追问daily | 神经影像学证实记忆宫殿原理;Science:狗狗也会偷听

当我们微笑或皱眉时，大脑是如何指挥面部肌肉进行这些复杂运动的？长期以来，科学界认为情绪表达和自主面部运动分别由大脑的不同区域控制。然而，洛克菲勒大学的Winrich Freiwald、Geena R. Ianni和Yuriria Vázquez等人的一项突破性研究推翻了这一假设。研究团队发现，大脑通过一个统一但具有层级结构的皮层网络来生成面部表情，所有相关脑区都参与其中，但各自负责不同的时间动态任务。

该研究利用功能磁共振成像（fMRI）引导的电生理记录技术，精确监测了猕猴在进行自然面部表情（如威胁、咂嘴和咀嚼）时大脑皮层四个关键区域的单神经元活动。研究人员惊讶地发现，无论是通过情感驱动的表情还是自主控制的动作，内侧和外侧皮层区域均被激活，这否定了功能分离的传统观点。关键的区别在于“时间节奏”：外侧的初级运动皮层表现出快速变化的毫秒级动态，直接驱动面部肌肉的实时运动；而内侧的扣带回运动皮层则表现出持续时间更长、更稳定的动态模式，负责维持动作的背景或意图。此外，研究还发现这些脑区在动作开始前就已经活跃，表明它们在预先规划表情。这一发现不仅重塑了我们对面部运动控制的理解，也为开发能够解码面部信号的下一代脑机接口提供了理论基础，有望帮助脑损伤患者恢复交流能力。研究发表在 Science 上。

Science：狗狗也能“听墙角”：天才犬可通过偷听对话学单词

除了人类幼儿，还有谁能通过“偷听”大人说话来学习新词汇？Shany Dror和Ádám Miklósi等人（罗兰大学、维也纳兽医大学）组成的国际研究团队发现，少数被称为“天才词汇学习犬”的狗狗具备这种非凡的社会认知能力。该研究证实，这些拥有大量词汇量的狗狗不仅能通过观察人类之间的互动习得新词，而且这种学习机制在功能上与18个月大的人类婴儿惊人地相似，表明支持语言学习的社会认知技能并非人类所独有。

研究团队对10只“天才词汇学习犬”进行了严谨的实验。在“偷听”实验中，狗狗仅作为旁观者，观察主人与其他人谈论新玩具，结果它们选择正确玩具的准确率高达83%，与直接接受教学时的表现几乎没有差别。相比之下，普通边境牧羊犬则完全无法通过这种方式学习。更令人惊讶的是，研究人员引入了时间不连续性（temporal discontinuity）测试，即先把玩具藏起来，再提及它的名字。结果显示，即使物体和名称没有同时出现，这些天才狗狗依然能建立词汇与物体的对应关系，并在两周后的记忆测试中保持记忆。这一发现挑战了以往关于语言学习机制的认知，揭示了某些非人类物种也能通过复杂的社会线索进行学习。研究发表在 Science 上。

大脑如何感知时间：持续概率计算助你快速反应

无论是应对百米冲刺的发令枪，还是等待红绿灯的切换，我们的大脑都在不断预测未来。Matthias Grabenhorst、David Poeppel和Georgios Michalareas等研究人员（马克斯·普朗克学会恩斯特·斯特伦格曼研究所、法兰克福歌德大学及纽约大学）通过一项新研究揭示了大脑预测时间的奥秘：大脑会持续计算未来三秒内事件发生的可能性，并利用这一评估来准备快速且准确的反应。

研究团队设计了精密的心理物理学实验，通过控制视觉闪光和听觉音调出现的时间概率，测量受试者的反应速度。结果发现两个关键原则：首先，大脑具有“尺度不变性”（scale invariance），即无论事件是在几百毫秒还是几秒后发生，大脑都使用同一套基本的概率计算公式来预测未来。其次，研究发现概率能增强时间感。当事件发生的可能性较高时，大脑对时间的追踪会变得异常精确；而可能性较低时，精确度则会下降。这一发现直接挑战了经典的韦伯定律（Weber's law），后者认为时间感知的精确度不应受概率影响。研究表明，这种基于概率密度的估算机制是人类跨时间尺度预测事件的基础，且独立于视觉或听觉等具体感官通道。研究发表在 PNAS 上。

Science重磅：首张骨骼神经图谱揭示FGF9为愈合关键

当骨骼发生断裂时，剧烈的疼痛往往让人难以忍受，但这些传递痛苦的神经或许正是愈合伤口的关键。约翰·霍普金斯大学医学院的Aaron W. James和Zhao Li等研究人员组成的多机构团队发现，人体的“疼痛警报器”——感觉神经元——实际上具有双重功能。在骨折发生后，这些神经不仅负责向大脑报告创伤，还会发生转变，化身为“重建指挥官”，积极指导细胞重建受损的骨骼。

为了揭示这一机制，研究团队结合了逆行追踪（retrograde tracing，类似于沿着电线寻找断路器）和单细胞RNA测序技术，首次绘制了支配骨骼的感觉神经元图谱。研究显示，背根神经节（DRG）神经元在骨折后会经历动态的功能转换：它们首先作为伤害感受器专注于疼痛感知和炎症反应，随后进入“促再生状态”。在这一阶段，神经元会分泌关键的蛋白质信号，其中成纤维细胞生长因子9（FGF9）被证实为促进骨骼修复的核心因子。实验结果表明，若阻断表达FGF9的神经纤维，会导致血管形成受阻、骨合成细胞生成减少以及新骨矿化失败。这一发现确立了FGF9信号作为骨折修复的关键环节，为未来开发针对老年人或糖尿病患者的骨愈合增强疗法提供了新的靶点。研究发表在 Science 上。

神经影像学证实“记忆宫殿”原理：稳固的空间地图是记忆的锚点

为什么我们在熟悉的地点更容易记住事情？为了揭示空间背景如何辅助记忆编码及其背后的神经机制，Rolando Masís-Obando、Kenneth A. Norman和Christopher Baldassano（哥伦比亚大学、约翰·霍普金斯大学、普林斯顿大学）合作开展了一项研究。他们利用虚拟现实技术构建了“记忆宫殿”，发现大脑对环境的神经表征质量直接决定了新记忆的形成效果，为理解人类如何利用空间知识构建记忆提供了新的科学依据。

研究团队设计了一个包含23个不同房间的虚拟现实（VR）“记忆宫殿”，并利用功能磁共振成像（fMRI）记录参与者的大脑活动。首先，参与者在没有放置任何物品的情况下熟悉这些房间，研究人员借此测量每个房间在参与者大脑中引发的神经活动模式的稳定性和独特性，即“房间可靠性”。随后，参与者在这些房间中记忆新放置的物品。结果显示，如果一个房间在参与者脑中形成的神经地图清晰且稳定（即“地基”牢固），那么放置在该房间的物品在随后的回忆测试中更容易被提取。这种预测甚至可以在物品出现之前就完成。此外，研究还发现带有窗户和角落的小房间更容易形成高质量的神经表征。这表明，通过神经影像技术可以识别知识结构中的“漏洞”，并解释了为何古老的“地点记忆法”如此有效——因为它利用了稳固的空间神经支架来锚定新信息。研究发表在 Nature Human Behaviour 上。

告别动物模型：科学家用电刺激在人脑中“植入”阅读障碍

由于阅读是人类独有的技能，传统的动物模型难以有效模拟阅读障碍，阻碍了相关疗法的开发。Daniel Gallagher、Zian Huang和Shinri Ohta（九州大学）团队提出了一种创新的人类疾病模型。他们通过结合神经影像数据分析与先进的脑刺激技术，成功在健康成年人中安全地模拟了阅读障碍的症状，为解析该疾病的神经机制和开发个性化治疗提供了新途径。

该研究采用了一种独特的数据驱动与神经调控相结合的“两步法”。首先，研究团队分析了大量患者的神经影像数据，识别出与不同阅读障碍亚型相关的特定脑区结构和功能异常。随后，他们利用经颅颞叶干扰刺激（tTIS）技术对健康志愿者进行干预。tTIS是一种新型的非侵入性脑刺激技术，通过在头皮放置电极产生干扰场，能够精准且温和地抑制深层脑区的活动。

实验结果表明，通过系统调整刺激参数，研究人员能够在神经发育正常的成年人中暂时性地“复制”出特定的阅读障碍脑活动模式，并诱发出相应的行为和认知改变。这种方法不仅验证了特定脑区异常与阅读困难之间的因果联系，还克服了动物模型的局限性。这一人类模型的建立，使科学家能够直接观察特定脑网络对阅读行为的影响，从而加速从“一刀切”疗法向针对特定亚型的个性化干预转变。研究发表在 Frontiers in Human Neuroscience 上。

多模态数据融合精准评估意识障碍：诊断与预后的差异化指标

对于遭受严重脑损伤而陷入意识障碍的患者，如何准确判断其是否清醒以及未来能否康复，一直是医学界的难题。Dragana Manasova和Jacobo Sitt所在的巴黎脑研究所团队近期通过一项涵盖欧洲多中心的研究，开发了一种结合人工智能与多种脑影像技术的自动化工具，旨在解决这一困境。他们发现，通过整合不同维度的脑部数据，可以更精确地捕捉患者处于“清醒”与“昏迷”之间的模糊地带，为个性化治疗提供依据。

该研究分析了近400名患者的数据，创新性地结合了六种评估技术，包括高密度脑电图（EEG）、功能和结构磁共振成像（MRI）以及正电子发射断层扫描（PET）。通过机器学习算法处理这些庞杂的数据，研究团队发现了一个关键规律：大脑的功能性测量（如脑电波或代谢活动）能更好地揭示患者当前的意识水平（诊断），而结构性测量（如神经连接的完整性）则更能准确预测患者未来的恢复潜力（预后）。更有趣的是，当不同检查结果出现“分歧”时——例如脑电图显示有意识迹象，但影像学显示结构受损——这往往不是坏事，而是预示着患者体内存在难以被常规手段发现的“意识孤岛”，这类患者最终好转的可能性反而更高。这一发现为临床医生提供了一个统一且强大的分析框架，有助于从复杂的脑状态中寻找康复的希望。研究发表在 Brain 上。

干细胞自带“导航系统”：修复中风损伤的新机制

中风后的大脑损伤难以自我修复，且受损区域形成的疤痕和炎症环境为再生医学带来了巨大挑战。Zhifu Wang和Su-Chun Zhang等研究人员（桑福德·伯纳姆·普雷比斯医学发现研究所，杜克-新加坡国立大学医学院）展开合作，旨在探索如何让移植的干细胞不仅能在受损大脑中存活，还能精准地修复断裂的神经回路。他们的研究成功揭示了移植细胞如何利用内部基因代码在大脑中“导航”并重建功能连接。

研究团队首先开发了一种包含特定小分子和蛋白质的混合物，成功帮助移植的人类皮层祖细胞在中风小鼠大脑的恶劣环境中存活并填充受损空腔。随后，利用病毒追踪和单核RNA测序，结合机器学习算法，研究人员发现了一个惊人的现象：分化后的神经元自带一套独特的“转录代码”。这套代码就像内部指南针一样，指导不同亚型的神经元将轴突精准投射到大脑和脊髓的特定区域。实验显示，拥有正确代码的移植神经元成功重建了皮质脊髓束，并恢复了小鼠的运动功能。当研究人员移除一种名为Ctip2的转录因子后，神经元的投射方向发生了显著改变，进一步证实了基因表达在回路重建中的决定性作用。该发现为开发针对中风等神经系统疾病的下一代细胞疗法提供了重要的理论基础。研究发表在 Cell Stem Cell 上。

不想做讨厌的任务？可能是大脑里的“动机刹车”踩太死了

为何我们在面对写报告或打棘手电话等令人不快的任务时，往往难以迈出第一步？京都大学的研究人员Jung-min N. OH和Ken-ichi Amemori等人通过研究发现了一个存在于大脑中的“动机刹车”回路。该团队揭示了特定的神经通路如何在压力或厌恶情境下抑制行动的启动，这一发现为理解抑郁症、精神分裂症及帕金森病中常见的意志缺乏症状提供了新的神经生物学解释。

研究团队训练猕猴执行两类任务：一种仅含奖励，另一种在奖励之外伴随令人不快的面部喷气惩罚。为了解析大脑如何控制动机，研究人员应用了化学遗传学技术，这是一种利用人工受体和特定药物来精确控制神经元活动的方法。他们特异性地暂时阻断了从腹侧纹状体到腹侧苍白球的神经连接。结果显示，在仅有奖励的任务中，阻断该通路对猴子的行为无影响；但在含有惩罚的任务中，阻断该通路使猴子克服了犹豫，恢复了启动任务的意愿。重要的是，猴子对奖惩价值的判断并未改变，改变的仅是行动的“启动”开关。电生理记录进一步证实，该通路在压力情境下充当“刹车”，过度活跃会抑制行动。这一发现表明，未来或可通过微调该回路来治疗严重的动机丧失。研究发表在 Current Biology 上。

为了满足人工智能日益膨胀的能源需求，Facebook 的母公司 Meta 正在积极布局核能领域。公司近日宣布已与 TerraPower、Oklo 和 Vistra 三家能源公司签署协议，计划在 2035 年前获得高达 6.6 吉瓦（GW，功率单位，1吉瓦可供约75万户家庭用电）的清洁能源供应，这一电量足以维持约 500 万户家庭的日常用电。这些核能将主要用于支持 Meta 正在俄亥俄州新奥尔巴尼建设的 Prometheus 人工智能数据中心，该项目是一个横跨多栋建筑的 1 吉瓦级计算集群，预计将于今年正式投入使用。Meta 在声明中强调，这些合作不仅能为电网注入可靠且稳定的电力，强化美国的核能供应链，还将为建设和运营发电厂创造大量新的就业机会。

具体的合作细节显示了 Meta 对未来能源的长期规划。Meta 将资助 TerraPower 开发两台新型 Natrium 机组，预计最早于 2032 年开始交付电力，并保留了从后续六台机组获取能源的权利。同时，Meta 将从 Vistra 位于俄亥俄州和宾夕法尼亚州的现有核电站购买超过 2.1 吉瓦的电力，这将帮助 Vistra 为其反应堆申请 20 年的许可证延期。引人注目的是，与 Oklo 的合作将致力于在俄亥俄州开发一个 1.2 吉瓦的电力园区，而 OpenAI 的 Sam Altman 正是 Oklo 的主要投资者之一。普林斯顿大学工程系助理教授 Jesse Jenkins 指出，如果不开发新的电源直接让 Prometheus 上线，将会加剧大西洋中部电网的压力并推高电价。此前，该地区用户已因数据中心的扩张面临电费上涨，Meta 此举旨在缓解这一紧张局势。

微软报告：DeepSeek席卷发展中国家，成缩小全球AI鸿沟的关键力量

微软最新发布的一份报告显示，虽然全球生成式AI的采用率已升至16.3%，但发达国家与发展中国家之间的“数字鸿沟”正日益扩大。微软 AI for Good 实验室的首席数据科学家 Juan Lavista Ferres 对此表示担忧，指出全球北方国家的AI普及增速几乎是南方的两倍。然而，中国初创公司 DeepSeek 正在改变这一格局。这家由 Liang Wenfeng 创立的公司，凭借其2025年发布的 R1 模型在科技界引起轰动。由于 DeepSeek 坚持免费和开源的策略，且不收取订阅费用，极大地降低了价格敏感地区的用户门槛，被视为许多发展中国家追赶先进经济体技术步伐的重要推手。 

尽管 DeepSeek 在北美和欧洲因安全考量受到限制，但它在那些美国服务受限或难以触及的市场中却异军突起。报告数据显示，DeepSeek 在中国本土的市场份额高达89%，在白俄罗斯、古巴、俄罗斯和伊朗等地也占据了相当大的比例，这部分归因于其作为华为等中国品牌手机的默认应用。研究人员承认该模型在数学和编程任务上表现出色，但也指出其在政治议题上的回答逻辑与美国模型存在显著差异。微软总结认为，DeepSeek 的崛起表明全球AI的普及不仅取决于质量，更取决于获取的便捷性；开源AI正逐渐演变为一种地缘政治工具，帮助扩大中国在西方平台难以涉足地区的影响力。

密西西比州州长 Tate Reeves 近日宣布，Elon Musk 旗下的人工智能公司 xAI 将在该州绍斯黑文市投资 200 亿美元，建设一座名为 MACROHARDRR 的巨型数据中心。这被誉为该州历史上规模最大的私人投资项目。作为 xAI 在大孟菲斯地区布局的第三座设施，该中心预计将于下月正式投入运营。xAI 首席财务官 Anthony Armstrong 透露，这个庞大的数据中心集群将容纳“全球最大的超级计算机”，其总算力功耗将达到惊人的 2 吉瓦（Gigawatts，功率单位，1吉瓦等于10亿瓦）。州政府对此表示高度支持，认为这将为当地社区创造数百个永久性就业岗位及数千个间接工作机会。 

然而，这一宏大的扩张计划也伴随着争议与挑战。尽管州长办公室在情况说明书中强调环境保护是 xAI 的“核心承诺”，但该项目正面临来自全国有色人种协进会和南方环境法律中心等机构的严格审查，公众对其在孟菲斯社区附近设施产生的空气污染表示担忧，当地反对组织甚至发起了要求关闭运营的请愿。与此同时，为了吸引这一巨额投资，密西西比州依据 2024 年通过的数据中心激励政策，免除了 xAI 项目的所有销售税、企业所得税及特许经营税，当地政府也同意大幅降低房产税。目前，xAI 尚未对外界关心的环境问题做出正面回应，而如此大规模的税收减免所带来的长期经济影响也引发了舆论关注。

面对人类基因组中90%“无药可靶”的蛋白，传统的药物筛选方法因计算量巨大而显得力不从心。清华大学智能产业研究院（AIR）与北京智源人工智能研究院的兰艳艳教授及贾各个博士等研究人员组成的团队，研发出了基于AI的超高速虚拟筛选平台DrugCLIP。该平台通过深度对比学习技术，将生物学问题转化为计算机领域的向量检索问题，彻底重构了药物发现的底层逻辑，实现了全基因组规模的精准筛选。

DrugCLIP的核心创新在于构建了一个共享的向量空间，将蛋白质口袋的3D结构与小分子的化学特征进行对齐，而非像传统方法那样模拟物理对接过程。这一范式转换使得筛选效率提升了1000万倍——单节点仅需一天即可完成10万亿次评分。在验证实验中，针对临床靶点去甲肾上腺素转运体（NET），DrugCLIP筛选出的分子命中率达15%，且经冷冻电镜（cryo-EM）证实了其结合模式。更具突破性的是，针对缺乏实验结构和已知配体的“暗靶点”TRIP12，团队利用AlphaFold预测结构成功筛选出多个活性抑制剂。基于此技术，团队完成了人类历史上首次全基因组虚拟筛选，覆盖约1万个蛋白靶点，并发布了包含200万个高潜力靶点-分子对的GenomeScreenDB数据库，标志着药物研发正式迈入全基因组、系统化的新时代。研究发表在 Science 上。

如何让全身瘫痪的患者在没有外部电源辅助的情况下也能自如地操控轮椅？青岛大学的Lin-Xin Wu、Jun Zhang、Yun-Ze Long以及香港科技大学的Zhi-Yong Fan等人组成的联合研究团队，利用摩擦纳米发电机原理，开发出一种能够通过眨眼收集能量并进行精准眼动追踪的系统。这一突破性成果不仅解决了传统眼动追踪设备依赖电池和无法在暗处工作的难题，更为渐冻症患者及人机交互领域带来了全新的技术方案。

该研究提出了一种名为ET-TENG的自供电眼动追踪系统，其核心在于利用眨眼时眼睑与眼球表面的摩擦来产生能量和信号。传统的眼动追踪技术通常依赖红外线或图像采集，设备笨重且耗电，而ET-TENG通过单电极模式的摩擦纳米发电机，成功将眨眼的机械能转化为电能。实验数据显示，该系统在捕捉眼球运动方向时，能检测到最小2°的眼球偏转角，准确率高达99%，且在600秒后仍能保持-0.62 kV的电势，确保了运行的稳定性。为了提高实用性，研究团队采用了高生物相容性和高透光率的材料，使其佩戴体验接近普通眼镜，并通过软硬件滤波技术消除了环境噪声干扰。这意味着，无论是在强光下还是完全黑暗的环境中，该系统都能稳定工作。这项技术在医疗辅助、智能驾驶疲劳监测以及虚拟现实交互等领域展现出巨大的应用潜力。研究发表在 Cell Reports Physical Science 上。

原子级精准制造：晶体锑触点开启1纳米芯片新时代

随着传统硅基芯片逼近物理极限，如何制造更小、更快的电子器件成为全球关注的焦点。南京大学的王欣然（Xinran Wang）教授团队与合作者在二维半导体领域取得了重大突破，他们开发了一种全新的电极接触技术，解决了制约下一代芯片发展的关键难题。

为了在极微小的尺度上实现高性能连接，研究团队利用分子束外延（Molecular Beam Epitaxy, MBE）技术，在二硫化钼（MoS₂）表面直接生长出超高质量的锑晶体触点。MBE技术如同原子级别的“喷绘”，能够在超高真空下精确控制原子的沉积。实验结果显示，这种方法生成的锑晶体在接触长度缩小至18纳米时，仍能保持极低的电阻（98 Ω µm），且传输长度仅为13纳米。这是目前已知唯一能够满足未来1纳米芯片节点技术指标的二维半导体接触方案，为摩尔定律的延续开辟了新路径。研究发表在 Nature Electronics 上。

利用大模型生成的文本描述解码AI黑箱，提升深度学习透明度

深度学习模型常因决策过程不透明而被称为“黑箱”，如何让其决策依据变得人类可读是当前AI领域的重大挑战。Chaeri Kim, Jaeyeon Bae, Taehwan Kim团队（蔚山科学技术大学）并未局限于分析模型内部结构，而是开发了一种新方法，通过将训练数据转化为人类可读的文本描述来阐明模型的学习机制。这项研究不仅揭示了构成AI学习基础的关键数据特征，还证明了使用经过筛选的高质量描述可以显著提升模型的准确性和稳定性。

为了实现这一目标，研究团队利用大型语言模型和外部知识库为图像生成详细描述，并设计了一种名为文本影响评分（Influence scores for Texts）的新指标来筛选最相关的信息。该指标结合了描述移除后对模型准确率的影响以及描述与图像内容的匹配度——后者通过CLIP评分（CLIP scores）进行评估。实验发现，具有高影响力的描述通常包含物体的核心特征，例如在识别鸟类时，模型更关注喙的形状而非背景颜色。随后，团队通过跨模态迁移分类（cross-modal transfer classification）任务验证了该方法的有效性：仅使用高评分描述训练的模型，在九个不同的数据集上均表现出了更高的准确率和更强的鲁棒性。这一成果为理解模型如何利用文本信息进行决策提供了新的视角。研究发表在 EMNLP 上。

遵循物理守恒定律的离散空间扩散模型

现有的生成式AI模型往往因违反物理定律而难以应用于严谨的科学研究。洛斯阿拉莫斯国家实验室的 Javier E. Santos 和 Yen Ting Lin 等人开发了一种名为“离散空间扩散”的新方法。该团队成功构建了首个严格遵守总质量守恒等物理约束的扩散过程，不仅能生成高质量图像，还能确保数据符合现实世界的科学原理。

传统的生成式扩散模型通过添加噪声来处理数据，这一过程打破了物质守恒定律。为了解决这个问题，研究团队提出的离散空间扩散（Discrete Spatial Diffusion）模型采用了一种全新的机制：它不通过“无中生有”的噪声来生成数据，而是通过在离散空间中重新分配现有的强度单位（例如粒子计数）。这种基于随机跳跃过程（stochastic jump process）的方法，使得模型在正向和反向过程中都能严格保持粒子总数不变。研究人员在地下多孔岩石微观结构和锂离子电池电极（lithium-ion battery electrodes）等复杂科学数据集上验证了该模型。结果显示，该模型不仅能生成结构逼真的样本，还能准确反映电流在电极结构中的流动方式等物理特征，其定量指标与实际观测高度一致。这一成果为石油勘探、碳封存及电池研发等领域提供了强有力的建模工具。研究发表在 NeurIPS 2025 上。

HEPI新报告：利用人工智能打破学科壁垒与科研孤岛

为了解决科学发现转化为现实应用这一漫长且艰难的挑战，Rose Stephenson（英国高等教育政策研究所）与Lan Murdock（Taylor & Francis）联合发布了一份重磅政策报告。该团队通过汇集高等教育领袖、AI创新者及资助者的圆桌讨论成果，并结合多项案例研究，系统评估了人工智能在打破科研与应用壁垒、推动转化研究方面的关键作用与潜在风险。

该报告详细分析了人工智能如何作为催化剂，通过快速处理庞大且复杂的数据集来加速研究进程。特别值得注意的是，报告强调了语义搜索在提高研究可及性方面的价值，这使得跨领域的知识综合变得更加高效。然而，研究并未忽视技术带来的阴暗面，指出了算法偏见、结果不可重复性以及学术诚信等严峻挑战。对此，报告建议相关机构应投资于建立“值得信赖且合乎伦理”的AI系统，并呼吁加强对跨学科研究框架的支持，通过共享基础设施减少重复劳动。只有在透明和负责任的治理下，AI才能真正成为增强而非取代人类专业知识的有力工具。研究发表在 HEPI Policy Note 上。

虚拟现实重塑艺术体验：超现实VR如何重新定义文化旅游

当我们在虚拟世界中漫步于梵高的《星夜》之下，这究竟是一次文化朝圣，还是一场高科技的游戏？为了解开这一谜题，Tingjun Chen、Svetlana Stepchenkova及其团队（佛罗里达大学）深入探究了虚拟现实（VR）技术在文化旅游中的角色。他们试图弄清VR体验究竟是被视为真实旅游的有效替代，还是仅仅被感知为一种单纯的娱乐形式，以及这种感知如何受用户自身对“真实性”偏好的影响。

研究团队设计了一项对比实验，让参与者佩戴Oculus Quest 2头显，分别体验两种截然不同的梵高艺术场景：一种是模拟阿姆斯特丹博物馆的“传统VR”，另一种是基于梵高画作构建奇幻世界的“超现实VR”（Hyperreality VR）。为了获得客观数据，研究人员不仅收集了参与者的问卷反馈，还通过传感器实时监测他们的心率等生理指标。结果显示，超现实VR能引发更强烈的情绪波动和更高的心率，带给用户类似娱乐活动的兴奋与刺激感；而传统VR则更倾向于激发平静、反思性的反应，具有更强的教育属性。有趣的是，研究发现即使是那些通常偏好原汁原味传统体验的“现实主义者”，也对超现实VR表现出了出乎意料的喜爱。这一发现表明，虽然超现实VR偏向娱乐化，但它能通过增强情感共鸣来提升文化旅游的吸引力，甚至可能重塑人们对“真实”体验的定义。研究发表在 Information Technology & Tourism 上。

告别“环境配置噩梦”：AI一天内部署5万个科学工具

长期以来，科学计算领域面临着严峻的“部署瓶颈”：海量的开源工具虽然存在，但因依赖冲突和编译复杂性，往往难以直接运行。针对这一阻碍AI for Science（AI4S）规模化发展的难题，Yi Wang、Zhenting Huang和Linfeng Zhang等研究人员（深势科技 DP Technology、北京科学智能研究院 AI for Science Institute、上海交通大学）开发了名为Deploy-Master的自动化系统。该团队通过构建以执行为中心的基础设施，成功将数万个零散的科学代码仓库转化为可直接调用的标准化工具，为智能体科学的落地奠定了坚实的执行基础。

这项研究的核心在于一套高效的自动化工作流。研究团队设计了搜索智能体从全球代码库中筛选出超5万个候选科学工具，并引入了创新的构建智能体。针对科学软件构建文档缺失或过时的问题，Build Agent采用了双模型辩论机制——即两个大模型相互审查和修正构建方案，从而将构建成功率提升至95%以上。最终，Deploy-Master在一天内成功部署并验证了50,112个科学工具，涵盖170多种编程语言。这些工具已被注册到SciencePedia平台，不仅人类研究者可以直接使用，AI智能体也能将其作为可靠的“行动空间”进行调用。该成果证明了通过标准化基础设施解决科学软件“落地难”的可行性，使工具的可用性不再依赖运气，而是成为可被系统性验证的事实。

400篇文献重磅综述：统一调查“人脑×Agent”记忆系统

为了打破认知神经科学与人工智能之间的学科壁垒，赋予智能体真正“类人”的记忆能力，哈尔滨工业大学、鹏城实验室（Peng Cheng Laboratory）、新加坡国立大学、复旦大学和北京大学的研究人员联合发布了一篇重磅综述。该团队系统性地审视了400篇相关文献，首次将人脑记忆机制与智能体（Agent）记忆进行了统一构建，为设计下一代具备长期成长能力的智能体奠定了理论基石。

该综述不仅仅将记忆视为数据的存储，而是将其定义为连接过去经验与未来决策的认知桥梁。研究团队详细对比了人脑与大语言模型驱动的智能体在记忆机制上的异同，并提出了一套双维度的记忆分类法：基于性质的分类对应人脑的情景记忆与语义记忆，解决“怎么做”与“是什么”的问题；基于范围的分类则区分了任务内的短期工作区与跨任务的永久存储库。在记忆管理方面，文章构建了一个包含提取、更新、检索和应用的精密闭环，模拟了人脑的遗忘与再巩固机制，使智能体能够从碎片化交互中提炼个性化画像并优化决策。此外，研究还深入探讨了记忆系统面临的窃取与投毒攻击威胁，并提出了多模态记忆和跨智能体技能迁移的未来方向。