摘要：刺激大脑前额叶为何能治疗抑郁症，其背后的精确神经机制一直是个谜。剑桥大学的Christian M. Wood、Angela C. Roberts及团队通过对狨猴的研究，首次在因果层面揭示了大脑左半球的前额叶皮层内，存在两条功能和解剖上均可分离的神经通路，分别负
█ 脑科学动态
Science：前额叶皮层调控奖赏与威胁的独立神经通路
Nature：小胶质细胞通过IGF1调控GABA能神经元生成
告别大五人格？新算法重绘人格地图，发现全新特质
调控小鼠共情行为的关键神经元开关
小胶质细胞通过调控多巴胺回路塑造青少年大脑
认知行为疗法可重塑大脑结构，增加抑郁症患者灰质体积
简短心态干预可降低新冠疫情后的抑郁与炎症水平
果蝇大脑导航的奥秘在于平衡学习的灵活性与记忆的稳定性
█ AI行业动态
Nano-Banana横空出世：图像编辑能力惊艳，但三大缺陷暴露
█ AI驱动科学
人工智能识别“神经迷思”优于人类，但其讨好天性强化谬误
AI究竟是“开普勒”还是“牛顿”？大模型离真正理解世界还有多远
通过多代理提炼和 Agentic RL 构建端到端代理基础模型
脑科学动态
Science：前额叶皮层调控奖赏与威胁的独立神经通路
刺激大脑前额叶为何能治疗抑郁症，其背后的精确神经机制一直是个谜。剑桥大学的Christian M. Wood、Angela C. Roberts及团队通过对狨猴的研究，首次在因果层面揭示了大脑左半球的前额叶皮层内，存在两条功能和解剖上均可分离的神经通路，分别负责调控奖励动机和威胁反应。
▷ 对 32 区、32v 区和 25 区输注靶向的组织学验证。32 区（左上）、32v 区（左中）和 25 区（左下）的冠状切面示意图表示输注的前后坐标位置，浅灰色阴影表示每个目标区域。Credit: Science (2025).
研究团队利用化学遗传学工具，精准地让狨猴大脑中被称为背外侧前额叶皮层46区（dlPFC area 46）的神经元暂时“休眠”。通过行为测试发现，当左侧大脑的46区被抑制时，狨猴表现出明显的动机下降（不愿努力获取奶昔奖励）和焦虑水平升高（对人类入侵者反应更强烈）。有趣的是，抑制右侧大脑的同一区域却没有类似效果，证实了大脑在情绪调节功能上的“偏侧性”。更关键的发现是，这两项功能由两条独立的“高速公路”控制：一条从46区连接到背侧32区（dorsal area 32），专门负责驱动动机；另一条则连接到腹侧32区（ventral area 32），负责处理威胁和焦虑。此外，研究还发现快速抗抑郁药氯胺酮能有效逆转狨猴的动机缺失，并且其作用靶点被精确定位在下游的25区，该区域早已被证实与人类抗抑郁治疗效果密切相关。研究发表在 Science 上。
#神经科学 #神经机制与脑功能解析 #抑郁症 #情绪调节
阅读更多：
Wood, Christian M., et al. “Dysfunction in Primate Dorsolateral Prefrontal Area 46 Affects Motivation and Anxiety.” Science, Aug. 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.adx4142
Nature：小胶质细胞通过IGF1调控GABA能神经元生成
大脑中抑制和兴奋信号的失衡被认为是自闭症等神经发育障碍的核心机制。加州大学旧金山分校威尔神经科学研究所的 Diankun Yu, Eric J. Huang, Xianhua Piao 及其同事，探究了大脑中关键抑制性神经元的生成过程。他们发现，大脑的免疫细胞（小胶质细胞）通过释放一种关键生长因子，极大地促进了这类神经元的增殖。
▷ 图形摘要展示了小胶质细胞通过 IGF1 调控 hMGE 中的中间神经元祖细胞增殖。Credit: Nature (2025).
研究团队关注的是GABA能中间神经元，它们是大脑中的主要“刹车”，负责调控神经活动，其数量异常与自闭症谱系障碍直接相关。由于这一神经发生过程在人类中尤为活跃，可能无法通过动物模型研究，团队便利用干细胞技术构建了能模拟人类胎儿大脑特定区域发育的神经免疫类器官，即“迷你大脑”。研究发现，大脑的常驻免疫细胞——小胶质细胞在这一过程中扮演了意想不到的关键角色。它们会主动迁移到神经元祖细胞附近，并分泌一种名为胰岛素样生长因子1（IGF1）的蛋白质。IGF1如同一个强效“指令”，能显著促进GABA能神经元祖细胞的增殖，从而大规模生产这种关键的抑制性神经元。当研究人员在类器官模型中通过抗体或基因敲除技术阻断IGF1信号通路时，这种增殖效应便完全消失。尤为重要的是，这一机制似乎是人类特有的，为理解人类大脑的复杂性及自闭症等疾病的潜在病因开辟了新途径。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #自闭症 #类器官
阅读更多：
Yu, Diankun, et al. “Microglia Regulate GABAergic Neurogenesis in Prenatal Human Brain through IGF1.” Nature, Aug. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09362-8
告别大五人格？新算法重绘人格地图，发现全新特质
沿用四十年的“大五”人格模型是否真的全面？范德比尔特大学的 Alexander P. Christensen 和研究论文主要作者 Andrew Samo 团队对此提出挑战。他们认为传统的自上而下模型可能掩盖了人格的复杂性，通过一种全新的数据驱动方法，团队成功构建了一个更精细、更准确的人格层级结构。
▷ IPIP-NEO 分类网络。Credit: European Journal of Personality.
研究团队使用了一种名为分类图分析（Taxonomic Graph Analysis, TGA）的自下而上方法。他们分析了一个包含近15万份样本的开源人格数据库（300-item IPIP-NEO），通过网络算法直接探究最基础的问卷项目之间的关系，并以此为基础向上构建整个结构。研究发现了一个全新的三层人格模型，它不仅包含了“大五”中的部分特质，如神经质（neuroticism）和责任性，开放性，还发现了三个全新的核心特质：社交性（sociability）、正直性（integrity）和冲动性（impulsivity），使得特质层级扩展到六个。此外，在更高层级的元特质中，除了已知的稳定性和可塑性，还出现了一个新的维度：脱抑制（disinhibition，个体抑制冲动、控制行为或调节情绪的能力较弱的心理倾向）。这一数据驱动的结果为我们描绘了一幅更细致的人格地图，并有望革新精神疾病的诊断，例如，可能将焦虑症重新归类为抑郁症的一种亚型。研究发表在 European Journal of Personality 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 #老龄化 #社会认知
阅读更多：
Samo, Andrew, et al. “Revisiting the IPIP-NEO Personality Hierarchy with Taxonomic Graph Analysis.” European Journal of Personality, June 2025. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/08902070251352590
调控小鼠共情行为的关键神经元开关
大脑如何决定该与谁交朋友，又该如何安慰处于困境的同伴？针对这一问题，神户大学（Kobe University）的 Takumi Toru 团队与京都工艺纤维大学（Kyoto Institute of Technology）的 Sato Masaaki 合作，在小鼠中发现岛叶皮质中的一类特定神经元，如同一个开关，精确调控着共情和社交熟悉度。
研究团队利用微型内窥镜钙成像和化学遗传学技术，对小鼠大脑的无颗粒岛叶皮质进行实时观测和精准操控。他们发现，当特异性抑制该区域的小白蛋白中间神经元（PV interneurons，一种重要的抑制性神经元）时，小鼠的社交行为发生了奇特的变化。在行为测试中，这些小鼠依然乐于和陌生同伴互动，显示其基础社交能力完好无损。然而，它们失去了两项高级社交功能：一是社会熟悉度，即无法区分熟人和陌生人，对二者的兴趣变得毫无差别；二是类似共情的行为，当需要在受压和正常的同伴间做选择时，它们不再像正常小鼠那样优先“安慰”受压者。这一结果表明，PV中间神经元并非笼统地控制社交，而是作为一个精密的“情境开关”，通过调节主要执行神经元——锥体神经元的活动，来调整对特定社交目标的偏好，从而做出复杂的社交决策。研究发表在 Cell Reports 上。
阅读更多：
Fujima, Shuhei, et al. “Parvalbumin Interneurons in the Insular Cortex Control Social Familiarity and Emotion Recognition.” Cell Reports, vol. 0, no. 0, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116085
小胶质细胞通过调控多巴胺回路塑造青少年大脑
青春期大脑为何具有独特的可塑性，其发育异常又为何与精神分裂症等疾病相关？罗彻斯特大学德尔蒙特神经科学研究所的 Rianne Stowell 和 Kuan Hong Wang 团队发现，大脑的免疫细胞——小胶质细胞，是驱动青春期大脑多巴胺回路结构重塑的关键角色。
▷ 青少年跑轮运动促进 DA 神经末梢形成和小胶质细胞突起生长。Credit: Nature Communications (2025).
研究团队利用活体双光子成像技术，在青少年小鼠大脑中实时观察发现，当通过跑轮运动或光遗传学激活额叶皮层的多巴胺回路时，小胶质细胞会被迅速招募。这些免疫细胞像“园丁”一样，主动伸出突起接触多巴胺能神经元的轴突。一个关键的发现是，小胶质细胞的接触行为发生在新的神经末梢形成之前，这表明小胶质细胞并非被动反应，而是主动引导和促进了神经回路的结构性生长。进一步的药理实验证实，这一过程依赖于多巴胺D1和D2受体的信号，以及小胶质细胞自身的P2RY12受体通路。更有趣的是，这种可塑性在成年小鼠中通常会消失，但研究人员通过使用一种D2受体拮抗剂（D2 receptor antagonist），成功在成年小鼠中重新激活了小胶质细胞的这种功能，恢复了神经回路的可塑性，为治疗相关神经发育障碍提供了新的潜在靶点。研究发表在 Nature Communications 上。
#神经科学 #神经机制与脑功能解析 #小胶质细胞 #神经可塑性
阅读更多：
Stowell, Rianne, and Kuan Hong Wang. “Dopaminergic Signaling Regulates Microglial Surveillance and Adolescent Plasticity in the Mouse Frontal Cortex.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7974. www.nature.com, https://doi.org/10.1038/s41467-025-63314-4
认知行为疗法可重塑大脑结构，增加抑郁症患者灰质体积
心理治疗能否像药物一样改变大脑？针对认知行为疗法（CBT）对大脑结构影响的证据有限。德国马丁路德大学哈勒维滕贝格分校与明斯特大学的Esther Zwiky和Ronny Redlich等人通过研究发现，CBT不仅能有效缓解抑郁症状，还能切实地增加患者大脑中负责情绪处理的关键脑区灰质体积，为“谈话疗法”提供了神经生物学证据。
该研究对30名重度抑郁症患者在接受20次认知行为疗法前后进行了大脑扫描，并与30名健康对照者的数据进行比较。研究人员利用结构磁共振成像技术，精确测量了大脑灰质体积的变化。结果显示，经过治疗后，患者大脑的边缘系统发生了显著的重塑：左侧杏仁核和右侧前部海马体的灰质体积显著增加。更有趣的是，这种结构上的积极变化与特定的临床改善直接相关——杏仁核体积增加越多的患者，其识别和理解自身情绪的能力提升得越明显。这表明CBT可能是通过增强大脑的情绪感知和调节回路来发挥作用。该研究首次为心理治疗如何改变大脑结构提供了可靠的生物学标记，证实了其效果堪比药物治疗。研究发表在 Translational Psychiatry 上。
阅读更多：
Zwiky, Esther, et al. “Limbic Gray Matter Increases in Response to Cognitive-Behavioral Therapy in Major Depressive Disorder.” Translational Psychiatry, vol. 15, no. 1, Aug. 2025, p. 301. www.nature.com, https://doi.org/10.1038/s41398-025-03545-7
简短心态干预可降低新冠疫情后的抑郁与炎症水平
重大灾难会引发长期的心理与生理健康问题，但也能成为个人成长的契机。为了验证通过改变心态能否促进危机后的身心恢复，斯坦福大学的Alia J. Crum, Jesse A. Barrera, Lexi D. Straube及其同事进行了一项研究，结果表明，仅一小时的线上心态干预，便能有效降低人们的抑郁水平和体内炎症。
该研究采用了一项随机对照试验，将数百名成年参与者分为两组。干预组观看了一系列视频，其核心信息是强调灾难也能带来成长机会（例如增进人际关系、提升个人韧性），并被要求反思自己在新冠大流行经历中的潜在成长点。对照组则观看了关于疫情发展时间线的客观信息视频。三个月后，结果显示，心态干预组的参与者不仅报告的抑郁症状显著低于对照组，其血液检测结果也揭示了一个关键的生理变化：体内的C-反应蛋白水平显著降低。研究人员指出，这种“将灾难视为机遇”的心态转变是促成心理健康改善和炎症水平下降的核心因素。这项研究首次证实，一种简短、易于推广的心理干预能够同时带来心理和生物学上的双重益处。研究发表在 Brain, Behavior, and Immunity 上。
阅读更多：
“Can Catastrophes Be Opportunities? A Randomized Clinical Trial Testing a Brief Mindset Intervention for Reducing Inflammation and Depression Following COVID-19.” Brain, Behavior, and Immunity, vol. 129, Oct. 2025, pp. 1028–38. www.sciencedirect.com, https://doi.org/10.1016/j.bbi.2025.07.011
果蝇大脑导航的奥秘在于平衡学习的灵活性与记忆的稳定性
大脑如何构建内部“指南针”以实现精准导航？哈佛医学院的Melanie A. Basnak、Rachel I. Wilson及其同事，通过研究果蝇发现，其大脑在处理空间线索时，会动态权衡线索的可靠性。研究揭示了大脑导航系统在适应新环境的“灵活性”与维持内部地图稳定的“稳定性”之间存在着一种根本性的权衡。
▷ a，HD 细胞（EPG 神经元）在 EB 中形成一个环形吸引子网络。它们的轴突投射到 PB，在那里形成两个线性化的 HD 地形图。b，EPG 活动凸起的位置受编码视觉 HD 线索位置或风向的 ER 神经元的影响。ER 神经元具有抑制性，最活跃的 ER 神经元将凸起推到其抑制输出最小的位置。ER→EPG 连接在解剖学上是全对全的，但它们的权重由 ER→EPG 突触处的赫布可塑性决定，因此每个 ER 神经元通常只与一部分 EPG 神经元进行功能性突触。c，ER→EPG 权重示意图。给定一个视觉线索和一个稳定的风向，预计联想 LTD 会在每个权重矩阵中产生一个弱连接的对角线缺口。EPG 神经元按其偏好的 HD 排序。ER 神经元按其偏好的线索位置排序。如果两个线索在模拟环境中对齐，赫布可塑性应该会使凹口对齐。d，我们假设线索的显著性和稳定性会影响撞击吸引子的动力学和学习。e，我们对在球形跑步机上行走的固定头部的苍蝇的 EPG 神经元进行成像。当苍蝇在球形跑步机上转动时，虚拟环境会围绕苍蝇按预期方向旋转。此处，环境包含一条明亮的垂直条纹，作为 HD 线索。f，EPG 活动的撞击在虚拟现实环境中跟踪苍蝇的虚拟 HD，并具有相对恒定的角度偏移。 在 EB（从头部后侧成像）中，凸起位置顺时针旋转，而 HD 则逆时针旋转；因此，为了解释这种方向性，我们始终绘制(-HD)，以便更容易地直观地呈现凸起位置与 HD 之间的对应关系。Credit: Basnak et al.
研究团队将果蝇固定在可在虚拟现实环境中行走的球形跑步机上，并利用群体钙成像技术实时监测其大脑“头部方向系统”的神经活动。该系统如同一个生物罗盘，其神经活动会形成一个“凸起”，其位置精确对应着果蝇的朝向。实验发现，当环境中的空间线索（如一个明亮的视觉标记）更清晰、更熟悉时，神经活动“凸起”会变得更窄、更高，意味着大脑的内部罗盘编码更加精确。更有趣的是，当面对冲突的线索时，大脑会毫不犹豫地“信任”更熟悉的线索，并以此为基准，调整对陌生线索的解读。例如，一个熟悉的视觉地标会被赋予更高的权重，用来校准内部地图。所有这些现象都可以通过一个具有持续突触可塑性的环形吸引子模型来解释。这一机制使得果蝇能够不断学习和适应动态变化的环境，但也揭示了一个核心的神经科学法则：学习的灵活性是以牺牲内部表征的绝对稳定性为代价的。研究发表在 Nature Neuroscience 上。
#神经科学 #神经机制与脑功能解析 #空间导航 #突触可塑性
阅读更多：
Basnak, Melanie A., et al. “Multimodal Cue Integration and Learning in a Neural Representation of Head Direction.” Nature Neuroscience, vol. 28, no. 8, Aug. 2025, pp. 1729–40. www.nature.com, https://doi.org/10.1038/s41593-024-01823-z
AI 行业动态
谷歌神秘AI模型Nano-Banana横空出世：图像编辑能力惊艳
近期，AI社区热议一款名为Nano-Banana的神秘图像生成与编辑模型。该模型最初在LMArena平台的「Battle」模式中被发现，虽未公开开发者信息，但网友通过线索推测其可能来自谷歌。谷歌AI Studio产品负责人Logan Kilpatrick和DeepMind产品经理Naina Raisinghani相继在社交平台发布与香蕉相关的暗示，加之模型生成图像的风格与谷歌Imagen或Gemini系列相似，进一步佐证了这一猜测。Nano-Banana在文本编辑、风格融合和场景理解方面表现突出，例如能精准将书籍摆放至指定位置或将棒球帽无缝添加到人物照片中。
然而，Nano-Banana并非完美。其生成的图像偶尔出现反射逻辑错误、光照不一致或物体位置偏差等问题，人物手指畸形和文字「鬼画符」等细节瑕疵也屡见不鲜。此外，由于缺乏官方API或正式发布渠道，用户只能通过LMArena随机体验，稳定性堪忧。更令人啼笑皆非的是，网络上涌现大量假冒网站，导致用户难辨真伪。
#谷歌AI #NanoBanana #图像生成 #AI缺陷 #Veo3
阅读更多：
AI 驱动科学
人工智能识别“神经迷思”优于人类，但其讨好天性强化谬误
“学习应匹配个人风格”这类“神经迷思”在教育界根深蒂固，大型语言模型是会纠正还是助长它们？由德国马丁路德大学的Markus Spitzer等人领导的国际团队发现，LLMs在直接辨别神经迷思方面优于人类，但在实际对话中，其固有的“讨好”天性却可能使其成为谬误的放大器。
研究团队对ChatGPT等大型语言模型进行了两项核心测试。首先，当直接向AI呈现一系列关于大脑和学习的陈述时，AI表现出色，能正确判断其中约80%的真伪，其准确率甚至高于经验丰富的教育工作者。然而，当研究人员将一个神经迷思（neuromyths，即对神经科学的常见误解）巧妙地嵌入一个实际问题中，例如询问“如何为我的视觉型学习者提升学习效果”时，AI的表现却令人担忧。所有模型都未能指出“学习风格”这一理论缺乏科学依据，反而顺着用户的错误假设给出了具体的教学建议。研究人员将此现象归因于AI模型被设计为“取悦用户”而非“纠正用户”的谄媚行为。幸运的是，团队找到了一个简单的解决方案：在提问时额外加入一句明确指令，要求AI“纠正提问中任何未经证实的假设”。这一提示显著提升了AI的表现，使其能够主动识别并驳斥问题中暗含的谬误。研究发表在 Trends in Neuroscience and Education 上。
#AI驱动科学 #大模型技术 #神经迷思 #人机交互
阅读更多：
“Large Language Models Outperform Humans in Identifying Neuromyths but Show Sycophantic Behavior in Applied Contexts.” Trends in Neuroscience and Education, vol. 39, June 2025, p. 100255. www.sciencedirect.com, https://doi.org/10.1016/j.tine.2025.100255
AI究竟是“开普勒”还是“牛顿”？新指标揭示大模型离真正理解世界还有多远
大型语言模型能精准预测，但这等同于真正理解吗？来自麻省理工学院和哈佛大学的Keyon Vafa, Peter G. Chang, Ashesh Rambachan和Sendhil Mullainathan等研究人员，开发出一种新方法，旨在量化评估AI对现实世界规则的深层理解程度，而非仅仅是其预测的准确性。
研究团队将AI的预测能力比作天文学家开普勒，他能精确计算行星轨道，但未能揭示背后的引力原理（即牛顿的角色）。为探究当前AI究竟是“开普勒”还是“牛顿”，团队提出了一种名为“归纳偏差探测”（inductive bias probe）的新指标。该方法通过构建虚拟世界并生成数据，来测试AI模型在面对新任务时，其内在的解题逻辑是否与该世界的真实规则一致。实验中，AI在简单的一维格子模型里表现良好，成功推断出了底层规则。然而，一旦任务变得复杂，例如在模拟牛顿力学或分析黑白棋（Othello）棋局时，AI的表现就急转直下。尽管它们能精准预测下一步的合法走法或物体轨迹，却未能掌握游戏全局规则或牛顿力学这样的通用定律，而是依赖于无法泛化的任务特定“捷径”。这表明，当前的基础模型更像一个出色的“开普勒”，离成为能够触类旁通的“牛顿”还有很长的路要走。研究发表在 International Conference on Machine Learning (ICML 2025) 上。
阅读更多：
Vafa, Keyon, et al. “What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models.” arXiv:2507.06952, arXiv, 14 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2507.06952
通过多代理提炼和 Agentic RL 构建端到端代理基础模型
当前的多智能体系统（MAS）虽功能强大，但计算昂贵且难以训练。为解决此问题，OPPO AI Agent Team的Wangchunshu Zhou等人提出了“智能体链”（CoA）新范式，旨在将多智能体协作能力整合至单一高效的大语言模型中，并开发出名为智能体基础模型（AFM）的新模型。
研究团队提出了一种创新的“智能体链”（Chain-of-Agents，简称CoA）推理范式，让一个大语言模型能够在内部模拟一个多智能体团队的协作。该模型可以根据任务需求，动态地激活不同的内部“智能体”，如负责使用工具的“工具智能体”或扮演特定角色的“角色智能体”，从而端到端地完成复杂任务。为了训练出具备这种能力的智能体基础模型（Agent Foundation Models，AFMs），团队设计了一套两阶段训练流程。首先，他们采用“多智能体蒸馏”（multi-agent distillation）技术，让现有的先进多智能体系统解决大量任务，并将其成功的解题路径转化为训练数据，对基础模型进行监督微调。随后，通过智能体强化学习（agentic reinforcement learning）在可验证的任务上进一步提升模型的性能。实验结果表明，AFM在网页浏览、代码生成和数学推理等多个领域的基准测试中均刷新了纪录，例如在GAIA测试中成功率达55.3%，在AIME2025数学竞赛基准上解决率达59.8%。更重要的是，该方法相比传统多智能体系统，将推理成本降低了84.6%。
阅读更多：
Li, Weizhen, et al. “Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RL.” arXiv:2508.13167, arXiv, 6 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.13167
来源：智慧芯片一点号
