█腦科學動態(tài)

Cell：瘦素敏感神經細胞決定你是不是吃貨

光遺傳學刺激下丘逆轉帕金森病運動障礙

堿基編輯技術成功阻斷亨廷頓舞蹈癥基因突變

為什么撓自己不會笑？神經科學家發(fā)現小腦的防癢開關

人類晝夜節(jié)律仍受季節(jié)影響：現代生活難改生物本能

為兒童設計的fMRI方法意外揭示老年女性大腦健康改善

胎兒大腦連接決定了基因活動的終身性別差異

█AI行業(yè)動態(tài)

Claude 4創(chuàng)紀錄破解"白鯨bug"

█AI驅動科學

人類為何對AI的安樂死決定更苛刻

柔性無線植入物實現個性化慢性疼痛管理

AI助力嬰兒腦齡評估：深度學習實現分鐘級精準檢測

GPT-4在反事實類比推理任務中達到人類水平表現

ChatGPT社交實驗：為何我們更難信任AI？

AI模型為7,000例癌癥患者繪制樣本特異性圖譜

無需外部獎勵的自我推理方法

偽獎勵黑魔法：錯誤信號竟讓LLM推理能力飆升24.6%

腦科學動態(tài)

Cell：瘦素敏感神經細胞決定你是不是吃貨

肥胖治療需要更精準的神經調控靶點。馬克斯普朗克學會的Marie H. Solheim團隊發(fā)現，下丘腦中一類特殊的PNOC/NPY神經元通過瘦素受體（Lepr）調控食欲，這類細胞僅占神經元總數的10%，卻能顯著影響進食行為和體重。

?Credit: Cell (2025).

研究團隊首先利用單細胞RNA測序技術，將小鼠下丘腦弓狀核（ARC）的PNOC神經元分為不同亞群。通過基因編輯選擇性敲除瘦素受體后，小鼠出現暴食和肥胖癥狀，而受體恢復實驗則使體重顯著下降。進一步分析發(fā)現，受體缺失會特異性增加神經肽Y（NPY）在非AgRP神經元中的表達。化學遺傳學激活PNOC/NPY神經元可模擬暴食行為，其效果與激活全部PNOC神經元相當。值得注意的是，這類神經元在人類腦組織中也得到驗證。研究為開發(fā)靶向特定神經回路的抗肥胖藥物提供了新方向，但作者Jens Brüning強調“距離臨床應用仍有很長的路要走”。研究發(fā)表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #肥胖治療 #瘦素信號 #下丘腦神經環(huán)路

閱讀更多：

Solheim, Marie H., et al. “Hypothalamic PNOC/NPY Neurons Constitute Mediators of Leptin-Controlled Energy Homeostasis.” Cell, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.001

光遺傳學刺激下丘逆轉帕金森病運動障礙

帕金森病的運動癥狀治療長期依賴基底神經節(jié)深部腦刺激，但療效機制不明。波鴻魯爾大學Wolfgang Kruse、Stefan Herlitze團隊與馬爾堡菲利普大學Liana Melo-Thomas、Rainer Schwarting團隊合作，首次證實聽覺中樞下丘（IC）通過激活中腦運動區(qū)（MLR）可改善運動功能，為治療開辟新路徑。

研究采用光遺傳學技術，在轉基因大鼠IC區(qū)植入光纖進行精準刺激。通過馬爾堡大學開發(fā)的多電極系統(tǒng)同步記錄發(fā)現，IC刺激后MLR區(qū)67%神經元活動增強，平均突觸傳遞延遲4.7毫秒，證實兩腦區(qū)存在直接功能連接。值得注意的是，24%的MLR神經元反而被抑制，顯示通路調控的復雜性。在行為層面，IC光刺激顯著改善氟哌啶醇誘導的強直狀態(tài)（帕金森病動物模型），且不引發(fā)情緒或基礎活動異常。這種精準調控相比傳統(tǒng)電刺激優(yōu)勢明顯——電刺激會同時激活周圍無關細胞，而光遺傳學僅影響目標神經元。研究為開發(fā)避開退化基底神經節(jié)的新型腦刺激療法奠定基礎，未來或可通過非聽覺通路改善患者步態(tài)障礙。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #神經調控 #跨學科整合 #光遺傳學 #帕金森病

閱讀更多：

Pochapski, José A., et al. “Optogenetic Stimulation of Inferior Colliculus Neurons Elicits Mesencephalic Locomotor Region Activity and Reverses Haloperidol-Induced Catalepsy in Rats.” Scientific Reports, vol. 15, no. 1, Apr. 2025, p. 12649. www.nature.com, https://doi.org/10.1038/s41598-025-96995-4

堿基編輯技術成功阻斷亨廷頓舞蹈癥基因突變

如何阻止導致神經系統(tǒng)疾病的基因突變擴增？麻省理工學院和哈佛大學博德研究所的David R. Liu團隊與波士頓兒童醫(yī)院的Mandana Arbab等合作，開發(fā)出新型堿基編輯方法，成功在小鼠和患者細胞中穩(wěn)定了致病DNA重復序列。

研究團隊采用兩種堿基編輯工具——胞嘧啶堿基編輯器（CBE，可將C?G變?yōu)門?A）和腺嘌呤堿基編輯器（ABE，可將A?T變?yōu)镚?C），在亨廷頓舞蹈癥的CAG重復序列和弗里德賴希共濟失調的GAA重復序列中引入單堿基改變。這些改變模擬了自然發(fā)生的穩(wěn)定突變，打斷了重復序列的連續(xù)性。在患者來源的細胞實驗中，經過編輯的細胞其重復序列長度保持穩(wěn)定甚至縮短，而未經編輯的對照組細胞則持續(xù)擴增。

為驗證體內效果，研究人員使用雙AAV9載體（一種可靶向神經元的腺相關病毒）將編輯器遞送至小鼠模型。結果顯示，編輯后的重復序列在神經系統(tǒng)保持穩(wěn)定，有效阻止了致病擴增。雖然堿基編輯可能在其他基因組區(qū)域產生脫靶效應，但研究發(fā)現大多數脫靶編輯發(fā)生在非編碼區(qū)域，降低了潛在副作用風險。這項技術為研究40多種由類似機制引起的疾病提供了通用工具，有望加速相關治療方法的開發(fā)。研究發(fā)表在 Nature Genetics 上。

#疾病與健康 #個性化醫(yī)療 #基因編輯 #神經科學 #跨學科整合

閱讀更多：

Matuszek, Zaneta, et al. “Base Editing of Trinucleotide Repeats That Cause Huntington’s Disease and Friedreich’s Ataxia Reduces Somatic Repeat Expansions in Patient Cells and in Mice.” Nature Genetics, May 2025, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41588-025-02172-8

為什么撓自己不會笑？小腦的防癢開關

為什么撓癢癢（gargalesis）能引發(fā)大笑卻無法自我觸發(fā)？奈梅亨拉德堡大學唐德斯研究所的Konstantina Kilteni團隊通過建立首個標準化撓癢實驗室，揭示了這一現象背后復雜的神經機制，發(fā)現大腦通過預測自我動作提前抑制癢覺反射，并證實孤獨癥患者的異常反應模式。

研究團隊設計了一套精密的機械撓癢系統(tǒng)：受試者將腳伸入帶孔座椅，由機械棒以標準化力度刺激腳底，同時記錄腦活動（fMRI）和生理指標（心率、出汗等）。實驗證實，當他人實施撓癢時，大腦感覺皮層和社交認知腦區(qū)（如前額葉皮層）協(xié)同激活；而自我撓癢時，小腦會提前發(fā)送抑制信號阻斷癢覺通路。在孤獨癥患者中，這種抑制機制減弱，導致其對輕觸刺激過度敏感。跨物種比較顯示，從大鼠到倭黑猩猩都存在類似反應，暗示撓癢可能具有促進親子情感聯結的進化意義。研究還發(fā)現，6個月大嬰兒已能對母親撓癢產生規(guī)律性笑聲，表明該行為在神經發(fā)育早期即起作用。研究發(fā)表在 Science Advances 上。

#神經科學 #神經機制與腦功能解析 #孤獨癥 #進化生物學 #感知覺

閱讀更多：

Kilteni, Konstantina. “The Extraordinary Enigma of Ordinary Tickle Behavior: Why Gargalesis Still Puzzles Neuroscience.” Science Advances, May 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.adt0350

人類晝夜節(jié)律仍受季節(jié)影響：現代生活難改生物本能

現代生活是否真讓我們擺脫了自然光照的影響？密歇根大學的Ruby Kim、Daniel B. Forger團隊通過分析數千名輪班醫(yī)護人員的可穿戴設備數據，發(fā)現人類晝夜節(jié)律仍保留著對季節(jié)變化的敏感性，這種"野生"特性可能影響從情緒障礙到代謝疾病等多種健康問題。

研究團隊利用"實習生健康研究"項目中3000多名美國住院醫(yī)師的Fitbit數據（包括步數、睡眠和心率），結合數學模型分析發(fā)現：人類實際上擁有兩個生物鐘系統(tǒng)——一個追蹤黎明，另一個追蹤黃昏，二者通過神經遞質（如VIP和AVP）相互協(xié)調。數據分析顯示，夏季到冬季的日照變化會使輪班工作者平均增加63.7%的晝夜節(jié)律失調（circadian misalignment），這種失調與季節(jié)性情感障礙（SAD）癥狀高度相關。

通過唾液DNA檢測，團隊還發(fā)現SLC20A2基因（編碼磷酸鹽轉運蛋白PiT2）的特定變異會影響個體適應能力：攜帶這些變異的醫(yī)護人員在季節(jié)轉換時表現出更嚴重的節(jié)律紊亂。數學建模進一步預測，這種季節(jié)性編碼機制可能導致某些人更快適應新作息，但在頻繁輪班環(huán)境下反而產生更多健康風險。研究為理解輪班工作對健康的差異化影響提供了新視角，并可能指導個性化排班方案。研究發(fā)表在 npj Digital Medicine 上。

#疾病與健康 #個性化醫(yī)療 #心理健康與精神疾病 #神經調控

閱讀更多：

Kim, Ruby, et al. “Seasonal Timing and Interindividual Differences in Shiftwork Adaptation.” Npj Digital Medicine, vol. 8, no. 1, May 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41746-025-01678-z

為兒童設計的fMRI方法意外揭示老年女性大腦健康改善

腦血管健康評估需要更精準的方法，洛杉磯兒童醫(yī)院Borzage實驗室的Bethany L. Sussman團隊測試新型fMRI技術時，發(fā)現絕經后女性大腦血管反應性（CVR）出現反常增強，這一發(fā)現可能改變對女性神經血管老化的認知。

?男性和女性受試者大腦反應性地圖對比了女性大腦中亮黃色（高反應性，健康）區(qū)域與男性大腦中更常見的低反應性區(qū)域（綠色和藍色）。Credit: Borzage Laboratory, Children's Hospital Los Angeles

研究采用血氧水平依賴性腦血管反應性（BOLD-CVR）技術，通過精確調控受試者呼氣末二氧化碳濃度，測量51-83歲53名成年人6個腦區(qū)的血管反應能力。結果顯示，女性絕經后皮層下灰質、白質及雙側海馬區(qū)的血管反應性隨年齡增長顯著提升（P≤0.058），而男性這些區(qū)域未見變化。特別在皮層下灰質和右側海馬，女性CVR值比男性平均高出15-20%（P≤0.048）。研究排除了血壓、藥物等混雜因素影響，推測可能與激素變化或月經相關貧血終止有關。該發(fā)現首次證實女性大腦存在獨特的神經血管適應機制，為開發(fā)性別特異性中風預防策略提供依據。研究團隊計劃將這一原為兒童設計的技術應用于糖尿病、腦瘤等導致兒童血管加速老化疾病的研究。研究發(fā)表在 Stroke 上。

#疾病與健康 #神經機制與腦功能解析 #個性化醫(yī)療 #性別差異 #腦血管老化

閱讀更多：

Sussman, Bethany L., et al. “Sex Differences in the Neurovascular Health of Aging Adults.” Stroke, Feb. 2025. Hagerstown, MD, www.ahajournals.org, https://www.ahajournals.org/doi/10.1161/STROKEAHA.125.051026

胎兒大腦連接決定了基因活動的終身性別差異

男性和女性大腦差異何時形成？赫爾辛基大學芬蘭分子醫(yī)學研究所的Clara Benoit-Pilven、Juho V. Asteljoki等團隊通過大規(guī)模RNA測序發(fā)現，大腦基因表達的性別差異在懷孕前三個月就已形成，并持續(xù)終身。

?Credit: Cell Genomics (2025).

研究團隊分析了1,899個人類前腦樣本的RNA序列數據，包括受孕后5-17周的產前樣本和20-79歲的成人樣本。結果顯示，胎兒大腦中存在3,000多個性別差異表達基因（sex-DE），遠多于成人（約1,000個）。統(tǒng)計模型顯示，近三分之二的性別差異僅在早期發(fā)育階段出現，不到1%僅在成年期出現，其余則持續(xù)存在但效應減弱。進一步分析發(fā)現，產前性別差異富含雄激素和雌激素受體的結合位點，表明早期性激素影響顯著。研究還發(fā)現，逃脫X失活的X染色體基因在整個生命過程中保持女性偏向表達。雖然性別差異基因本身不直接導致神經系統(tǒng)疾病，但它們在與精神分裂癥和多發(fā)性硬化癥等疾病相關的基因調控網絡中過度表達，暗示其可能調節(jié)疾病風險。這些發(fā)現強調了研究發(fā)育過程中基因表達動態(tài)的重要性。研究發(fā)表在 Cell Genomics 上。

#疾病與健康 #神經機制與腦功能解析 #性別差異 #基因表達 #發(fā)育生物學

閱讀更多：

Benoit-Pilven, Clara, et al. “Early Establishment and Life Course Stability of Sex Biases in the Human Brain Transcriptome.” Cell Genomics, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.xgen.2025.100890

AI 行業(yè)動態(tài)

Claude 4創(chuàng)紀錄破解"白鯨bug"：30年老程序員4年未解難題被AI幾小時攻破

一位擁有30年C++開發(fā)經驗的資深程序員ShelZuuz，近日在Reddit上分享了一個令人震撼的故事。他所在團隊在4年前進行6萬行代碼重構后，系統(tǒng)出現了一個被稱為"白鯨bug"的頑固問題——特定著色器在特殊使用條件下會出現渲染錯誤。這位曾在FAANG（硅谷五大科技巨頭：Meta、亞馬遜、蘋果、奈飛、谷歌）工作過的"技術支援"專家，累計花費200小時都未能解決這個難題，甚至連GPT-4.1、Gemini 2.5和Claude 3.7等AI模型也束手無策。

令人驚訝的是，最新發(fā)布的Claude Opus 4配合Claude Code模式，僅用33個提示詞和幾個小時就成功定位并解決了這個bug。AI不僅提供了重構前后的完整代碼對比，還精準指出這是架構層面的兼容性問題——舊系統(tǒng)只是"巧合"支持了這種用法，而新架構沒有考慮到這種"非設計性行為"。Anthropic的開發(fā)者關系主管表示，這類AI解決人類難題的案例未來會越來越常見。

Claude 4系列近期發(fā)布的旗艦款Opus 4展現了驚人的編程能力，其配套的Claude Code智能助手可以理解、瀏覽和修改整個代碼庫，完成修復bug、實現新功能等復雜工程任務。這次突破不僅證明了AI在復雜問題解決上的潛力，也引發(fā)開發(fā)者社區(qū)熱議——價值2.5萬美元的人類工程師工時，被200美元訂閱費的AI在幾小時內超越。隨著AI編碼能力持續(xù)突破，軟件開發(fā)范式正在被重新定義。

#Claude4 #AI編程 #代碼調試 #技術突破 #Anthropic

閱讀更多：

https://www.reddit.com/r/ClaudeAI/comments/1kvgg7s/claude_opus_solved_my_white_whale_bug_today_that/?share_id=-Y9J9Hna8rIemyMsG8Jp9&utm_content=1&utm_medium=ios_app&utm_name=ioscss&utm_source=share&utm_term=1

AI 驅動科學

人類為何對AI的安樂死決定更苛刻

圖爾庫大學Michael Laakasuo團隊聯合多國研究者發(fā)現，在安樂死決策中存在顯著的人機道德判斷不對稱——相同決定由AI提出時接受度更低，這種差異與患者自主權和技術可信度密切相關。

?在“決定關閉生命支持系統(tǒng)”的研究中，存在明顯的線性趨勢，道德認可度在高級人工智能組（醫(yī)療機器人組）中最低，在人機協(xié)作組中最高。Credit: Cognition (2025).

研究團隊在芬蘭、捷克和英國開展8項實驗，向5837名參與者呈現不同醫(yī)療情景。通過對比人類醫(yī)生、AI顧問和AI決策者三種條件發(fā)現：當決定撤除昏迷患者生命支持時，AI組的道德認可度比人類組低15-22%，且該差異不受AI角色影響（無論建議或決策）。但存在兩個例外：當決定維持生命支持時無差異；當患者清醒并自主要求安樂死（如注射致死藥物）時差異消失。進一步分析揭示，這種"人機道德鴻溝"源于雙重認知偏差——參與者普遍認為AI的決策能力不足，且其決策過程缺乏可解釋性。值得注意的是，研究提出了"自主權閾值"理論：當患者能明確表達意愿時，技術偏見可被克服。這些發(fā)現為AI醫(yī)療系統(tǒng)設計提供了關鍵啟示：增強決策透明度和重點應用于高自主權場景可能提升接受度。研究發(fā)表在 Cognition 上。

#認知科學 #意圖與決策 #心理健康與精神疾病 #AI驅動科學

閱讀更多：

“Moral Psychological Exploration of the Asymmetry Effect in AI-Assisted Euthanasia Decisions.” Cognition, vol. 262, Sept. 2025, p. 106177. www.sciencedirect.com, https://doi.org/10.1016/j.cognition.2025.106177

柔性無線植入物實現個性化慢性疼痛管理

慢性疼痛困擾全球20%成年人，而阿片類藥物成癮性和傳統(tǒng)植入設備的手術風險制約治療效果。南加州大學Yushun Zeng、Chen Gong等23人團隊開發(fā)出全球首款超聲波供能、AI調控的柔性植入系統(tǒng)，在動物實驗中實現精準鎮(zhèn)痛。

?UIWI 刺激器。Credit: Nature Electronics (2025).

研究團隊將復合壓電接收器（piezoelectric energy harvester）與微型電路集成于柔性基底，通過外部可穿戴超聲發(fā)射器無線供能。設備搭載的機器學習算法能實時解析腦電信號，將疼痛分為4個等級并自動匹配刺激強度。在自由活動嚙齒類實驗中，系統(tǒng)對機械性疼痛（mechanical allodynia）的抑制效果達82%，且刺激參數可隨動物行為狀態(tài)動態(tài)調整。值得注意的是，植入物厚度僅0.3毫米，彎曲半徑達5毫米，完美貼合脊髓曲面。持續(xù)6個月的測試顯示，設備未引發(fā)炎癥或組織纖維化。這項技術突破為3000萬藥物難治性疼痛患者帶來新希望。研究發(fā)表在 Nature Electronics 上。

#疾病與健康 #神經調控 #個性化醫(yī)療 #AI驅動科學 #疼痛管理

閱讀更多：

Zeng, Yushun, et al. “A Programmable and Self-Adaptive Ultrasonic Wireless Implant for Personalized Chronic Pain Management.” Nature Electronics, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-025-01374-6

AI助力嬰兒腦齡評估：深度學習實現分鐘級精準檢測

蒙特利爾大學心理學系的Sarah Lippé團隊聯合多國研究人員，開發(fā)出基于深度學習的腦電圖（EEG）分析系統(tǒng)，可在幾分鐘內精準預測嬰兒腦齡，誤差僅1個月。該系統(tǒng)已成功識別出大頭畸形患兒的發(fā)育延遲。

?機器學習方法的總體示意圖。Credit: NeuroImage (2025).

研究團隊采集了272名3-14月齡嬰兒的靜息態(tài)EEG數據，其中包含53名大頭畸形（macrocephaly）患兒。通過對比傳統(tǒng)機器學習與深度學習模型發(fā)現：傳統(tǒng)方法需人工提取328個特征（包括delta/theta/alpha頻段功率、信號非線性特征等），而端到端的深度學習模型直接分析原始EEG信號，自動捕捉發(fā)育相關的腦電模式。結果顯示，深度學習模型預測腦齡的平均絕對誤差（MAE）僅1個月（95%CI:0.88-1.15），相關系數r=0.82。關鍵發(fā)現包括：α波（6-9Hz，與注意功能相關）隨月齡增長而增強，δ波（0.5-2.5Hz，深度睡眠標志）占比下降。臨床驗證表明，大頭畸形患兒的腦齡差（BAG）平均延遲2.3個月，且BAG與18月齡時的適應性行為量表（ABAS-II）評分顯著負相關。該系統(tǒng)僅需2分鐘EEG記錄即可完成評估，為發(fā)育障礙的早期篩查提供了高效工具。研究發(fā)表在 NeuroImage 上。

#疾病與健康 #預測模型構建 #個性化醫(yī)療 #神經調控 #早期干預

閱讀更多：

“Electroencephalography Estimates Brain Age in Infants with High Precision: Leveraging Advanced Machine Learning in Healthcare.” NeuroImage, vol. 312, May 2025, p. 121200. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121200

GPT-4在反事實類比推理任務中達到人類水平表現

加州大學洛杉磯分校的Taylor W. Webb、Keith J. Holyoak和Hongjing Lu團隊通過反事實字母串類比實驗發(fā)現，當賦予代碼執(zhí)行能力后，GPT-4能解決需要精確計數的復雜類比問題，表現與人類相當。

?字母表打亂后的字母串類比結果。Credit: PNAS Nexus (2025).

研究采用特殊設計的字母串類比任務，要求模型基于虛構字母表（如[xylkwbfztnjrqahvgmuopdics]）識別字母位置關系。標準GPT-4因計數困難準確率僅21.7%，但具備代碼執(zhí)行（code execution）能力的變體可自主編寫計數程序，將字母轉換為序列索引，準確率躍升至人類水平（約80%）。控制實驗顯示，禁用代碼執(zhí)行功能后模型性能立即回落，證實計數能力是關鍵瓶頸。有趣的是，模型能像人類一樣為正確答案提供合理解釋，且38%的錯誤源于應用其他有效規(guī)則（如間隔2而非1），表明其真正理解而非簡單模仿類比關系。研究還發(fā)現思維鏈（chain-of-thought）提示能部分提升性能，但效果不及代碼執(zhí)行。這些結果支持LLM通過結構化操作和涌現的關系表征實現類比推理的觀點。研究發(fā)表在 PNAS Nexus 上。

#大模型技術 #計算模型與人工智能模擬 #認知科學 #類比推理 #代碼增強

閱讀更多：

Webb, Taylor W., et al. “Evidence from Counterfactual Tasks Supports Emergent Analogical Reasoning in Large Language Models.” PNAS Nexus, vol. 4, no. 5, May 2025, p. pgaf135. Silverchair, https://doi.org/10.1093/pnasnexus/pgaf135

ChatGPT社交實驗：為何我們更難信任AI？

大型語言模型正在重塑人類社交方式，但其介入人際互動會引發(fā)何種心理反應？Fabian Dvorak團隊通過大規(guī)模實驗發(fā)現，當人們明確知曉社交對象是AI時，會表現出顯著的信任與合作意愿下降，這種"算法厭惡"現象在3,552人的博弈實驗中得到驗證。

研究團隊設計了包含最后通牒游戲（Ultimatum Game）、囚徒困境（Prisoner's Dilemma）等五種經典博弈的在線實驗平臺。參與者被隨機分配與人類或ChatGPT代理對戰(zhàn)，其中AI代理代表真實人類做出決策。實驗設置六種處理條件：透明隨機（50%概率AI介入）、透明委托（自主選擇AI代理）和不透明委托（隱藏代理狀態(tài)），每種條件又分為個性化定制組和非定制組。

結果顯示，知曉對手為AI的組別在所有博弈中均表現出行為改變——最后通牒游戲的出價減少19%，信任游戲的資金返還率降低27%，囚徒困境的合作率下降34%。有趣的是，68%參與者在可選條件下仍選擇委托AI決策，尤其在非透明情境下委托率更高。后續(xù)的圖靈測試證實，純行為數據中人類與AI決策難以區(qū)分（準確率接近隨機），但結合文字解釋后識別率顯著提升。研究發(fā)表在 PNAS Nexus 上。

#認知科學 #意圖與決策 #大模型技術 #社會行為學

閱讀更多：

Dvorak, Fabian, et al. “Adverse Reactions to the Use of Large Language Models in Social Interactions.” PNAS Nexus, vol. 4, no. 4, Apr. 2025, p. pgaf112. Silverchair, https://doi.org/10.1093/pnasnexus/pgaf112

AI模型為7,000例癌癥患者繪制樣本特異性圖譜

卡內基梅隆大學的Caleb N. Ellington、Benjamin J. Lengerich團隊開發(fā)出"情境化網絡推斷"框架，首次實現對7,997例腫瘤樣本的基因調控網絡（GRN）個性化建模，為精準醫(yī)療提供新工具。

研究突破傳統(tǒng)GRN分析需要大樣本量的限制，創(chuàng)新性地采用多任務學習范式。通過整合臨床表型（patient demographics）、分子特征（somatic mutations）和腫瘤微環(huán)境（tumor microenvironment）等12類上下文數據，系統(tǒng)構建了樣本特異性網絡模型。技術核心是將三種經典網絡模型（相關性網絡Correlation、馬爾可夫網絡Markov、鄰域選擇網絡Neighborhood Selection）統(tǒng)一為可微分目標，利用深度神經網絡動態(tài)生成網絡參數。在TCGA數據庫驗證中，模型不僅準確預測25種癌癥類型的調控網絡，還能泛化至未見腫瘤類型（準確率提升37%）。

關鍵發(fā)現包括：識別出11個新型預后亞型，其中三陰性乳腺癌的"網絡脆弱性"特征使患者5年生存率預測精度提高至82%；揭示EGFR突變通過重構轉錄因子（transcription factors）互作網絡而非單一通路驅動腫瘤進展。團隊同步開源了SKLearn風格Python工具包和交互式可視化平臺。研究發(fā)表在 PNAS 上。

#AI驅動科學 #個性化醫(yī)療 #腫瘤異質性 #基因調控網絡

閱讀更多：

Ellington, Caleb N., et al. “Learning to Estimate Sample-Specific Transcriptional Networks for 7,000 Tumors.” Proceedings of the National Academy of Sciences, vol. 122, no. 21, May 2025, p. e2411930122. world, www.pnas.org, https://doi.org/10.1073/pnas.2411930122

無需外部獎勵的自我推理方法

如何讓大語言模型不依賴外部監(jiān)督實現自我提升？加州大學伯克利分校的Xuandong Zhao、Zhewei Kang、Sergey Levine、Dawn Song與耶魯大學的Aosong Feng團隊開發(fā)了INTUITOR方法，通過模型自身置信度作為獎勵信號，在數學和代碼生成任務中展現出卓越性能。

研究提出的INTUITOR方法創(chuàng)新性地利用大語言模型自我置信度（self-certainty，即模型輸出分布與均勻分布的KL散度）作為內在獎勵信號。該方法改造了現有的Group Relative Policy Optimization（GRPO）框架，完全摒棄了傳統(tǒng)方法依賴的外部驗證獎勵。實驗使用Qwen2.5系列模型，在MATH數學數據集訓練后，INTUITOR在GSM8K和MATH500等數學推理任務上達到與GRPO相當水平，且無需任何標準答案監(jiān)督。更引人注目的是其跨領域表現：在LiveCodeBench代碼生成任務中相對提升65%（GRPO無提升），在CRUXEval評估中提升76%（GRPO僅44%）。特別值得注意的是，一個原本在代碼生成上得分為0%的Qwen2.5-1.5B小模型，經過INTUITOR訓練后準確率提升至9.9%，展現出該方法強大的泛化能力。這些結果表明，預訓練語言模型蘊含的潛在行為先驗比先前認知更為豐富。

#大模型技術 #自動化科研 #跨學科整合 #無監(jiān)督學習 #AI推理

閱讀更多：

Zhao, Xuandong, et al. Learning to Reason without External Rewards. arXiv:2505.19590, arXiv, 26 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.19590

偽獎勵黑魔法：錯誤信號竟讓LLM推理能力飆升24.6%

強化學習（RL）必須依賴高質量獎勵信號？華盛頓大學、AI2研究所和加州大學伯克利分校的聯合研究團隊挑戰(zhàn)了這一傳統(tǒng)認知。他們發(fā)現，對特定大語言模型（如Qwen-Math）使用完全隨機甚至錯誤的獎勵信號，竟能使其數學推理性能最高提升24.6%，代碼推理準確率從66.7%躍升至90%。

研究設計了三種偽獎勵（Spurious Rewards）方案：格式獎勵（僅檢測\boxed{}數學格式）、隨機獎勵（random.random()生成）、錯誤獎勵（故意提供錯誤答案）。在MATH-500等基準測試中，Qwen2.5-Math-7B模型展現出驚人適應性——錯誤獎勵提升24.6%，隨機獎勵提升21.4%。進一步分析發(fā)現，這種"黑魔法"源于GRPO算法中的裁剪（clipping）機制，它能觸發(fā)模型集中發(fā)揮預訓練獲得的優(yōu)勢策略（如代碼推理）。但效果具有強烈模型特異性：Llama3僅提升1.3%，OLMo2性能反而下降。研究顛覆了RLVR領域對獎勵質量的固有認知，提示模型預訓練特性可能比獎勵信號質量更重要。

#大模型技術 #預測模型構建 #強化學習 #數學推理 #模型特異性

閱讀更多：

https://rethink-rlvr.notion.site/Spurious-Rewards-Rethinking-Training-Signals-in-RLVR-1f4df34dac1880948858f95aeb88872f

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(qū)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(chuàng)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(yī)院、上海市精神衛(wèi)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(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。