman, Lalitha, et al. “Intravenous AAV9-ATP7A plus Subcutaneous Copper Histidinate Optimizes Outcomes in a Lethal Menkes Disease Mouse Model.” Science Advances, Aug. 2025. world, www.science.org, https://doi.org/10.1126/sciadv.adw5612
婴儿肠道菌群通过影响大脑连接影响儿童未来情绪健康
儿童早期的肠道菌群如何影响其未来的心理健康？加州大学洛杉矶分校健康中心的Bridget L. Callaghan及其团队通过一项纵向研究揭示了其中的联系。他们发现，2岁时的特定肠道菌群（如梭菌目和毛螺菌科）与6岁时情绪相关脑网络的连接性变化有关，而这种大脑变化进一步预示了7.5岁时儿童出现抑郁和焦虑等内化症状的风险。
该研究利用新加坡GUSTO队列中55名儿童的纵向数据，分析了他们在2岁时的粪便样本、6岁时的静息态功能磁共振成像（resting state fMRI）脑部扫描以及7.5岁时由看护人报告的情绪行为问卷。研究团队采用稀疏偏最小二乘法（sparse partial least squares, sPLS）识别跨越不同时间点的复杂关联。分析结果显示，2岁时肠道中梭菌目（Clostridiales）和毛螺菌科（Lachnospiraceae）细菌占比较高的儿童，在7.5岁时表现出更多内化症状（internalizing symptoms，涵盖抑郁和焦虑等情绪问题）的风险更高。重要的是，这种关联并非直接作用，而是通过大脑作为中介。研究发现，早期的肠道菌群组成与6岁时儿童大脑中情绪相关网络的连接性模式差异有关，而正是这些大脑连接的特异性变化，预示了儿童后期情绪问题的出现。这一发现表明，早期肠道菌群可能通过“编程”大脑情感回路，对儿童未来的心理健康产生深远影响。研究发表在 Nature Communications 上。
#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #肠道菌群
阅读更多：
Querdasi, Francesca R., et al. “Childhood Gut Microbiome Is Linked to Internalizing Symptoms at School Age via the Functional Connectome.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 9359. www.nature.com, https://doi.org/10.1038/s41467-025-64988-6
首个细胞级小鼠脑发育图谱揭秘生命早期发育奥秘
大脑在生命早期的发育过程复杂而关键，但缺乏高分辨率的“地图”阻碍了我们对这一过程的深入理解。宾夕法尼亚州立大学医学院的Yongsoo Kim团队与艾伦脑科学研究所合作，利用先进成像技术，绘制了首个单细胞分辨率的小鼠脑发育3D图谱，揭示了关键发育窗口期内大脑结构和细胞的动态变化。
▷ 早期出生后小鼠脑发育图谱（epDevAtlas）的构建。Credit: Nature Communications (2025).
研究团队采用串行双光子断层扫描技术，对小鼠出生后第4天到第14天的大脑进行高频次扫描，构建了一系列高清三维图谱（epDevAtlas）。该图谱以前所未有的细节展示了大脑各区域的体积增长，发现小脑在此期间体积增长最快。研究还追踪了两种关键细胞的动态变化。结果显示，作为大脑“刹车系统”的GABA能神经元（GABAergic neurons）在不同区域表现出相反的密度变化：在大脑皮层密度下降，而在深部的纹状体则显著增加。同时，作为大脑“园丁”的免疫细胞——小胶质细胞，其分布发生了戏剧性迁移：在出生后第10天左右，它们的高密度区从负责连接的白质大规模转移到处理信息的灰质，并选择性地聚集在感觉处理区域，这与小鼠睁眼和打开耳朵的时间点相吻合，表明外部刺激可能驱动了大脑的成熟。研究发表在 Nature Communications 上。
#疾病与健康 #神经机制与脑功能解析 #脑发育 #神经发育障碍
阅读更多：
Liwang, Josephine K., et al. “epDevAtlas: Mapping GABAergic Cells and Microglia in the Early Postnatal Mouse Brain.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 9538. www.nature.com, https://doi.org/10.1038/s41467-025-64549-x
果蝇生物钟的最小回路：仅需四个神经元即可维持昼夜节律
生物钟由复杂的神经元网络控制，其核心调控机制尚不明确。为探究其最小回路，德国维尔茨堡朱利叶斯-马克西米利安大学的 Nils Reinhard 和 Charlotte Helfrich-Förster 等研究人员发现，仅需果蝇大脑中的四个特定神经元，即可独立维持其完整的昼夜节律。
▷ 果蝇（Drosophila melanogaster，灰色）的生物钟网络。构成内部生物钟最小回路的核心生物钟神经元以不同颜色突出显示。本研究中检测的四个背侧生物钟神经元以品红色标记，而核心生物钟的其余神经元则以蓝色标记。Credit: Nils Reinhard
研究团队采用了一种“极简主义”策略来探究果蝇生物钟的核心机制。他们通过基因技术，将果蝇大脑中约240个时钟神经元中的绝大部分“沉默”，使其失去计时功能，仅保留了四个特定的背侧神经元（DN1a）的活性。令人惊讶的是，仅靠这四个神经元，果蝇依然能表现出典型的晨昏双峰活动节律，即便在没有光照等外部环境线索的恒定黑暗条件下也能维持。这一结果挑战了长期以来认为特定侧脑神经元是唯一主要起搏器的传统模型。研究进一步揭示了该最小回路的运作方式：这四个神经元通过释放两种不同的化学信使来分别控制早晚的活动，晨间活动由神经肽CCHamide-1（neuropeptide CCHamide-1）驱动，而晚间活动则由经典的神经递质谷氨酸调控。研究人员提出，这个在幼虫期就已形成的微型网络构成了一个“核心时钟”，足以驱动基础节律，而发育后期新增的众多神经元则负责整合环境变化等复杂信息，对核心时钟进行精细调节。研究发表在 PNAS 上。
#疾病与健康 #神经机制与脑功能解析 #生物钟 #神经回路
阅读更多：
Reinhard, Nils, et al. “A Functional Clock in Only Two Dorsal Clock Neurons Is Sufficient to Restore the Basal Circadian Activity Pattern of Drosophila Melanogaster.” Proceedings of the National Academy of Sciences, vol. 122, no. 44, Nov. 2025, p. e2506164122. world, www.pnas.org, https://doi.org/10.1073/pnas.2506164122
通过改变DNA包装，科学家成功开启或关闭小鼠记忆
记忆如何被分子“开关”控制？瑞士洛桑联邦理工学院（EPFL）的Johannes Gräff团队为解答这一问题，结合CRISPR基因编辑和记忆痕迹细胞标记技术，首次证实通过改变单个基因（Arc）的表观遗传状态，即可精确、可逆地开启或关闭小鼠的特定记忆。
研究团队首先将目光锁定在被称为记忆痕迹（engrams，储存特定记忆信息的小群细胞）的神经元上。他们开发了一种基于CRISPR技术的“表观遗传开关”，它不改变DNA序列，而是通过改变其“包装”方式来调控基因活性。该开关靶向Arc基因——一个对神经元连接调整至关重要的基因。研究人员将此工具通过无害病毒导入小鼠的海马体，并训练小鼠形成对特定地点的恐惧记忆。实验结果清晰地表明，当研究人员利用开关抑制记忆痕迹细胞中Arc基因的活性时，小鼠便无法回忆起恐惧记忆；而当他们增强其活性时，记忆则变得更加牢固。更重要的是，这一过程是完全可逆的，即使是已经形成数天的陈旧记忆也能被精准调控，证明了改变特定基因的表观遗传状态是控制记忆表达的充分且必要条件。这项开创性工作为理解创伤后应激障碍、成瘾等记忆相关疾病的机制开辟了新道路。研究发表在 Nature Genetics 上。
#神经科学 #记忆机制 #表观遗传学 #CRISPR基因编辑
阅读更多：
Coda, Davide M., et al. “Cell-Type- and Locus-Specific Epigenetic Editing of Memory Expression.” Nature Genetics, Oct. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41588-025-02368-y
AI 行业动态
搜索鸿沟：人工智能搜索与传统网络搜索的差异
随着生成式人工智能重塑信息获取方式，其与传统搜索的差异及优劣成为焦点。来自德国波鸿鲁尔大学和马克斯·普朗克软件系统研究所的 Elisabeth Kirsten 等研究人员，通过一项大规模对比研究，系统地揭示了两种搜索范式在信息来源、知识依赖和内容覆盖上的本质区别，指出了当前AI搜索在提供便利的同时所带来的可靠性与一致性挑战。
研究团队将传统谷歌搜索与四种主流生成式搜索引擎（谷歌AI概览、Gemini、GPT-4o-Search及带搜索工具的GPT-4o）进行了对比分析。他们通过数千次跨领域的查询，从三个维度展开评估：信息来源多样性（source diversity）、知识依赖性（knowledge reliance，即模型多大程度依赖内部记忆而非外部网络）以及概念覆盖范围（conceptual coverage）。研究发现，生成式AI搜索引用的信息源虽更广泛，但这些来源常位于传统搜索结果的排名之外。不同AI模型对知识的依赖模式也迥异：带搜索工具的GPT-4o严重依赖其内部知识（平均仅查询0.4个网页），而谷歌AI概览则倾向于从大量外部网站（平均8.6个）获取实时信息。尽管AI能生成综合性答案，但在处理模糊查询时，其概念覆盖范围反而不如传统搜索。此外，AI的答案稳定性较差，在两个月后会发生显著变化。研究总结，AI搜索的便利性伴随着来源可靠性和结果一致性的牺牲，亟需建立新的评估标准。
#大模型技术 #跨学科整合 #信息检索 #生成式AI
阅读更多：
“织物肌肉”实现大规模自动化编织，加速可穿戴机器人商业化进程
韩国国家科学技术研究委员会（NST）下属的韩国机械与材料研究院（KIMM）先进机器人研究中心，由首席研究员Cheol Hoon Park领导，开发出一种自动化编织系统，成功实现了“织物肌肉”——一种轻巧而强大的人工肌肉驱动器（actuator，用于驱动机械运动的组件）——的连续大规模生产。这一突破性进展极大地推动了服装型可穿戴机器人的商业化。该系统能够将直径仅有25微米（约为人类头发丝直径的四分之一）的形状记忆合金（SMA）（Shape Memory Alloy，一种在加热或冷却后能够恢复到预定形状的材料）丝加工成线圈纱线，并连续编织成织物。为了解决KIMM早期SMA线圈纱线伸长率低、难以自动编织的问题，研究团队创新性地用天然纤维代替了金属芯线，重新设计了织物肌肉的结构和制造工艺，从而保证了稳定且高质量的量产能力。这种新型织物肌肉仅重10克，却能举起10至15公斤的重量，使其成为取代传统笨重、噪音大的电机或气动驱动器（pneumatic actuators，利用压缩空气产生动力的装置）的核心组件。
基于这项自动化编织技术，研究人员开发出世界上首款重量不足2公斤、可同时辅助肘部、肩部和腰部多关节的服装式可穿戴机器人，能够在使用者的重复性体力劳动中减少超过40%的肌肉用力。此外，团队还创造了一款重量仅840克的超轻型肩部辅助机器人，专门设计用于肌无力患者的康复和日常携带。在首尔国立大学医院（SNUH）对包括杜氏肌营养不良症患者在内的肌肉无力患者进行的临床试验中，这款肩部辅助机器人使患者的肩部活动范围提高了57%以上。Cheol Hoon Park博士指出，这项能够连续大规模生产织物肌肉的技术，为服装型可穿戴机器人的商业化奠定了坚实的基础，预计将显著改善医疗保健、物流和建筑等领域的生活质量，减轻护理人员负担，并提高患者的独立性与整体幸福感。
#可穿戴机器人 #织物肌肉 #形状记忆合金 #自动化编织 #KIMM
阅读更多：
Cursor 自研大模型 Composer 登场，代码生成速度破纪录
科技公司 Cursor 近期正式发布了其 2.0 版本，核心亮点是首次搭载了名为 Composer 的内部大型编码模型。该模型的推出标志着 Cursor 告别了过去依赖 GPT 或 Claude 等第三方模型的“套壳”阶段。研究人员指出，Composer 专为低延迟编码任务设计，据官方测试套件 Cursor Bench 的结果显示，其处理复杂任务的速度比现有同类模型快约 400%。在性能方面，Composer 能以每秒 250 个 tokens 的速度生成代码，这一速度比当前最快的推理模型快两倍以上，同时在推理能力和任务泛化能力上，水准可媲美中等前沿模型。基于 Composer 的能力升级，Cursor 2.0 带来了多项创新功能，包括原生浏览器工具，允许模型自动测试、调试与迭代代码；支持语音生成代码；以及全新的“以 Agent为中心”的界面逻辑，支持多 Agent 并行协作，以显著提高开发效率。
Composer 惊人的表现得益于其独特的技术架构和训练方法。Cursor 研究人员 Sasha Rush 透露，该模型是一个基于强化学习训练的大型混合专家模型。区别于传统的静态数据集训练，Cursor 让 Composer 在完整的生产级环境中“上战场”，直接参与真实的软件工程任务。模型被赋予了使用文件编辑、语义搜索和终端命令等全套生产级工具的权限，并通过一次次真实交互获取最有效的反馈信号。这种实战化的强化学习训练，使 Composer 学会了更智能地选择工具和进行并行处理，甚至出现了自动运行单元测试和修复代码格式错误等涌现行为。不过，尽管性能卓越，但关于 Composer 基础模型来源的透明度问题仍存在争议，Cursor 方面尚未明确说明其是否基于开源模型进行微调。
#Cursor #Composer #编程大模型 #强化学习 #MoE架构
阅读更多：
Sora重大升级：从技术演示迈向IP社交平台，限时抢占安卓市场
Sora APP近日连发三大功能更新，旨在将该平台从一个纯粹的技术演示工具，转型成为一个具备高度社交属性的创作平台。本次更新的核心是升级后的Character Cameo（角色客串，用于保持非人类客串角色一致性的功能），它是在此前大受欢迎的Cameo（客串，通过提取用户特征植入AI场景的功能）功能基础上乘胜追击。如果说最初的Cameo让用户能够提取自己的长相和声音，将自身“空投”到AI生成的场景中，实现了从旁观者到参与者的转变；那么升级后的Character Cameo则进一步实现了宠物或动画形象等非人类角色的高度一致性保持，用户甚至可以从Sora已生成的视频中提取出虚拟角色，形成一个自循环的IP生态。这一系列操作使得平台的重点从“看看AI能生成什么”，转向“看看我的角色在AI世界里做了什么”，用户创建的角色可以分享给其他用户使用，等同于创造并分享了个人IP。
除了聚焦IP打造的角色客串，Sora APP还新增了视频拼接功能，允许用户连接两条AI生成的短视频，以及社区排行榜，用于展示被使用最多的客串角色和被二次创作最多的视频等信息，以此来增强社区互动和内容分享。与此同时，Sora APP由OpenAI开发，正对市场扩张策略进行关键的调整。此前，Sora 2通过1邀4的病毒式邀请机制创造了巨大热度，但也催生了邀请码灰色市场，价格一度炒至175美元。为快速扩大用户基础并抢占市场份额，OpenAI突然宣布在美国、加拿大、日本和韩国四个国家限时取消邀请码限制。这一战略举措恰好与Sora Android版本上线的节点重合，明显是希望利用安卓用户涌入的窗口期，快速聚集用户，抢占市场先机，尽管目前看来，其算力可能面临挑战。
#Sora #OpenAI #CharacterCameo #AI视频生成 #市场策略
阅读更多：
AI 驱动科学
Nature：人工智能辅助“激光标签”技术揭示癌症起源
癌症的根源常在于细胞内染色体异常，但如何捕捉这些罕见事件一直是巨大挑战。欧洲分子生物学实验室（EMBL）的Jan Korbel、Marco Raffaele Cosenza及其合作团队，为解决此问题开发了一款名为MAGIC的创新人工智能平台。该系统通过自动化流程，能以前所未有的规模和速度识别并分离出发生早期癌变的细胞，为揭示癌症起源提供了强有力的工具。
研究团队开发了机器学习辅助基因组学和成像融合系统（Machine-learning-assisted Genomics and Imaging Convergence, MAGIC），它如同一场全自动的“激光枪战游戏”。首先，自动化显微镜对大量活细胞进行成像，随后，一个经过训练的人工智能算法实时扫描图像，识别出含有微核（micronuclei，一种细胞内DNA碎片聚集形成的小核，是染色体不稳定的标志）的细胞。一旦发现目标，系统会立刻用激光激活细胞内的光转换染料，给这些细胞打上永久的“标签”。最后，通过流式细胞术等技术将这些被标记的细胞从庞大的细胞群体中精确分离，进行单细胞基因组测序。这一自动化流程将效率提升至新高度，可在一天内分析近10万个细胞。利用该平台，研究团队发现超过10%的正常细胞分裂会自发产生染色体异常，而当肿瘤抑制基因p53突变时，该比率几乎翻倍。研究发表在 Nature 上。
#疾病与健康 #自动化科研 #基因组学 #癌症研究
阅读更多：
Cosenza, Marco Raffaele, et al. “Origins of Chromosome Instability Unveiled by Coupled Imaging and Genomics.” Nature, Oct. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09632-5
Nature：超声波驱动可编程人工肌肉：微泡阵列实现无线、毫秒级响应
传统人工肌肉在无线控制、可编程性和微型化方面存在挑战。苏黎世联邦理工学院的 Daniel Ahmed、Zhan Shi 和 Zhiyuan Zhang 等研究人员，开发出一种由超声波驱动的新型可编程软体肌肉。该技术利用数万个微气泡阵列，实现了毫秒级响应的无线、精准控制，为微型软体机器人和靶向药物输送等生物医学应用开辟了新途径。
▷ 一种由微泡阵列人工肌肉制成的鳐鱼机器人，利用超声波进行定向，例如，能够将药物输送到正确的位置。Credit: Nature (2025).
研究团队通过一种特殊的铸造工艺，制造出带有数万个微米级孔隙的柔性硅胶膜。当浸入水中时，这些孔隙会捕获微小的气泡。该技术的核心在于，不同大小的气泡会在不同频率的超声波下产生共振。通过程序化地扫描超声波频率，研究人员可以精确激活膜上特定区域的微泡，使其振荡并产生局部推力，从而驱动肌肉产生复杂的、可编程的运动。研究团队展示了该技术的多项应用：一个微型抓手能够轻柔地捕捉并释放活的斑马鱼幼虫；一个仿生“鳐鱼机器人”则通过模拟鳍的波动运动（undulatory movements）在水中游动；一个轮状机器人甚至成功在离体的猪肠道中导航。此外，他们还开发了可黏附在组织上的医用贴片，用于靶向药物递送。这项技术具有毫秒级的快速响应能力和优异的可扩展性，为微创手术工具、可穿戴设备和生物医学仪器等领域带来了变革性潜力。研究发表在 Nature 上。
#其他 #机器人及其进展 #软体机器人 #生物医学工程
阅读更多：
Shi, Zhan, et al. “Ultrasound-Driven Programmable Artificial Muscles.” Nature, vol. 646, no. 8087, Oct. 2025, pp. 1096–104. www.nature.com, https://doi.org/10.1038/s41586-025-09650-3
使用AI辅助决策的医生面临同行能力偏见
医生在临床决策中使用生成式人工智能（AI）是否会影响同行对他们的专业评价？约翰·霍普金斯大学的 Haiyang Yang 和 Tinglong Dai 等研究人员进行了一项研究，发现依赖AI的医生会面临来自同行的“能力惩罚”，被认为临床技能较弱，这可能成为AI在医疗领域推广的社会心理障碍。
研究团队进行了一项随机实验，邀请了276名执业临床医生评估三种不同情景下的虚拟医生：完全不使用AI、将生成式人工智能作为主要决策工具，以及使用AI作为验证工具（或第二意见）。结果显示，同行对医生的评价存在显著差异。与不使用AI的医生相比（临床技能评分均值5.93），将AI作为主要决策工具的医生被认为能力最弱（均值3.79）。即使将AI的使用方式调整为辅助验证，虽然能在一定程度上减轻这种负面看法（均值4.99），但无法完全消除这种能力偏见。有趣的是，尽管存在这种“能力惩罚”，但参与者普遍承认AI在提高临床评估准确性方面的价值，尤其认可机构定制的AI工具。这项发现揭示了技术采纳中的社会心理障碍，即专业声誉的担忧可能成为推广AI应用的阻力，即使技术本身有益。研究发表在 npj Digital Medicine 上。
#认知科学 #跨学科整合 #生成式AI #医疗伦理
阅读更多：
Yang, Haiyang, et al. “Peer Perceptions of Clinicians Using Generative AI in Medical Decision-Making.” Npj Digital Medicine, vol. 8, no. 1, Aug. 2025, p. 530. www.nature.com, https://doi.org/10.1038/s41746-025-01901-x
生成式AI结合生物力学，助力运动员预防损伤与康复训练
如何让AI生成的训练动作既高效又安全？加州大学圣地亚哥分校的Shubh Maheshwari、Anwesh Mohanty、Yadi Cao、Swithin Razu、Andrew McCulloch和Rose Yu等研究人员为此开发了BIGE框架，该模型将生成式AI与生物力学原理相结合，能够生成用于预防损伤、提升表现和辅助康复的逼真人体运动。
研究团队提出的BIGE（生物力学指导下的运动科学人工智能模型）框架，旨在解决现有生成式人工智能模型在生成人体动作时缺乏生理真实性的问题。该方法的核心在于将生成模型与生物力学评分指标相结合。首先，模型通过矢量量化变分自编码器（Vector-Quantized Variational Autoencoder, VQ-VAE）从真实的动作捕捉数据（如深蹲）中学习多样的运动模式。随后，为了让AI理解肌肉发力等内在生理约束，团队开发了一个可微分的肌肉激活代理模型。最后，通过一种分数引导的优化策略，在模型的潜在空间中搜索，以生成既符合运动学规律又满足特定生理目标（如最小化关节压力）的动作。实验结果显示，与其他生成模型相比，BIGE生成的深蹲动作更加逼真、安全。该框架不仅能为运动员生成避免受伤的训练动作，还能为伤后康复提供个性化指导，未来甚至可用于评估老年人的跌倒风险。研究成果在 Learning for Dynamics Control Conference 上进行了展示。
#AI驱动科学 #疾病与健康 #预测模型构建 #大模型技术 #跨学科整合
阅读更多：
自旋电子存内计算芯片实现存算一体，提升AI效率
当前人工智能系统因处理与存储单元分离而面临数据传输瓶颈，限制了运算效率。南方科技大学、西安交通大学的 Humiao Li、Zheng Chai 及同事们为解决此问题，开发了一款新型数字内存计算芯片。该芯片基于自旋电子技术，将数据存储与计算功能整合在单一设备中，成功克服了传统模拟计算方案在精度和可扩展性上的局限，为高效AI硬件开辟了新路径。
为突破传统计算架构的限制，研究团队设计了一款基于自旋转移力矩磁随机存取存储器（spin-transfer torque magnetic random-access memory, STT-MRAM）的数字内存计算（compute-in-memory, CIM）芯片。与依赖模拟信号、精度受限的传统CIM不同，该芯片采用全数字设计，确保了计算的准确性和鲁棒性。其核心是利用磁隧道结（magnetic tunnel junction）的两种不同磁阻状态来存储二进制信息并直接在存储单元内执行乘法和累加等核心运算。这种“存算一体”的设计极大地减少了处理器与存储器之间的数据搬运。该芯片支持4位到16位的灵活运算精度，并在测试中成功运行了残差网络和物理信息神经网络，其推理准确率与纯软件计算相当。性能测试显示，其计算延迟低至7.4纳秒，能效最高可达112.3 TOPS/W（每秒每瓦万亿次运算），为在手机等便携设备上高效部署复杂AI模型提供了可能。研究发表在 Nature Electronics 上。
#AI驱动科学 #计算模型与人工智能模拟 #硬件 #存内计算
阅读更多：
Li, Humiao, et al. “A Lossless and Fully Parallel Spintronic Compute-in-Memory Macro for Artificial Intelligence Chips.” Nature Electronics, Oct. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-025-01479-y
人工神经元复刻生物功能，助力下一代高效AI芯片
为解决人工智能计算的高能耗问题，南加州大学的 J. Joshua Yang 团队开发出一种新型人工神经元，它不再是简单的数学模拟，而是在物理层面复刻了生物大脑神经元的运作方式。这项创新成果通过一种基于离子运动的扩散忆阻器，实现了尺寸和能耗的数量级降低，为构建更高效的类脑芯片和通用人工智能铺平了道路。
▷ 通过将一个扩散忆阻器和一个电阻器堆叠在一个晶体管上，即可制成一个集成脉冲人工神经元，该神经元功能丰富、占用空间小（仅需一个晶体管）、能耗低，适用于神经形态计算系统。封面照片展示了这种集成神经元阵列的芯片，该芯片在大学的洁净室中制造，每个神经元的有效区域约为 4 μm² 。Credit: The Yang Lab at USC
研究团队设计了一种仅由一个扩散忆阻器（diffusive memristor）、一个晶体管和一个电阻器组成的极简人工神经元（1M1T1R）。与依赖电子运动的传统芯片不同，该设备利用银离子的动态扩散来产生电脉冲，从而高保真地模拟生物神经元中由钾、钠等离子驱动的电化学信号过程。这种设计使其结构极为紧凑，垂直集成后仅占用单个晶体管的面积。实验证明，该人工神经元成功复现了泄漏积分（leaky integration，模拟神经元电荷的自然衰减）、阈值放电（threshold firing）等六项关键的生物神经元特性。其能耗极低，达到了皮焦耳每脉冲（picojoule per spike）的水平，比现有技术节能几个数量级。通过模拟循环脉冲神经网络，研究验证了这些特性对系统性能的积极影响，展现了其在构建高效、智能硬件方面的巨大潜力。研究发表在 Nature Electronics 上。
#神经科学 #计算模型与人工智能模拟 #神经形态计算 #忆阻器
阅读更多：
Zhao, Ruoyu, et al. “A Spiking Artificial Neuron Based on One Diffusive Memristor, One Transistor and One Resistor.” Nature Electronics, Oct. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41928-025-01488-x
借鉴文学创作，让AI学会扮演复杂角色
如何让大型语言模型更真实地模拟人类性格，克服其固有的系统性偏差？来自河北石油工业大学与北京理工大学的 Yuqi Bai、Tianyu Huang、Kun Sun 和 Yuting Chen 提出了一种创新的“文学角色塑造法”，不仅显著提升了人格模拟的真实性，还发现模拟质量与角色细节水平之间存在一个“标度律”（Scaling Law）。
▷ 图示模拟人格向人类人格趋同过程中的边缘密度。Credit: Bai et al.
研究团队首先指出，直接将为人类设计的心理测量方法用于评估大型语言模型是一种方法论上的错配。为解决此问题，他们开发了一个新的评估框架，通过“渐进式人格曲线”在群体层面比较模拟人格（如大五人格特质（Big Five personality traits））与真实人类数据的吻合度。研究初期发现，让模型直接生成角色档案会导致严重的系统性偏差，模拟出的人格如同精心修饰过的简历，缺乏真实性。突破点在于，团队转而采用“文学角色塑造法”，即让模型扮演小说家或基于维基百科中详尽的文学人物描述来构建虚拟人格。结果显示，这种富含细节和真实性的方法能大幅降低偏差，使模拟人格的统计分布更接近人类。研究的核心贡献是发现了一个标度律：人格模拟的质量直接取决于角色档案的细节水平。这一发现不仅为利用AI进行更可靠的社会科学模拟铺平了道路，也为未来开发更具“人性”的虚拟助手和角色提供了理论依据。
#AI驱动科学 #计算模型与人工智能模拟 #人格模拟 #社会模拟
阅读更多：
Bai, Yuqi, et al. “Scaling Law in LLM Simulated Personality: More Detailed and Realistic Persona Profile Is All You Need.” arXiv:2510.11734, arXiv, 10 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.11734
神经形态计算机原型利用磁隧道结实现高效自主学习
传统人工智能训练的巨大能耗和高昂成本限制了其广泛应用。德克萨斯大学达拉斯分校的 Joseph S. Friedman 及其团队，联合 Everspin Technologies Inc. 和德州仪器的研究人员，开发出一种新型神经形态计算机原型。该原型受人脑启发，使用磁隧道结（MTJs）作为核心元件，实现了以更少计算量进行模式学习和预测，为低功耗、高效率的自主学习AI硬件开辟了新道路。
▷ 用于二进制神经形态计算的磁隧道结。Credit: Communications Engineering (2025).
该研究旨在构建一种能像人脑一样高效学习的计算机，其核心创新在于使用磁隧道结（magnetic tunnel junctions, MTJs）作为人工突触。传统神经形态计算依赖模拟存储器件，但其固有的不稳定性限制了计算精度。研究团队巧妙地利用了MTJ的双重特性：一方面，其稳定可靠的二元电阻状态（高/低电阻）被用于存储突触权重，确保了AI推理过程的高精确度；另一方面，其固有的随机自旋转移力矩（stochastic spin-transfer torque, STT）切换特性，被用来实现无监督的赫布学习，模拟了“一起放电的神经元连接更紧密”这一生物学习法则。研究人员构建了一个小型的4x2 MTJ网络原型，并成功演示了其对简单图像的识别与聚类能力。进一步的仿真显示，该架构可扩展至处理MNIST手写数字识别等更复杂的任务，并达到具有竞争力的准确率。这一成果为开发出能自主学习且能耗极低的AI硬件铺平了道路。研究发表在 Communications Engineering 上。
#计算模型与人工智能模拟 #神经形态计算 #类脑硬件 #磁隧道结
阅读更多：
Zhou, Peng, et al. “Neuromorphic Hebbian Learning with Magnetic Tunnel Junction Synapses.” Communications Engineering, vol. 4, no. 1, Aug. 2025, p. 142. www.nature.com, https://doi.org/10.1038/s44172-025-00479-2
来源：博识雅士
