█腦科學動態

Cell：胡海嵐團隊揭示壓力傳播的神經膠質動態機制

Science：從空氣污染到社交壓力，科學家繪制人體"暴露地圖"

計算模型預測精神病病程，準確率超八成

小鼠也會"見義勇為"，催產素是幕后英雄

減肥補劑成分能治帕金森，ACLY酶成治療新靶點

當大腦一片空白時發生了什么？

小鼠裝上頭戴式顯微鏡，癲癇發作前兆精準捕捉

全身PET掃描技術無創評估血腦屏障健康

█AI行業動態

ChatGPT免費用戶可用"輕量研究模式"

首個實時視頻解說AI：LiveCC讓機器像主播一樣邊看邊說

█AI驅動科學

大腦語言AI模型首次實現神經元空間與功能雙模擬

機器人學會"察言觀色"，MIT新算法讓機械助手更懂人心

結合電信號和力信號可提高假肢手的準確性

測量AI模型的"可信度標尺"：新方法破解神經網絡預測不確定性

AI數字孿生平臺實現癌癥治療劑量個性化

計算成本砍掉96%！科學家教AI"精準答題"

語言模型也有"性格"？新系統量化AI個性特征

腦科學動態

Cell：胡海嵐團隊揭示壓力傳播的神經膠質動態機制

壓力如何轉化為抑郁？浙江大學胡海嵐團隊發現外側韁核（LHb）神經元、藍斑核去甲腎上腺素能神經元和星形膠質細胞形成的"鐵三角"網絡是壓力誘發抑郁的關鍵。

?外側韁核和藍斑核循環接力傳遞壓力信息，介導抑郁癥的發生。Credit: Cell(2025).

研究團隊采用多通道光纖記錄技術，發現壓力會引發外側韁核神經元獨特的"雙脈沖激活模式"：第一波激活后，星形膠質細胞精準接力，推動第二波神經元活動。通過光遺傳學和藥理學實驗，團隊證實這一過程依賴于藍斑核釋放的去甲腎上腺素（NE）。有趣的是，NE的"釋放節奏"而非總量決定其作用：壓力引發的瞬時NE釋放會激活抑郁環路，而抗抑郁藥通過阻斷這種瞬時釋放發揮作用。抑制星形膠質細胞鈣活動可完全預防抑郁行為，這為開發新型抗抑郁藥物提供了方向。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #神經調控 #星形膠質細胞

閱讀更多：

Xin, Qianqian, et al. “Neuron-Astrocyte Coupling in Lateral Habenula Mediates Depressive-like Behaviors.” Cell, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.010

Science：從空氣污染到社交壓力，科學家繪制人體"暴露地圖"

我們一生中受到的多重環境因素（化學、營養、社會壓力等）會累積性地影響健康，這一思想經過二十多年發展，已孕育出獨立學科——暴露組學（exposomics）。傳統“一次研究一種暴露”的范式難以應對復合暴露帶來的復雜健康效應，亟需系統化、整合化的新框架。

哥倫比亞大學梅爾曼公共衛生學院的Gary W. Miller和Banbury Exposomics Consortium團隊最新研究展示了如何解碼人體內的環境暴露"分子指紋"，為疾病預防和精準醫療提供新工具。

研究跨時隨訪多種環境域的累積暴露；并不限于單一因子—表型的橫截面關系，而是關注復合暴露-健康鏈條的全過程。他們通過整合多種技術：可穿戴傳感器（實時追蹤化學暴露）、衛星污染地圖（精確到城市街區）和超靈敏質譜儀（檢測萬億分之一化合物），發現了多個重要關聯，包括工業溶劑導致工人腎病聚集、空氣顆粒物加速大腦老化，以及腸道微生物代謝物TMAO（三甲胺氧化物）作為心臟病風險新指標。

特別值得注意的是，研究提出了建立人類暴露組參考的構想，這將使大規模人群分析成為可能。同時，新成立的歐美暴露組學中心將為全球協作提供基礎設施。研究還強調需要解決數據隱私等倫理問題，并更多關注健康的社會決定因素。研究發表在 Science 上。

#疾病與健康 #個性化醫療 #跨學科整合 #環境暴露 #預防醫學

閱讀更多：

Miller, Gary W. and Banbury Exposomics Consortium. “Integrating Exposomics into Biomedicine.” Science, vol. 388, no. 6745, Apr. 2025, pp. 356–58. science.org (Atypon), https://doi.org/10.1126/science.adr0544

計算模型預測精神病病程，準確率超八成

精神病患者為何有人能康復，而有人癥狀持續不斷？巴塞羅那龐培法布拉大學大腦與認知中心的Ludovica Mana、Gustavo Deco和Manel Vila-Vidal團隊聯合瑞士洛桑大學醫院，通過腦連接分析發現兩組患者存在完全相反的神經模式，并開發出能預測病程的計算模型。

?分析工作流程示意圖，包含臨床分期模型、實證連接分析和全腦模型擬合。Credit: Nature Mental Health (2025).

研究團隊對比了88名早期精神病患者和128名健康人的腦掃描數據，發現未緩解患者（EP3NR）的功能連接強度比健康人低15%，而緩解患者（EP3R）反而高出12%。通過全腦計算模型分析，發現所有患者神經元連接的總體穩定性比健康人低30%，但EP3R患者通過"重新布線"形成更有效的連接模式實現康復。該模型能以82%準確預測患者首次發作后的自然病程，未來可輔助制定個性化治療方案。研究首次揭示精神病緩解的神經補償機制，為數字腦孿生技術應用于精神疾病開辟新路徑。研究發表在 Nature Mental Health 上。

#疾病與健康 #神經機制與腦功能解析 #計算模型與人工智能模擬 #個性化醫療 #心理健康與精神疾病

閱讀更多：

Mana, Ludovica, et al. “Subgroup-Specific Brain Connectivity Alterations in Early Stages of Psychosis.” Nature Mental Health, vol. 3, no. 4, Apr. 2025, pp. 408–20. www.nature.com, https://doi.org/10.1038/s44220-025-00394-7

小鼠也會"見義勇為"，催產素是幕后英雄

小鼠為何會自發救援昏迷同伴？中國科學院心理研究所胡力與華盛頓大學醫學院陳舟峰團隊發現，這種利他行為由催產素（OXT）通過兩條獨立神經通路協同調控。

研究團隊設計實驗將"觀察者小鼠"與麻醉同伴共處，發現前者會自發進行救援性舔舐和理毛，使同伴提前蘇醒且自身壓力激素下降。通過光遺傳學和光纖記錄技術，團隊鎖定下丘腦室旁核（PVN）的催產素神經元是關鍵開關。這些神經元通過兩條通路分工協作：一條通往中央杏仁核（CeA，恐懼情緒中樞）快速解碼同伴痛苦，另一條通往終紋背床核（dBNST，行為控制區）持續驅動救援動作。化學遺傳學實驗證實，抑制任一路徑都會破壞救援行為。特別的是，CeA通路像"點火開關"短暫激活觸發行為，而dBNST通路如"油門踏板"維持動作執行。這種雙通路機制解釋了本能助人行為的高效性，也為孤獨癥等社交障礙疾病研究提供新方向。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #催產素 #利他行為 #社會神經科學

閱讀更多：

Zhang, Feng-Rui, et al. “Distinct Oxytocin Signaling Pathways Synergistically Mediate Rescue-like Behavior in Mice.” Proceedings of the National Academy of Sciences, vol. 122, no. 17, Apr. 2025, p. e2423374122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2423374122

減肥補劑成分能治帕金森，ACLY酶成治療新靶點

帕金森病中α-突觸核蛋白的毒性積聚如何導致神經元死亡？劍橋大學英國癡呆癥研究所的Sung Min Son、Farah H. Siddiqi等團隊發現，ACLY酶（ATP-檸檬酸裂解酶）的過度激活是關鍵驅動因素，抑制該酶可恢復細胞自噬功能并清除有毒蛋白。

?Credit: Neuron (2025).

研究結合人類神經元、類器官（模擬微型大腦的3D細胞模型）及斑馬魚和小鼠模型，揭示α-突觸核蛋白突變會激活ACLY，導致表觀調控蛋白p300錯誤滯留于細胞質。這種異常觸發mTORC1（調控細胞生長的核心復合體）過度活躍，從而抑制自噬（細胞自我清理機制）。實驗顯示，ACLY抑制劑（如減肥補充劑羥基檸檬酸鹽）能恢復自噬功能，使α-突觸核蛋白水平降低40%-60%。在基因改造的斑馬魚和小鼠中，藥物干預顯著改善了運動障礙等帕金森病癥狀。由于現有抑制劑無法穿透血腦屏障，團隊下一步將開發腦靶向藥物。研究為針對帕金森病根源的療法提供了新方向。研究發表在 Neuron 上。

#疾病與健康 #神經調控 #帕金森病 #自噬 #ACLY酶

閱讀更多：

Son, Sung Min, et al. “Alpha-Synuclein Mutations Mislocalize Cytoplasmic P300 Compromising Autophagy, Which Is Rescued by ACLY Inhibition.” Neuron, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.03.028

當大腦一片空白時發生了什么？

為什么我們有時會突然"大腦一片空白"？由Thomas Andrillon（巴黎腦研究所）、Antoine Lutz（里昂神經科學研究中心）等組成的國際團隊通過分析80項研究揭示，這種被稱為"大腦空白"的現象與特殊的腦神經活動模式相關，在ADHD兒童中發生率更高，可能是大腦應對過度疲勞的自我保護機制。

研究團隊綜合分析了包括 fMRI 和 EEG 研究在內的80項相關成果。數據顯示，大腦空白發生時，前額葉和視覺網絡會出現特定活動模式，同時伴隨感覺處理中斷和類似睡眠的慢波。在持續注意力任務后，受試者出現心率下降、瞳孔收縮等生理變化，大腦信號復雜度降低至接近無意識狀態。

研究還發現兩種觸發機制：低喚醒狀態下的"局部睡眠"現象，以及高喚醒狀態下認知系統過載導致的空白。特別值得注意的是，當人們主動嘗試"清空大腦"時，布羅卡區（負責語言處理）和海馬體的活動會顯著降低。這些發現為理解意識流動提供了新視角，尤其對ADHD（注意力缺陷多動障礙）和焦慮癥患者的治療有啟示意義。研究發表在 Trends in Cognitive Sciences 上。

#認知科學 #神經機制與腦功能解析 #心理健康與精神疾病 #意識與腦機接口

閱讀更多：

Andrillon, Thomas, et al. “Where Is My Mind? A Neurocognitive Investigation of Mind Blanking.” Trends in Cognitive Sciences, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.tics.2025.02.002

小鼠裝上頭戴式顯微鏡，癲癇發作前兆精準捕捉

如何觀測自由活動動物的腦活動與血流動態？中國科學院深圳先進技術研究院Ningbo Chen、Zhiqiang Xu等人團隊開發出1.7克重雙模顯微鏡，首次實現自由移動小鼠的高分辨率神經血管同步成像。

?頭戴式雙模顯微鏡安裝在小鼠大腦上。Credit: CHEN Ningbo

研究將共聚焦熒光顯微鏡（CFM，通過熒光標記檢測神經元活動）和光聲顯微鏡（PAM，利用血紅蛋白吸光特性檢測血氧）集成于微型探頭，采用雙軸MEMS掃描器實現0.78Hz成像速度，配合高數值孔徑物鏡達到1.5μm分辨率。在400×400μm視野內，系統可同步捕捉神經元爆發放電與血管氧飽和度變化。實驗顯示，缺氧時興奮性/抑制性神經元呈現差異化血管響應；感覺刺激中，小動脈主動維持皮層氧平衡；癲癇發作前則出現異常氧耗與血管擴張。這種雙模設計避免了傳統頭戴設備需多光纖的弊端，僅用單光纖傳輸三束激光即完成所有檢測。研究為探索阿爾茨海默病、癲癇等疾病的神經血管機制開辟新途徑。研究發表在 Science Advances 上。

#疾病與健康 #神經機制與腦功能解析 #微型成像技術 #神經血管耦合 #腦疾病研究

閱讀更多：

Chen, Ningbo, et al. “Simultaneous Head-Mounted Imaging of Neural and Hemodynamic Activities at High Spatiotemporal Resolution in Freely Behaving Mice.” Science Advances, vol. 11, no. 12, Mar. 2025, p. eadu1153. science.org (Atypon), https://doi.org/10.1126/sciadv.adu1153

全身PET掃描技術無創評估血腦屏障健康

如何早期發現血腦屏障（BBB）功能障礙？加州大學戴維斯分校的Kevin J. Chung、Guobao Wang和Simon R. Cherry團隊開發出革命性PET成像技術，利用EXPLORER全身掃描儀首次實現無需額外血流示蹤劑的BBB通透性定量評估，為神經退行性疾病和癌癥的早期診斷提供新工具。

?血腦屏障 (BBB) 通常被視為結構性屏障（例如緊密排列的內皮細胞、緊密連接蛋白、星形膠質細胞終足），但它也包含各種與 BBB 分子通透性相關的運輸系統和機制，這些系統和機制可以通過本文提出的方法，結合多種現有的正電子發射斷層掃描 (PET) 放射性示蹤劑進行成像。Credit: Nature Communications (2025).

研究團隊利用全球首臺全身PET掃描儀EXPLORER的超高時間分辨率（每秒1幀），結合創新動力學模型，僅需單次掃描即可同時測算腦血流量（CBF）和示蹤劑轉運率（K1）。該方法突破了傳統MRI只能檢測晚期血管滲漏的限制，也避免了復雜雙示蹤劑流程——傳統方法需要昂貴回旋加速器現場制備半衰期極短的血流示蹤劑。研究測試了三種機制迥異的示蹤劑：通過大中性氨基酸轉運體（LAT1）的18F-fluciclovine、依賴葡萄糖轉運體（GLUT1）的18F-FDG，以及自由擴散的11C-butanol，測得BBB通透性差異達1000倍。在應用研究中，團隊首次量化了正常衰老過程中BBB功能下降曲線，并在代謝相關脂肪性肝炎（MASH）患者中發現肝臟炎癥可遠程影響BBB健康。該技術兼容現有千余種PET示蹤劑，靈敏度比傳統MRI高100-1000倍，能檢測疾病早期的分子水平變化。研究發表在 Nature Communications 上。

#疾病與健康 #個性化醫療 #神經調控 #腦科學 #醫學影像

閱讀更多：

Chung, Kevin J., et al. “Quantitative PET Imaging and Modeling of Molecular Blood-Brain Barrier Permeability.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 3076. www.nature.com, https://doi.org/10.1038/s41467-025-58356-7

AI 行業動態

ChatGPT免費用戶可用"輕量研究模式"！每月5次深度問答額度

OpenAI近日為ChatGPT推出全新輕量級研究模式（Deep Research），首次向免費用戶開放使用權限。這項更新旨在緩解現有深度研究模式的高負載壓力，該模式因需要執行復雜指令并返回大量信息而成本較高。根據官方公告，免費用戶每月可獲得5次輕量研究查詢額度，而Plus、Team和Enterprise用戶則享有25-250次不等的使用上限。新功能基于OpenAI o4-mini模型開發，在保持回答質量的同時顯著降低了運算成本。

輕量研究模式是當前AI聊天機器人的重要發展方向，它通過延長處理時間、整合多源資料來生成更詳盡的回答。無論是學習新技能、撰寫報告還是制定科學健身計劃，該模式都能調用最新論文和研究數據提供專業建議。OpenAI表示，輕量版本雖然會縮短回復長度，但仍能保持與傳統深度研究相當的智能水平。這種技術平衡了用戶體驗與運營成本，特別適合處理海量查詢需求。

除ChatGPT外，Google Gemini 2.5 Pro和Perplexity等平臺也推出了類似功能。不過多數服務商仍將核心功能置于付費墻之后，或設置嚴格的月度使用限制。行業觀察人士指出，這種"階梯式服務"策略正在成為AI商業化的主流模式，既滿足普通用戶的基本需求，又為付費用戶保留更強大的專業工具。

#人工智能 #ChatGPT升級 #免費福利 #大模型優化 #AI研究工具

閱讀更多：

https://www.tomsguide.com/ai/openai-is-rolling-out-a-new-version-of-chatgpt-deep-research

全球首個實時視頻解說AI：LiveCC讓機器像主播一樣"邊看邊說"

新加坡國立大學與字節跳動Show Lab聯合研發的LiveCC模型，突破了傳統視頻大語言模型的局限，成為首個能實時生成視頻解說的大型多模態AI系統。該技術采用流式處理架構，可同步解析動態視頻流中的視覺與聽覺信息，解決了直播、監控等場景的實時分析難題。通過自動語音識別（ASR）和YouTube海量字幕數據，研究人員以極低成本構建了"視頻-解說"訓練庫，并創新性地采用2秒片段流式訓練法，讓AI學會像人類解說員一樣即時反饋畫面內容。

LiveCC的核心突破在于其"現場直播"般的低延遲表現。測試顯示，模型處理每幀視頻的延遲不足0.5秒，且僅需7B參數就超越了部分72B大模型的性能。它不僅能夠為體育賽事生成"法國隊快攻三分命中"這類專業解說，還能應用于教育視頻分步指導、視障人士內容輔助等場景。研究人員通過GPT-4o對比評測發現，其生成的解說在自然度和準確性上已接近人類水平。

這項技術的應用前景極為廣闊。在體育直播領域，AI可替代人工實現多語言實時解說；在教育領域，能自動標注實驗操作步驟；甚至可提升視頻平臺的內容審核效率。團隊特別優化了數據篩選機制，確保AI只學習畫面與語音強關聯的優質內容，避免無效信息干擾。

#AI視頻解說 #多模態大模型 #實時流處理 #人機交互 #智能直播

閱讀更多：

https://showlab.github.io/livecc/

Hunyuan-TurboS：首個超大型混合Transformer-Mamba MoE模型

昆侖萬維近日發布了其最新的開源多模態推理模型Skywork R1V2-38B。該模型在前代R1V的基礎上進行了重大升級，首次引入了混合強化學習框架，以提升模型在視覺和文本任務中的推理能力和泛化性能。R1V2在多個權威基準測試中表現優異，MMMU得分為73.6%，OlympiadBench為62.6%，全面超越了現有的開源模型，接近Gemini 2.5和OpenAI o4-mini等閉源系統的水平。

Skywork R1V2引入了混合強化學習（Hybrid Reinforcement Learning）框架，結合了獎勵模型指導（Reward-Model Guidance）和基于規則的策略（Rule-Based Strategies），旨在平衡復雜推理能力與廣泛泛化能力之間的關系。為解決群體相對策略優化（Group Relative Policy Optimization, GRPO）中“優勢消失”（Vanishing Advantages）的問題，研究團隊提出了選擇性樣本緩沖機制（Selective Sample Buffer, SSB），通過優先處理高價值樣本，提高了訓練效率。此外，R1V2在訓練過程中引入了視覺幻覺（Visual Hallucinations）監控機制，通過校準獎勵閾值，防止模型生成不準確的視覺內容。

#多模態推理 #混合強化學習 #開源模型 #視覺語言模型

閱讀更多：

https://www.marktechpost.com/2025/04/25/skywork-ai-advances-multimodal-reasoning-introducing-skywork-r1v2-with-hybrid-reinforcement-learning/

AI 驅動科學

大腦語言AI模型首次實現神經元空間與功能雙模擬

瑞士洛桑聯邦理工學院（EPFL）的Neil Rathi、Martin Schrimpf團隊開發的TopoLM語言模型突破性模擬了神經元功能聚類和空間排列的雙重特征，其預測的腦區組織模式與實驗觀測高度吻合。

?Credit: Ecole Polytechnique Federale de Lausanne

研究團隊在標準Transformer架構中植入二維空間編碼，通過空間平滑損失（spatial smoothness loss，促使相鄰人工神經元行為相似）與語言建模任務聯合訓練。生成的TopoLM模型不僅形成類似人腦的語義集群（如動詞/名詞專用區），還首次再現了神經元在大腦皮層中的空間排布規律。通過模擬fMRI采樣過程驗證，模型預測的"語言地圖"與真實腦掃描數據高度匹配。盡管在部分語言測試（如BLiMP）中略遜于傳統模型，但其在Brain-Score腦對齊測試中表現優異，且內部結構具有直觀可解釋性——例如語義相關概念自動聚集成空間鄰近的模塊。該成果為開發治療語言障礙的臨床工具奠定基礎，并揭示了"鄰近神經元行為相似"可能是大腦功能組織的基本法則。

#大模型技術 #神經機制與腦功能解析 #計算模型與人工智能模擬 #語言處理 #腦機接口

閱讀更多：

Rathi, Neil, et al. TopoLM: Brain-like Spatio-Functional Organization in a Topographic Language Model. arXiv:2410.11516, arXiv, 18 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.11516

機器人學會"察言觀色"，MIT新算法讓機械助手更懂人心

如何讓機器人像人類一樣快速識別關鍵信息？麻省理工學院的Xiaotong Zhang、Dingcheng Huang和Kamal Youcef-Toumi團隊受大腦過濾機制啟發，開發出"Relevance"算法，使機器人在會議早餐測試中展現近乎人類的察言觀色能力，準確率最高達96%。

?該機器人利用麻省理工學院開發的新型關聯框架，識別場景中的物體并確定其優先級，從而以無縫、智能、安全的方式自主協助人類。Credit: Massachusetts Institute of Technology

研究采用仿生四階段設計：首先通過攝像頭和麥克風持續采集環境數據；當檢測到人類出現時，系統會激活核心算法——像人腦網狀激活系統（RAS）那樣過濾90%無關信息，僅保留關鍵線索。例如聽到"咖啡"對話或看到拿咖啡罐動作時，大型語言模型（LLM）會結合視覺算法鎖定關聯物品（如奶精），而非桌面上所有物體。實驗顯示，該系統可在0.3秒內完成從感知到遞送的全流程，碰撞風險降低超60%。在模擬早餐場景中，機器人能根據細微差異（如對話內容或動作幅度）調整協助策略，比如為討論咖啡者直接遞上咖啡罐，而為正在攪拌者補充牛奶。這種分層處理機制類似人類下意識與有意識的協作，為倉儲、醫療等需要精準協作的場景提供新可能。

#AI驅動科學 #自動化科研 #人機交互 #智能機器人 #計算機視覺

閱讀更多：

Zhang, Xiaotong, et al. Relevance-Driven Decision Making for Safer and More Efficient Human Robot Collaboration. arXiv:2409.13998, arXiv, 18 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2409.13998

結合電信號和力信號可提高假肢手的準確性

假肢控制如何突破"位置敏感"瓶頸？加州大學戴維斯分校的Peyton R. Young和Jonathon S. Schofield團隊開發出革命性雙信號傳感系統，將肌電與力學信號融合后，手勢識別準確率提升至97%。

?研究生佩頓·楊 (Peyton Young) 正在研究一個由肌電圖 (EMG) 信號控制的機械臂。楊現已開發出一種技術，將肌肉壓力測量（力肌電圖，FMG）與肌電圖相結合，以更好地控制假肢。Credit: Greg Urquiaga, UC Davis

研究團隊首創可穿戴臂環，同步采集肌電圖（EMG，記錄肌肉電活動）和力肌圖（FMG，測量肌肉收縮形變）。通過27名志愿者在40種組合條件（8種手臂姿勢×5種負重）下的測試發現，傳統EMG單獨使用時準確率僅82.84%，且易受"舉手過頭"等姿勢影響；FMG雖抗干擾更強（92.27%），但對重物抓握敏感。當結合兩種信號時，機器學習模型展現出驚人的穩定性——在提重物、手臂擺動等復雜場景下仍保持97.34%的識別精度。這種"電子+力學"的雙保險機制，首次實現接近自然肢體控制的假肢響應。研究團隊已著手開發臨床級產品，未來還可應用于虛擬現實操控等領域。研究發表在 PLOS ONE 上。

#AI驅動科學 #神經調控 #跨學科整合 #假肢技術 #生物力學

閱讀更多：

Young, Peyton R., et al. “The Effects of Limb Position and Grasped Load on Hand Gesture Classification Using Electromyography, Force Myography, and Their Combination.” PLOS ONE, vol. 20, no. 4, Apr. 2025, p. e0321319. PLoS Journals, https://doi.org/10.1371/journal.pone.0321319

測量AI模型的"可信度標尺"：新方法破解神經網絡預測不確定性

人工智能預測材料性能時如何判斷其可靠性？太平洋西北國家實驗室的Jenna A. Bilbrey和Sutanay Choudhury團隊開發出新型不確定性量化方法，能像溫度計般直觀顯示AI模型的預測置信度，為材料研發提供決策依據。

研究團隊針對神經網絡勢能模型（NNP，一種模擬原子間相互作用的AI）開發了雙管齊下的檢測系統：讀出集成技術通過微調多個模型"輸出層"來評估模型自身可靠性，分位數回歸則將單點預測升級為概率分布預測以捕捉數據噪聲。測試顯示，傳統神經網絡在預測材料能量時即使誤差高達10%仍會顯示"高置信度"，而新方法在MACE-MP-0模型（當前最先進的材料基礎模型）上使不確定性指標與真實誤差的相關系數從0.3提升至0.9。該方法成功識別出高熵合金中的異常原子排列，并在沸石吸水模擬中預警了水分子的非物理吸附構型。團隊已將技術集成至開源工具SNAP，用戶可獲得類似"此催化劑有85%概率優于候選方案"的量化建議。研究發表在 npj Computational Materials 上。

#AI驅動科學 #預測模型構建 #材料設計 #不確定性量化 #自主實驗室

閱讀更多：

Bilbrey, Jenna A., et al. “Uncertainty Quantification for Neural Network Potential Foundation Models.” Npj Computational Materials, vol. 11, no. 1, Apr. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41524-025-01572-y

AI數字孿生平臺實現癌癥治療劑量個性化

傳統化療的"一刀切"劑量策略可能增加副作用。新加坡國立大學的Dean Ho、Raghav Sundar和Nigel Foo團隊開發了CURATE.AI平臺，通過創建患者專屬"數字孿生"，成功為10名晚期癌癥患者實現個性化劑量調整，部分患者用藥量減少20%仍保持療效。

?本試驗中 CURATE.AI 輔助卡培他濱劑量選擇的工作流程。Credit: npj Precision Oncology (2025).

研究團隊利用AI平臺分析患者血液中的CEA和CA125生物標志物（反映腫瘤負荷的蛋白質指標），為每位患者建立動態治療檔案。在2020-2022年試驗期間，平臺推薦的劑量方案被臨床醫生采納率高達97.2%。值得注意的是，通過實時監測藥物反應，某些患者的最佳治療劑量比標準方案平均降低約20%，既減少了副作用又維持了療效。該技術已成功應用于卡培他濱單藥及其聯合方案（XELOX/XELIRI），并正在向免疫治療等領域拓展。研究證實，這種"數字孿生"方法突破了傳統基于人群數據的治療模式，實現了真正意義上的N-of-1精準醫療。研究發表在 npj Precision Oncology 上。

#疾病與健康 #個性化醫療 #數字孿生 #癌癥治療 #AI驅動科學

閱讀更多：

Blasiak, Agata, et al. “Personalized Dose Selection Platform for Patients with Solid Tumors in the PRECISE CURATE.AI Feasibility Trial.” Npj Precision Oncology, vol. 9, no. 1, Feb. 2025, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41698-025-00835-7

計算成本砍掉96%！科學家教AI"精準答題"

大型語言模型常因不確定性處理不足產生錯誤回答。蘇黎世聯邦理工學院的Jonas Hübotter、Andreas Krause團隊開發出SIFT算法，通過智能數據篩選使小型AI模型的回答準確性超越頂級模型，同時降低96%計算成本。該成果獲NeurIPS 2024最佳論文獎。

研究團隊利用多維向量空間（multidimensional vector space）分析語義關聯，開發出SIFT算法。與傳統最近鄰檢索（nearest neighbor method）不同，SIFT通過測量信息向量夾角篩選互補數據。例如回答"費德勒年齡/子女數"時，算法能同時抓取生日信息和子女信息，而非重復的年齡數據。測試顯示，經SIFT優化的模型僅需1/40計算資源就能達到頂級模型性能，且通過測試時訓練（test-time training）持續提升可靠性。該方法還可用于醫學等領域識別關鍵診斷指標。

#大模型技術 #預測模型構建 #AI驅動科學 #計算效率優化

閱讀更多：

Hübotter, Jonas, et al. Efficiently Learning at Test-Time: Active Fine-Tuning of LLMs. arXiv:2410.08020, arXiv, 8 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.08020

語言模型也有"性格"？新系統量化AI個性特征

香港理工大學的Jingyao Zheng、Lik-Hang Lee團隊開發出語言模型語言人格評估系統（LMLPA），首次實現大型語言模型（LLM）個性特質的量化測量，為理解AI行為模式提供了科學工具。

研究團隊改造傳統心理測量工具，設計出適配AI特性的開放式"自適應大五量表"（Adapted BFI，基于開放性、盡責性等五維人格理論）。為避免選項順序干擾，系統要求LLM生成文本回答而非選擇答案。隨后，專門的AI評分器（AI rater，文本轉數值的評估模塊）通過分析詞匯選擇、句式結構等語言特征，將模糊的文本回復轉化為精確的人格維度分數。驗證實驗顯示，不同LLM在開放性（偏好新穎表達）和盡責性（邏輯嚴謹度）等維度上存在顯著差異，形成獨特的"語言指紋"。該系統已成功應用于商業合規平臺，可自動分析企業環境-社會-治理（ESG）報告的人格傾向特征。研究為AI倫理評估和人機交互優化提供了新范式。研究發表在 Computational Linguistics 上。

#大模型技術 #跨學科整合 #計算模型與人工智能模擬 #人機交互

閱讀更多：

Zheng, Jingyao, et al. “LMLPA: Language Model Linguistic Personality Assessment.” Computational Linguistics, Mar. 2025, pp. 1–42. Silverchair, https://doi.org/10.1162/coli_a_00550

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。