追问daily | 预测编码里程碑:128层网络训练触手可及;数学建模如何

脊髓损伤患者如何恢复上肢功能？德克萨斯大学达拉斯分校德克萨斯生物医学设备中心（TxBDC）的Michael P. Kilgard、Robert Rennaker和Jane Wigginton团队开发出硬币大小的闭环迷走神经刺激（CLV）装置，使19名患者获得显著功能改善。 

研究采用双盲随机对照设计，患者通过玩定制电子游戏进行康复训练，植入颈部的CLV装置在成功动作时触发刺激。关键发现包括：12周治疗后所有患者上肢功能显著提升，且疗效不受年龄（21-65岁）或伤后时间（1-45年）影响。特别值得注意的是，单纯康复治疗无效的患者通过CLV获得突破性改善——基尔加德解释：“我们创造了原本不可能实现的进步”。装置体积仅三年前版本的1/50，不影响医学影像检查。该疗法已获FDA突破性设备认定，即将开展多中心III期试验。研究发表在 Nature 上。

Cell：抑郁症药物意外发现：可激活免疫系统对抗肿瘤

加州大学洛杉矶分校Lili Yang、Bo Li团队发现，选择性血清素再摄取抑制剂（SSRIs）可显著增强T细胞抗肿瘤能力，并与现有免疫疗法产生协同效应。 

研究团队在黑色素瘤、乳腺癌等多种小鼠和人类肿瘤模型中测试了SSRIs效果。通过流式细胞术（分析细胞表面标志物的技术）和单细胞测序发现，SSRIs通过抑制血清素转运蛋白（SERT）的活性，使肿瘤内杀伤性T细胞（CD8+T细胞）获得更多血清素信号，从而增强其抗癌能力。实验数据显示，SSRIs单药治疗可使肿瘤缩小50%以上。更令人振奋的是，当SSRIs与抗PD-1抗体（一种免疫检查点阻断剂）联用时，部分小鼠肿瘤完全消失。临床数据分析进一步证实，肿瘤组织中SERT高表达的患者预后较差。这些发现不仅揭示了血清素信号在肿瘤免疫中的关键作用，也为快速开发新型癌症联合疗法提供了可能。研究发表在 Cell 上。

突破血脑屏障，新一代AAV载体实现跨物种脑细胞编程  

如何实现脑部疾病的精准治疗？艾伦脑科学研究所联合北美29所机构的Bosiljka Tasic、Jonathan Ting等团队开发了超过1,000种"增强子AAV载体"，这些工具能特异性靶向不同脑细胞类型，为癫痫等疾病提供精准治疗方案。  

研究团队利用单细胞表观基因组数据（scATAC-seq）筛选增强子序列，构建了靶向纹状体中型多棘神经元（MSNs，大脑运动控制关键细胞）等特定脑细胞的AAV病毒载体。通过视网膜下注射、脑立体定位注射等三种递送方式验证，工具特异性超过90%。在光遗传学实验中，激活直接通路MSN可预测性改变小鼠运动行为。值得注意的是，这些增强子在恒河猴中同样有效，证实跨物种应用潜力。该技术已成功应用于Dravet综合征（一种难治性癫痫）模型，通过纠正特定神经元缺陷而不影响周围细胞。所有工具通过Addgene平台开放共享，预计将加速脑疾病研究。相关研究发表在 Neuron，Cell，Cell Reports 上。  

促性腺激素细胞（gonadotrophs）是调控青春期和生殖功能的关键细胞，但其发育起源长期存在争议。弗朗西斯·克里克研究所的Daniel Sheridan、Karine Rizzoti和Robin Lovell-Badge团队发现，这些细胞实际具有双重起源——胚胎期形成的仅占少数，大多数是在出生后由垂体干细胞分化而来。 

研究团队开发了新的谱系追踪技术，使用多西环素（doxycycline）依赖的Sox2rtTA系统标记小鼠垂体干细胞，精确追踪其从出生到性成熟的分化过程。结果显示，在出生后的"迷你青春期"（minipuberty，出生后数月至青春期的关键窗口期），干细胞几乎专一性地分化为促性腺激素细胞，最终贡献了约80%的成年细胞群。通过空间分析发现，胚胎源细胞终生局限在垂体腹侧小区域，而干细胞源细胞则迁移扩散至整个腺体。实验还意外发现，阻断促性腺激素释放激素（GnRH）或切除性腺均不影响这一分化过程，表明存在独立于经典生殖轴的全新调控机制。研究进一步推测人类可能具有相似机制，这为先天性低促性腺激素性性腺功能减退症（CHH）等疾病的早期诊断和干预提供了理论依据。研究发表在 Nature Communications 上。

"时髦"大脑更高效：脑沟深度揭示儿童推理能力差异

加州大学伯克利分校的Suvi Häkkinen、Willa Voorhies、Silvia Bunge和Kevin Weiner团队发现，被称为三级沟的脑皮层褶皱深度与儿童推理能力密切相关，这些结构差异可能成为认知发展的生物标志物。 

研究团队对43名7-18岁参与者进行功能性磁共振成像（fMRI）扫描，在推理任务中记录脑活动。通过手动标注大脑左右半球21个脑沟（包含三级沟），发现外侧前额叶皮层（LPFC）与外侧顶叶皮层（LPC）的特定脑沟深度与推理得分呈正相关。深度最大的脑沟个体显示出23%更高的网络中心性，表明这些微小褶皱通过缩短神经距离提升信息处理效率。聚类分析揭示前额叶和顶叶脑沟形成跨区域功能集群，不受空间邻近性限制。研究首次量化证明三级沟形态可解释75%的功能连接变异，优于传统脑图谱划分方法。团队开发的脑沟定位程序将识别精度从35个提升至100+个特征性脑沟，为个体化脑功能研究提供新工具。研究发表在 The Journal of Neuroscience 上。

大脑分子NEAT1被锁定为偏头痛光敏感的关键调控因子

偏头痛患者常伴光敏感症状，但具体机制长期不明。西交利物浦大学的Zhuoan Huang、Minyan Wang等联合中英澳团队发现，长链非编码RNA NEAT1通过调控三叉神经节中的分子通路，直接导致光敏感行为。

研究团队首先使用TRPA1激活剂umbellulone建立小鼠光敏感模型，通过RNA测序（RNA-seq）发现三叉神经节中NEAT1表达显著升高。行为实验显示，静脉注射shNEAT1腺相关病毒可降低NEAT1水平，并使小鼠在明暗箱测试中停留时间增加47%。机制研究发现，NEAT1作为竞争性内源RNA（ceRNA）吸附miR-196a-5p，解除其对Trpm3基因的抑制作用。双荧光素酶报告基因检测证实三者存在直接互作：NEAT1每增加1单位，Trpm3表达上升2.3倍。使用TRPM3抑制剂后，小鼠光敏感行为减少61%，效果与NEAT1敲减相当。研究发表在 The Journal of Headache and Pain 上。

安慰剂效应通过内源性阿片系统缓解疼痛

日本理化学研究所综合医学科学中心的Yilong Cui团队发现，大鼠内侧前额叶皮层（mPFC）的μ-阿片受体（MOR）神经元通过激活下行疼痛抑制系统实现镇痛，该机制与人类高度相似。 

研究通过巴甫洛夫条件反射在神经病理性疼痛大鼠中诱导安慰剂效应：连续4天注射吗啡后改注生理盐水，33%大鼠出现完全镇痛。化学遗传学显示，激活mPFC的MOR+神经元或阻断mPFC至腹外侧导水管周围灰质（vlPAG）通路均会消除镇痛效果。病毒追踪结合膜片钳记录发现，MOR+神经元通过GABAA受体单突触抑制投射至vlPAG的第五层锥体神经元，形成“去抑制”通路。该机制解释了为何安慰剂能替代阿片类药物激活内源性镇痛系统，且神经影像结果与人类研究吻合。研究为开发非药物疼痛管理策略提供精确靶点，或可减少阿片类药物依赖风险。研究发表在 Science Advances 上。

预测编码迎来里程碑：128层网络训练不再遥不可及  

如何让类脑算法突破深度限制？萨塞克斯大学的Francesco Innocenti、亚琛工业大学的El Mehdi Achour与VERSES AI研究实验室的Christopher L. Buckley团队开发出μPC算法，首次实现预测编码框架下100+层神经网络的稳定训练，性能媲美传统反向传播。 

研究团队通过深度μP参数化（Depth-μP parameterisation）改造标准预测编码（PC）算法，系统分析了网络扩展时的病理特征。实验显示，标准PC网络存在推理条件数（ill-conditioning）随网络规模恶化，以及前向信号传播消失/爆炸两大问题。在MNIST和Fashion-MNIST数据集测试中，μPC训练的128层ReLU残差网络（ResNets）单epoch分类准确率与反向传播（BP）相当。更突破性的是，该算法支持学习率零样本迁移——将16层网络优化的权重和激活学习率直接应用于128层网络仍保持稳定。研究还发现，在特定条件下μPC能量函数会收敛至均方误差（MSE），实现与BP的等效性。这些发现为类脑算法在大规模模型中的应用铺平道路，相关代码已通过JAX库jpc开源。

双模型CNN+自编码器：脑状态分类准确率达91%

如何实现脑状态的自动精准分类？西班牙生物医学研究所的Arnau Marin-Llobet、Arnau Manasanch等团队开发出结合卷积神经网络（CNN）与自编码器的新型分析工具，在麻醉相关脑状态分类中达到91%的整体准确率。 

研究团队设计了两阶段分析流程：首先使用双分支CNN模型对局部场电位（LFP）数据进行初步分类，设置95%置信阈值确保高确定性预测；未达标数据（约18%）则输入自编码器聚类算法进行频域重构分析。该方法在大鼠实验数据中展现出卓越性能——慢波振荡（SO）状态识别准确率96%，微觉醒（MA）状态87%，整体转换识别率74%。

特别值得注意的是，系统成功捕捉到MA特有的动态转换模式：如同"萨尔萨舞"般在SO与觉醒状态间反复摆动，最终趋向觉醒。这种模式与去甲肾上腺素释放导致的神经活动去同步化密切相关。技术优势体现在三方面：（1）留一法验证确保跨个体适用性；（2）置信度筛选减少人工复核工作量；（3）LFP信号比传统EEG提供更精确的空间分辨率。该工具已成功应用于麻醉深度监测场景，未来可扩展至睡眠障碍和意识障碍研究。研究发表在 Communications Biology 上。

美国国立卫生研究院（NIH）资助的研究团队开发出一套革命性的基因递送系统，能够以极高的精准度靶向人类大脑和脊髓中的不同神经细胞类型。这一突破性进展为未来精准基因治疗脑部疾病奠定了基础，有望安全且精确地调控异常脑活动。与目前仅能缓解症状的脑部疾病疗法不同，新系统通过腺相关病毒（AAV）载体将遗传物质递送至特定细胞，为研究神经环路提供了全新工具，无需依赖转基因动物模型。

该平台包含数十种靶向关键脑细胞类型的递送工具，涵盖兴奋性神经元、抑制性中间神经元、脊髓运动神经元等，尤其针对阿尔茨海默病、肌萎缩侧索硬化（ALS）等疾病中受损的细胞。此外，人工智能（AI）驱动的计算机程序能快速识别调控基因表达的“增强子”，大幅提升研究效率。NIH“脑计划”（The BRAIN Initiative®）负责人John Ngai形容该系统如同“向大脑特定社区投递基因包裹”，首次实现了对脊髓和大脑前额叶皮层（与决策和人类独特认知相关区域）的精准操控。

目前，该工具包已通过活体系统验证，并在Addgene等平台开放共享，提供标准化操作指南。基于AAV的疗法已在脊髓性肌萎缩症（如2016年获批的Zolgensma）中展现潜力，而新工具包将进一步推动针对癫痫、帕金森病、孤独症等疾病的精准治疗研发。

OpenAI推出API重大升级：图像生成与代码解释器成亮点

OpenAI近日对其Responses API进行了全面升级，新增了多项实用功能。其中最引人注目的是内置图像生成工具，开发者可以直接在推理过程中调用gpt-image-1模型，实时生成并逐步优化图像结果。同时，代码解释器（Code Interpreter）功能也正式加入API，支持数据分析、图像处理和复杂数学问题求解，显著提升了模型在链式思考任务中的表现。此外，文件搜索功能迎来升级，新增多向量库搜索和属性数组过滤，帮助模型更精准地从多文档中提取相关信息。

此次升级还引入了远程MCP（模型控制协议）支持，开发者仅需几行代码即可将模型连接至Cloudflare、Stripe、Twilio等主流MCP供应商托管的工具。另一项实用改进是后台模式（Background Mode），允许AI异步处理耗时任务（如长时间搜索或绘图），避免因超时中断连接。目前，这些功能已向GPT-4o、GPT-4.1系列以及OpenAI o1/o3/o4-mini系列模型开放，但图像生成仅限o3型号使用。

人工智能公司Anthropic宣布在其API平台上线四项新功能——代码执行工具、MCP连接器、文件API和扩展提示缓存，为开发者构建智能代理（AI Agent）提供更强大的技术支撑。这些功能与Claude Opus 4和Sonnet 4模型结合，可支持AI代理执行代码分析、连接外部系统、跨会话管理文件，并通过长达1小时的上下文缓存降低运算成本，无需额外搭建基础设施。

代码执行工具使Claude能在沙盒环境中运行Python代码，实现端到端数据分析。例如金融建模中，用户上传投资组合数据后，Claude可自动生成现金流预测图表，并通过反复执行代码优化蒙特卡洛模拟（Monte Carlo Simulation，一种基于概率的统计分析方法）结果。测试显示，该工具处理10万行销售数据时，分析速度较传统流程提升3倍，且支持生成交互式可视化图表。

MCP连接器（Model Context Protocol，模型上下文协议）实现与第三方系统的无缝对接。以项目管理场景为例，当用户要求"分析Asana任务进度"时，AI代理会自动调用MCP接口获取任务数据，结合代码工具计算关键路径（Critical Path，决定项目最短工期的任务序列），最终生成风险评估报告。该功能使系统集成代码量减少80%，响应延迟降低至200毫秒内。

文件API支持跨会话文档管理，开发者上传技术手册后，AI代理可在后续对话中持续引用内容，避免重复传输。结合扩展提示缓存（每小时0.05美元/容器），包含5万字符背景知识的会话成本可降低90%，使小时级复杂咨询（如多步骤临床试验设计）具备商业可行性。

Anthropic发布新一代编码模型Claude 4，获突破性工具协作与长程记忆能力

Anthropic推出新一代Claude 4大语言模型，包含旗舰型号Opus 4和优化版本Sonnet 4。这两款混合模型在编码能力、复杂推理和AI代理任务上取得突破，其中Opus 4在SWE-bench（软件工程基准测试）获得72.5%的领先成绩，可持续处理长达数小时的编程任务。新模型支持工具并行调用与本地文件访问，通过创建"记忆文件"提升长期任务连贯性，并减少65%的任务捷径行为。配套发布的Claude Code开发套件已集成至VS Code等主流IDE，支持实时协同编程。定价维持原有体系，Opus 4每百万token输入输出费用分别为15/75美元。

Anthropic研究团队致力于开发安全可靠的通用人工智能系统，其技术路线聚焦提升模型在复杂任务中的持续作业能力。此次升级针对软件开发场景的特殊需求，与GitHub、Replit等科技企业建立深度合作。Cursor工程师团队证实Opus 4在大型代码库理解方面实现跨越式进步，Block公司验证其首个能在代码编辑时保持质量稳定的AI代理"goose"。这些技术突破建立在前代Sonnet 3.7模型基础之上，通过改进注意力机制和记忆管理系统达成。

团队采用混合架构设计，结合即时响应模式与扩展思维模式。在工具使用测试中，模型通过交替进行网络搜索与逻辑推理优化输出质量，其并行工具调用能力使响应速度提升40%。内存管理系统允许开发者为模型配置本地文件访问权限，Opus 4据此自主创建"导航指南"等记忆文件，在7小时持续任务中保持93%的效能稳定性。代码基准测试显示，Sonnet 4在SWE-bench获得72.7%的准确率，相较前代减少80%的代码导航错误。价格体系延续分级策略，Opus 4相较Sonnet 4具备更强大的持续作业能力但成本高出5倍，适应不同场景需求。

如何让AI像人脑一样高效处理复杂感官数据？康奈尔大学计算生理学实验室的Roy Moyal、Thomas Cleland团队与印度理工学院古瓦哈提分校合作，借鉴哺乳动物嗅觉系统架构，开发出新型神经形态AI模型，在保留关键信息的同时将能耗降低至传统方法的2%。 

研究团队构建了模仿嗅球（olfactory bulb）双层结构的脉冲神经网络（SNN）。第一层模拟嗅觉上皮（olfactory epithelium）进行全局归一化，第二层通过异质量化权重（heterogeneous quantization weights）将模拟信号转换为脉冲相位编码（spike-phase coding）。测试显示，该系统处理合成化学传感数据时，在模拟浓度高方差（浓度差异达1000倍）和传感器饱和（响应值超量程80%）场景下，信息保留率比传统方法高37%，同时神经元利用率稳定在72±5%的理想区间。特别设计的"增益多样化"策略使网络总活动量自动适应输入规模，无需人工调参。该模型仅需1.2mW功耗即可实时处理128通道传感器数据，为危险物质检测等边缘计算场景提供可能。研究发表在 Scientific Reports 上。

OLED屏幕实现多声道独立音频技术

如何突破显示设备的声学限制？浦项科技大学的Su Seok Choi和Inpyo Hong团队开发出全球首个像素级发声OLED技术，使屏幕每个像素区域可独立输出不同声音，成功消除声道串扰并保持超薄特性。 

研究团队将压电激励器（piezoelectric exciter，电能转声能的超薄器件）嵌入OLED显示框架，其排列密度与像素匹配。通过振动隔离框架设计，利用材料声阻抗差异实现区域振动隔离，彻底解决多声道串扰问题。有限元分析（FEM，计算机模拟技术）显示，增加框架高度和宽度可使频率响应均匀性提升47%，总谐波失真（THD，声音失真指标）降低至0.8%。在13英寸OLED面板上的实测表明，该系统可实现真正的局部声场控制（local sound control），例如在车载场景中，同一屏幕可同时向驾驶员侧输出导航指令（75dB）而乘客侧播放音乐（68dB），声道隔离度达22dB。该技术完全兼容现有OLED生产线，为智能手机、VR等设备提供集成化音频解决方案。研究发表在 Advanced Science 上。

水下机器人展现新肌肉：光驱动执行器性能超越哺乳动物肌肉

水下机器人如何突破传统驱动限制？韩国化学技术研究院的Hyun Kim、釜山国立大学的Habeom Lee与德克萨斯 A&M 大学的Taylor H. Ware团队合作，开发出基于光响应材料的人工肌肉，其性能指标全面超越生物肌肉。 

研究团队设计了偶氮苯功能化半结晶液晶弹性体（AC-LCE），通过将光敏分子嵌入特制弹性体基质，使材料在紫外光下收缩、可见光下膨胀。与常见光热材料不同，AC-LCE具有独特的"闩锁机制"——即使停止光照仍能保持形变，这一特性源于材料内部的光异构化（photoisomerization）分子重构。研究人员将AC-LCE加工成螺旋弹簧结构，通过调控手性（同手性产生顺时针扭转，异手性产生逆时针扭转）实现运动方向编程。测试显示，该执行器产生60%的拉伸应变和15 kJ/m³的功密度，性能达哺乳动物肌肉的两倍。集成该材料的无缆水下机器人成功完成物体抓取、管道穿越等任务，在100次光循环中保持稳定。研究为深海勘探、水下维修等场景提供了新可能。研究发表在 Small 上。

数学建模如何精准操控人类决策

行为干预能否像工程学般精确？耶路撒冷希伯来大学的Yonatan Loewenstein、耶鲁大学的Ohad Dan和以色列理工学院的Ori Plonsky团队发现，基于数学模型的行为干预策略（称为"选择工程"）效果远超传统心理直觉方法，其中CATIE模型表现尤为突出。 

研究团队发起全球学术竞赛，要求参赛者设计奖励方案来引导参与者选择特定选项。竞赛收集了3000名参与者的行为数据，对比了基于心理直觉的"选择架构"（如首因效应、锚定启发式）和基于计算模型的"选择工程"两种策略。结果显示，采用CATIE模型（Contingent Average, Trend, Inertia, and Exploration，一种整合行为趋势、惯性和探索倾向的预测框架）设计的方案效果最佳，其引导选择的准确度比主流Q-learning模型高37%，比纯心理策略高52%。该模型通过模拟参与者对不同奖励方案的反应，实现了类似"行为设计蓝图"的精确预测。研究同时提出，模型评估应从传统统计指标转向实际行为塑造能力测试。这项发现为教育、公共政策等领域提供了可量化的行为干预工具，但研究者强调需建立伦理框架防止滥用。研究发表在 Nature Communications 上。