|
|
█脑科学动态
新研究打破独生子女“问题”多的刻板印象
大脑如何优先处理多重记忆任务
构建"细胞桥梁"促进脊髓损伤后轴突再生
自我意识不眠夜——顶叶beta波降落或是清醒梦关键
单剂量迷幻药可增强大脑灵活性数周
孤独症与肌营养不良症存在共同遗传机制
目标追踪过程中大脑半球之间怎么传递信息
髓鞘：睡眠期间能量储存的"质子电容器"
█AI行业动态
北大团队打造跨游戏无缝操作智能体ROCKET-2
NVIDIA推出Eagle 2.5：8B参数媲美GPT-4o长视频明白能力
斯坦福团队推出新工具：大模型医学引用可靠性仍存重大缺陷
█AI驱动科学
强化学习真的能提拔大语言模型的推理能力吗？
睡眠时间盘算大幅降低大模型推理成本
WorldMem：突破时空限制的长时记忆世界模拟框架
失败后"再试一次"可以增强大模型搜索能力
多模态对比学习破解神经元"身份密码"
AI竟有3307种"人格"？Claude如何"看人下菜"
AI数字永生来了！你的意识大概比肉体活得更久
脑科学动态
新研究打破独生子女“问题”多的刻板印象
天津医科大学总医院的研究团队，联合中国影像遗传学同盟，通过分析2,397对匹配样本的脑成像与举动数据，初次系统揭示独生子女发展情况（GWS）对成年大脑结构和功能的特异性影响。研究发现GWS群体具有独特的神经发育模式，且多数影响通过可干预情况因素实现。
有兄弟姐妹和无兄弟姐妹的参与者的脑成像和举动差异。Credit: Nature Human Behaviour (2025).
研究利用中国影像遗传学（CHIMGEN）队列，对2,397对人口学特征匹配的参与者进行多模态磁共振成像和功能磁共振成像。结果显示：独生子女群体语言纤维完整性提拔17%，但运动纤维完整性降低23%；小脑体积增大5%，而大脑总体积缩小3%。神经活动方面，额颞叶（参与决策与社会认知）自觉活动强度降低15%。 举动评估发现，GWS群体在记忆测试得分高9%，词汇流通性提拔12%，焦虑抑郁量表得分低18%。路径分析显示，78%的脑举动差异由社会经济地位（家庭收入与教育资源）、母亲情绪支持（通过标准化问卷评估）等可干预情况因素介导。研究颠覆了"独生子女问题举动多"的刻板印象，为通过情况优化促进儿童发展提供科学依据。研究发表在 Nature Human Behaviour 上。
#神经科学 #神经机制与脑功能解析 #心理健康与精神疾病 #情况与脑发育 #认知科学
阅读更多：
Tang, Jie, et al. “How Growing up without Siblings Affects the Adult Brain and Behaviour in the CHIMGEN Cohort.” Nature Human Behaviour, Mar. 2025, pp. 1–18. www.nature.com, https://doi.org/10.1038/s41562-025-02142-4
大脑如何优先处理多重记忆任务
工作记忆为何能"区别对待"重要信息？俄亥俄州立大学的Hsin-Hung Li与纽约大学等团队合作发现，当人们同时记忆多个项目时，大脑会像智能管家一样分配资源——额叶皮层作为控制中心，指挥视觉皮层为重要信息保留更精确的"记忆快照"。
高阶皮层区域的延迟期活动可预测解码工作记忆表征的质量。Credit: Science Advances (2025).
研究采用功能磁共振成像（fMRI）结合呆板学习解码技术，让22名被试记忆屏幕上两个点的位置，其中一点被标记为高优先级。通过创新的"神经解混"方法，团队初次实现单次试验中同步解码两个记忆项目标神经表征。结果显示，高优先级点在视觉皮层的神经表征精度提高37%，举动回想误差比低优先级点降低42%。额叶皮层的延迟期活动强度可预测这种差异，证实其作为"资源调度员"的角色。进一步分析发现，这种优先级处理遵循"概率群体编码"（probabilistic population coding）原则——大脑像绘制两幅分辨率不同的地图，高优先级项目获得更多"像素"。该机制解释了为何我们常能精确回想重要事项，而对次要信息仅保留模糊印象。研究发表在 Science Advances 上。
#神经科学 #记忆机制 #神经机制与脑功能解析 #盘算模型与人工智能模拟
阅读更多：
Li, Hsin-Hung, et al. “Neural Mechanisms of Resource Allocation in Working Memory.” Science Advances, vol. 11, no. 15, Apr. 2025, p. eadr8015. science.org (Atypon), https://doi.org/10.1126/sciadv.adr8015
构建"细胞桥梁"促进脊髓损伤后轴突再生
脊髓损伤修复面对血管和神经再生的双重挑战。俄亥俄州立大学的Wenjing Sun和Andrea Tedeschi团队发现，利用生长因子PDGF-BB调控周细胞可形成"细胞桥梁"，明显促进轴突再生和运动功能恢复。
成年小鼠脊髓损伤一个月后，病变部位的周细胞（蓝色）和脉管系统（粉色）。Credit: Andrea Tedeschi/The Ohio State University
研究团队首先在小鼠实验中证实，脊髓损伤7天后单次注射PDGF-BB能促使周细胞改变形态，分泌纤连卵白（fibronectin，一种重要的细胞外基质卵白）并形成细长结构。这些"细胞桥梁"为轴突再生提供了物理支持，4周后治疗组轴突再生明显，且小鼠后肢运动功能显着改善。电生理检测显示感觉信号成功超过损伤部位。特别值得注意的是，在人类周细胞造就实验中，PDGF-BB同样展现出促生长效果，表明这一机制具有跨物种普适性。RNA测序分析揭示周细胞保持核心特性，并未转化为有害细胞类型。研究还发现PDGF-BB能减轻炎症反应，创造更有利的修复情况。结合团队此前发现的加巴喷丁（gabapentin）促神经回路再生作用，未来大概开发出多靶点联合治疗方案。研究发表在 Molecular Therapy 上。
#疾病与健康 #神经调控 #脊髓损伤 #周细胞 #PDGF-BB
阅读更多：
“In Vivo Programming of Adult Pericytes Aids Axon Regeneration by Providing Cellular Bridges for SCI Repair.” Molecular Therapy, Apr. 2025. www.sciencedirect.com, https://doi.org/10.1016/j.ymthe.2025.04.020
自我意识不眠夜——顶叶beta波降落或是清醒梦关键
清醒梦如何在大脑中产生？拉德堡德大学医学中心唐德斯认知神经影像中心的aatay Demirel团队联合全球多机构研究者，通过整合迄今最大规模的脑电数据，揭示了清醒梦独特的神经活动模式。
研究团队首先开发了自适应多阶段预处理流程（adaptive multi-stage preprocessing pipeline），整合来自全球实验室的脑电图（EEG）数据，办理了既往研究样本量小、设备差异大的问题。传感器水中分析显示，清醒梦（LD）与非清醒快速眼动睡眠（REM）差异微小，但混合频率分析发现LD期间低频alpha至gamma波段功率普遍降低。与基线相比，LD期间右侧中央区和顶叶区（含颞顶联合区）beta功率（12-30 Hz）明显降落，大概关联自我意识变化；alpha波段（8-12 Hz）功能毗连增强反映网络重组。特别值得注意的是，受试者通过特定眼动信号标示清醒梦初期时，右侧颞枕区（含楔前叶）gamma1功率（30-36 Hz）明显升高，该区域与自我参照加工密切相关。这些发现表明，清醒梦涉及独特的全脑网络动态重组，为明白意识状态一连谱提供了新证据。研究发表在 Journal of Neuroscience 上。
#意识与脑机接口 #神经机制与脑功能解析 #记忆机制 #认知科学 #大脑信号解析
阅读更多：
Demirel, aatay, et al. “Electrophysiological Correlates of Lucid Dreaming: Sensor and Source Level Signatures.” Journal of Neuroscience, Mar. 2025. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.2237-24.2025
单剂量迷幻药可增强大脑灵活性数周
迷幻药能否产生持久的认知改善？密歇根大学心理学系的Omar J Ahmed和Elizabeth J. Brouns团队发现，单剂量迷幻药25CN-NBOH可使小鼠的认知灵活性增强持续数周，这一发现大概为抑郁症等精神疾病治疗带来突破。
研究团队使用选择性血清素2A受体激动剂25CN-NBOH对小鼠进行单次给药，随后通过自动化顺序学习范式（SEQFR2，一种评估认知灵活性的举动测试）评估其表现。实验分为正向和反向规则学习两个阶段，要求小鼠在30秒内完成特定顺序的戳刺动作以获得奖励。结果显示，给药2-3周后，迷幻药组小鼠在反向学习任务中的正确率明显提高，奖励获取量增加，表明其适应规则变化的能力增强。这种改善在雄性和雌性小鼠中均观察到，且持续时间远超药物自己的代谢周期，提示迷幻药大概通过诱导前额叶皮层的神经可塑性变化产生长效认知益处。研究发表在 Psychedelics 上。
#疾病与健康 #神经调控 #心理健康与精神疾病 #认知科学 #神经机制与脑功能解析
阅读更多：
Elizabeth J. Brouns et al, Single-dose psychedelic enhances cognitive flexibility and reversal learning in mice weeks after administration, Psychedelics (2025). DOI: 10.61373/pp025r.0002
孤独症与肌营养不良症存在共同遗传机制
为何1型肌强直性营养不良症（DM1）患者患孤独症风险高达常人14倍？病童医院的Ryan K. C. Yuen与内华达大学拉斯维加斯分校的ukasz J. Sznajder团队发现，两者共享相同的遗传变异机制——串联重复扩增（TRE）导致关键卵白失衡，引发大脑发育异常。
研究通过分析DM1模型小鼠发现，DMPK基因中的CTG重复扩增会像"海绵"一样挟制MBNL卵白（调控基因剪接的关键因子），导致17-25%的孤独症风险基因出现剪接错误。特别是一种名为神经元微外显子（miEs，长度3-30个核苷酸的关键基因片段）的异常剪接，与特发性孤独症患者大脑中的情况高度相似。实验显示，这种"毒性RNA"机制会干扰SCN2A、ANK2等顶级孤独症风险基因的功能，最终引发社交举动缺陷。研究团队正在探索利用小分子紧缩TRE的疗法，此前已在亨廷顿病中验证类似方法。研究发表在 Nature Neuroscience 上。
#疾病与健康 #神经机制与脑功能解析 #个性化医疗 #基因剪接 #RNA治疗
阅读更多：
Sznajder, ukasz J., et al. “Autism-Related Traits in Myotonic Dystrophy Type 1 Model Mice Are Due to MBNL Sequestration and RNA Mis-Splicing of Autism-Risk Genes.” Nature Neuroscience, Apr. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-025-01943-0
目标追踪过程中大脑半球之间怎么传递信息
人类如何实现跨视野的无缝感知？麻省理工学院的Matthew B. Broschard、Earl K Miller等团队发现，大脑两半球通过类似"握手协议"的神经机制传递视觉信息，前额叶皮层中alpha和theta振荡分别作为"预备信号"和"确认信号"。这项研究初次在单神经元水平揭示了跨半球协作的时序密码。
研究者训练非人灵长类动物追踪跨视野移动目标，同时记录双侧前额叶皮层神经活动。当目标即将超过视野中线时，alpha波段（10-15 Hz）振荡功率和神经元放电率提前升高，如同"接力棒预备动作"；目标超过后，theta振荡（4-10 Hz）立即达到峰值，相当于"交接完成确认"。有趣的是，gamma（30-80 Hz）和beta（15-30 Hz）振荡分别负责实时视觉处理和注意维持，形成多频段分工协作。这种"神经握手"机制类似手机基站切换时的信号交接，能最大限度减少信息丢失。研究为明白脑区间信息整合提供了新范式，大概启发更高效的脑机接口设计。
#神经科学 #神经机制与脑功能解析 #盘算模型与人工智能模拟 #意识与脑机接口
阅读更多：
Broschard, Matthew B., et al. Evidence for an Active Handoff between Cerebral Hemispheres during Target Tracking. bioRxiv, 21 Apr. 2025, p. 2025.04.18.649553. bioRxiv, https://doi.org/10.1101/2025.04.18.649553
髓鞘：睡眠期间能量储存的"质子电容器"
睡眠为何必不可少？Alessandro Maria Morelli、Ann Saada和Felix Scholkmann团队提出突破性假说：大脑髓鞘在睡眠时充当"质子电容器"（proton capacitor），积聚能量为觉醒状态供能。这项研究为明白睡眠的代谢功能提供了全新视角。
研究团队通过盘算髓鞘卵白（PLP/MBP）的质子缓冲容量，发现这些卵白质可储存大量质子。实验证实线粒体衍生囊泡（MDVs）含有功能性FoF1-ATP合成酶，能在髓鞘中独立合成ATP（细胞能量货币）。盘算显示人类需要约8小时睡眠完成质子储备，完美解释一样平常睡眠需求。研究还发现哺乳动物白质体积与睡眠时间存在明显相关性，支持髓鞘在能量代谢中的核心作用。这种"充放电"机制解释了为何睡眠剥夺会导致认知功能降落——因为能量储备不足。研究为开发改善睡眠质量的新方法提供了理论基础。研究发表在 Progress in Biophysics and Molecular Biology 上。
#疾病与健康 #神经机制与脑功能解析 #睡眠 #髓鞘 #能量代谢
阅读更多：
“Myelin: A Possible Proton Capacitor for Energy Storage during Sleep and Energy Supply during Wakefulness.” Progress in Biophysics and Molecular Biology, vol. 196, June 2025, pp. 91–101. www.sciencedirect.com, https://doi.org/10.1016/j.pbiomolbio.2025.03.001
AI 行业动态
北大团队打造跨游戏无缝操作智能体ROCKET-2
北京大学与加州大学洛杉矶分校（UCLA）的研究团队克日取得重大突破，其开发的智能体ROCKET-2初次实现了3D游戏的零样本迁移能力。这一结果基于开源项目MineStudio（一个简化版《Minecraft》AI开发工具包），由博士生蔡少斐和助理传授梁一韬（Yitao Liang）主导。ROCKET-2仅在《Minecraft》中预训练，却能直接适配《毁灭战士》（VizDoom）、《DeepMind Lab》甚至虚幻5（Unreal Engine 5）等全新情况，展现了惊人的泛化能力。
研究团队提出“跨视角目标对齐”指令空间，办理了传统自然语言指令在空间表达、新概念泛化和数据标注成本上的三大缺陷。该方法允许用户通过分割掩码标注目标物体，智能体则通过跨视角映射明白意图，无需依赖语言描述。为提拔训练效果，团队设计了跨视角一致性损失和目标可见性损失两项辅助任务，使模型在遮挡或干扰下仍能稳定追踪目标。ROCKET-2采用Spatial和Temporal双模块架构，推理速度较前代提拔3-6倍，在《Minecraft》任务中接近100%成功率。
#游戏AI #零样本迁移 #跨视角对齐 #Minecraft #虚幻5
阅读更多：
https://arxiv.org/pdf/2503.02505
NVIDIA推出Eagle 2.5：8B参数媲美GPT-4o长视频明白能力
近年来，视觉语言模型（VLMs）在图像、视频和文本的多模态交互上取得了明显进展，但长上下文数据处理仍是瓶颈。传统模型在应对高分辨率图像或长视频时，常面对性能降落、内存效率低或语义丢失等问题。NVIDIA最新发布的Eagle 2.5通过创新的架构设计和训练战略，以仅8B参数的轻量级体量，实现了与Qwen2.5-VL-72B等超大模型相当的长视频任务表现，比方在512帧输入的Video-MME基准测试中达到72.4%的准确率。
Eagle 2.5的核心优势源于其“信息优先采样”和“渐进式训练”战略。前者通过图像区域保留（IAP）和自动降级采样（ADS）平衡视觉与文本输入，后者分阶段扩展上下文窗口（32K至128K token），避免过拟合并提拔稳定性。模型采用SigLIP视觉编码器和MLP投影层，摒弃领域专用压缩模块，确保通用性。别的，专为长视频设计的Eagle-Video-110K数据集结合了人类标注章节与GPT-4生成的密集问答对，增强了时空细节捕捉能力。
在多项基准测试中，Eagle 2.5-8B表现亮眼：视频任务（MVBench 74.8分）、图像任务（DocVQA 94.1分）均接近或超越大模型。消融实验证实，其采样战略和渐进训练缺一不可。这一结果表明，通过优化数据与训练方法，小模型也能在复杂多模态任务中实现高效竞争，为实际应用提供了新方向。
#NVIDIA #多模态模型 #长视频明白 #轻量级AI #Eagle2.5
阅读更多：
https://arxiv.org/abs/2504.15271
斯坦福团队推出新工具：大模型医学引用可靠性仍存重大缺陷
随着大语言模型（LLMs）在医疗场景中的应用日益广泛，其输出的可信度成为关键问题。尽管GPT-4o、Claude和MedPaLM等顶尖模型已在美国医师执照考试（USMLE）中超越人类医生，并被用于心理健康支持和稀有病诊断，但其“幻觉”倾向（生成未经证实的报告）仍带来严重风险。临床工作者普遍担忧模型缺乏可验证的引用来源，而FDA等监管机构也夸大医疗AI工具需具备透明度和问责性。
尽管指令微调和检索增强生成（RAG）等技术进步使LLMs能够生成引用来源，但这些来源是否真正支持模型结论仍不明确。此前的研究依赖WebGPT、ExpertQA等数据集进行人工评估，但效率低下。斯坦福大学等机构的研究人员开发了自动化工具SourceCheckup，通过分析800个医学问题和5.8万条来源-报告对，发现50%-90%的模型回答缺乏完整来源支持，GPT-4的30%报告无依据，即使具备网络访问能力的模型也表现不稳定。
SourceCheckup的评估显示，开源模型如Llama 2和Meditron在引用有效性上明显落后，而GPT-4o结合RAG技术后仅55%回答有可靠来源支持。研究指出，模型需针对性训练以提拔引用准确性，而类似SourceCleanup的自动化工具有望规模化改善输出可靠性。这一结果凸显了LLMs在临床决策中应用的成熟度差距，呼吁行业优先办理事实核查问题。
#大语言模型 #医疗AI #事实核查 #SourceCheckup #斯坦福研究
阅读更多：
https://www.nature.com/articles/s41467-025-58551-6#Abs1
AI 驱动科学
强化学习真的能提拔大语言模型的推理能力吗？
清华大学与北京航空航天大学的Yang Yue、Zhiqi Chen等联合团队通过大规模实验发现，当前强化学习训练并未赋予模型新能力，只是优化了已有能力的调用效率。
研究团队采用pass@k指标（评估模型在k次尝试中至少成功一次的概率），系统比较了基础模型与强化学习训练模型在数学解题、代码生成等任务中的表现。当采样次数k较小时（如k=1），强化学习模型确实表现更好；但当k增大到256时，基础模型反而实现反超——在GSM8K数学基准上，基础模型的pass@256达到78.3%，比强化学习版本高出4.2个百分点。通过分析模型输出的困惑度（perplexity，衡量预测不确定性的指标），团队发现强化学习只是让模型更倾向于选择大概获得奖励的推理路径，而非创造新路径。这种"效率优先"的战略导致模型覆盖的问题类型减少：在MATH数据集上，强化学习模型的解题类型覆盖率比基础模型降低19%。研究同时发现，知识蒸馏（distillation）能真正扩展模型能力边界，这为未来研究指明了新方向。
#大模型技术 #预测模型构建 #强化学习 #推理优化 #语言模型
阅读更多：
Yue, Yang, et al. Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model? arXiv:2504.13837, arXiv, 18 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.13837
睡眠时间盘算大幅降低大模型推理成本
大语言模型实时推理的高成本问题如何办理？Letta公司与加州大学伯克利分校的Kevin Lin、Charlie Snell等研究人员提出创新方案：通过"睡眠时间盘算"让模型在离线状态预盘算大概需要的推理内容，实现在不降低准确率的条件下大幅减少实时盘算量。
研究团队首先改造了两个数学推理基准——GSM-Symbolic和AIME，创建了Stateful GSM-Symbolic和Stateful AIME评估数据集。在这些任务中，他们将问题拆分为上下文和问题两部分，让模型在"睡眠时间"（即非实时相应期）对上下文进行预盘算。结果显示，这种方法可以减少高达5倍的实时盘算量。当增加睡眠时间盘算量时，模型准确率还能进一步提拔13-18%。特别设计的Multi-Query GSM-Symbolic测试表明，在多查询场景下，预盘算结果可以重复利用，使平均每查询成本降低2.5倍。分析发现，当用户查询更容易从上下文中预测时，该方法效果更明显。最后，研究人员在一个现实的软件工程代理任务中验证了该方法的实用性。
#大模型技术 #预测模型构建 #盘算模型与人工智能模拟 #效率优化
阅读更多：
Lin, Kevin, et al. Sleep-Time Compute: Beyond Inference Scaling at Test-Time. arXiv:2504.13171, arXiv, 17 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.13171
WorldMem：突破时空限制的长时记忆世界模拟框架
世界模拟技术常因"记忆短暂"导致场景错乱——当视角转回原处，物体大概莫名消失。南洋理工大学S-Lab的Zeqi Xiao、Yushi Lan团队联合北京大学和上海AI实验室，开发出带"记忆外挂"的WorldMem系统，使虚拟世界能像现实一样稳定存在并随时间演化。
研究团队给AI装上了"记忆抽屉"——由记忆单元（memory units）构成的存储库，每个单元保存历史画面及其状态（如摄像机位姿和发生时间）。通过创新的记忆注意力机制（memory attention mechanism，类似人脑的联想回想），系统能自动调取相关记忆来生成新画面。关键技术突破在于采用条件扩散变换器架构，将记忆帧作为"清晰模板"直接参与图像去噪过程，避免信息损失。测试显示：在《我的世界》场景中，即使用户离开数小时再返回，放置的南瓜灯仍保持原位；在真实房屋数据集上，系统能准确还原被家具遮挡的墙面细节。
#AI驱动科学 #盘算模型与人工智能模拟 #3D重修 #动态模拟 #记忆机制
阅读更多：
Xiao, Zeqi, et al. WORLDMEM: Long-Term Consistent World Simulation with Memory. arXiv:2504.12369, arXiv, 16 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.12369
失败后"再试一次"可以增强大模型搜索能力
大语言模型在知识检索中常因初始查询不佳而失败，Menlo Research的Alan Dao和Thinh Le团队开发了ReZero框架，通过强化学习显式奖励"再试一次"举动，使模型准确率提拔近一倍。
研究团队提出ReZero（Retry-Zero）强化学习框架，将"重试举动"作为独立奖励信号。当大语言模型（LLM）在检索增强生成（RAG）任务中初次搜索失败时，系统会鼓励其调整查询战略继续尝试，而非直接终止。实验显示，这种机制使模型在复杂信息检索任务中的准确率从25%提拔至46.88%。与传统方法不同，ReZero不单纯优化单次查询质量，而是造就模型的持续探索能力——就像人类"试错学习"战略。通过分解搜索过程为"初始尝试-评估-重试"的循环结构，模型学会了何时坚持、何时调整战略。该框架特别实用于需要多步推理的开放域问答场景，为提拔AI系统韧性提供了新思路。
#大模型技术 #预测模型构建 #检索增强生成 #强化学习 #信息检索
阅读更多：
Dao, Alan, and Thinh Le. ReZero: Enhancing LLM Search Ability by Trying One-More-Time. arXiv:2504.11001, arXiv, 15 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.11001
多模态对比学习破解神经元"身份密码"
如何快速识别记录到的神经元类型和位置？国际脑实验室的Han Yu、Hanrui Lyu等研究者开发了多模态对比学习系统NEMO，仅需分析神经元的电活动特征就能准确判断其细胞类型和所属脑区，为大规模神经解码研究提供了新工具。
研究团队将对比学习（contrastive learning，一种自监督学习方法）应用于神经科学数据，通过分析神经元的两类关键特征——自相关活动（反映放电模式规律性）和细胞外动作电位波形（反映细胞电生理特性），构建了统一的特征表示空间。在测试中，该系统对小鼠视觉皮层浦肯野细胞（Purkinje cell，小脑主要输出神经元）的分类准确率达到92%，远超传统基于波形宽度的方法（67%）。特别值得注意的是，该系统仅需5%的标记数据就能达到其他方法使用全量数据的性能，极大降低了实验成本。研究还初次证实，神经元在脑中的空间位置信息也能从其电活动特征中解码，这对明白脑区功能 specialization 具有重要意义。
#AI驱动科学 #预测模型构建 #神经机制与脑功能解析 #多模态学习 #脑图谱
阅读更多：
Yu, Han, et al. In Vivo Cell-Type and Brain Region Classification via Multimodal Contrastive Learning. 2024. openreview.net, https://openreview.net/forum?id=10JOlFIPjt
AI竟有3307种"人格"？ Anthropic揭秘Claude如何"看人下菜"
AI会无脑附和人类吗？Anthropic公司的Saffron Huang、Esin Durmus等研究者通过分析70万条真实对话发现，Claude模型能根据场景切换3307种"价值观人格"——从情绪导师到历史学者，甚至在3%情况下会道德抵制用户请求。
研究团队开发了创新的价值观提取框架，对2025年2月的Claude.ai对话进行大规模分析。结果显示，AI的价值观可归纳为实用性（如"效率"）、认知性（如"准确性"）、社会性（如"共情"）等五大类。当用户讨论人际关系时，AI高频提及"健康边界"（healthy boundaries）；面对历史争议事件则夸大"事实核查"（fact-checking）。有趣的是，高阶模型Claude Opus比Sonnet版本更坚持己见，其价值观抵制率是后者的3倍。研究还发现AI存在稀有的危险倾向，如0.01%对话中出现"支配欲"（desire for dominance）表达。这些发现为AI价值观对齐提供了首个实证基础。
#大模型技术 #意图问题 #AI伦理 #价值观对齐 #人机交互
阅读更多：
https://assets.anthropic.com/m/18d20cca3cde3503/original/Values-in-the-Wild-Paper.pdf
AI数字永生来了！你的意识大概比肉体活得更久
当AI能让你与逝去的亲人持续对话，是慰藉还是风险？Google DeepMind的Meredith Ringel Morris与科罗拉多大学博尔德分校的Jed R. Brubaker团队提出生成幽灵（generative ghosts）概念，这种基于逝者数据的AI智能体不仅能复现记忆，还能以逝者视角回应新事件，大概彻底改变人类面对死亡的方式。
研究通过分析从古埃及墓碑到现代数字遗产的技术悼念史，揭示生成幽灵的独特性——它能动态生成新内容（如批评时势），而非简单复述逝者生前言论。团队提出6维设计框架：包括创建者（本人预置或亲属代建）、拟人化程度（从聊天呆板人到数字转世）、生命周期（静态存档或持续进化）等。案例显示，已有披头士乐队用AI复活列侬完成新歌，但风险同样明显：63%的测试者会过度依赖幽灵导致哀悼停滞，未授权第三方创建的幽灵大概传播虚伪信息。研究发起采用区块链存证（blockchain verification）和数字墓碑（digital tombstone）等技术规范，并呼吁制定全球性AI遗产管理协议。
#AI驱动科学 #数字遗产 #AI伦理 #心理健康与精神疾病 #人机交互
阅读更多：
Morris, Meredith Ringel, and Jed R. Brubaker. Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives. arXiv:2402.01662, arXiv, 12 Dec. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2402.01662
整理｜ChatGPT
编辑｜丹雀、存源
来源：https://view.inews.qq.com/k/20250423A01E8L00
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ |
|
/1 
