追問daily | 是腸道在指揮大腦讓你更嘴饞；全球精神障礙患病率30年激增

█ 腦科學動態

Science：腸道不僅負責消化，更是精準調節營養攝入的感知中樞

全球精神障礙患病率30年激增，11.7億人受影響

經皮耳迷走神經刺激改善行動不便患者的康復治療

24小時血壓變異性過大可破壞血腦屏障并加速認知衰退

急性心肌梗死的神經代價：甲基乙二醛誘發腦干炎癥

絕經后腦雌激素流失改變細胞外基質，加劇女性阿爾茨海默病風險

█ AI行業動態

幾百美元破解56年數學謎題：谷歌AI一口氣解決了9道懸賞題

馬斯克1.5萬億參數Grok 5曝光，灌入海量Cursor數據

█ AI驅動科學

將代碼作為智能體腳手架：邁向可執行、可驗證和狀態化的AI智能體系統

機器學習預測全新鎵基電子材料

安全微調究竟改變了什么？靶向神經元揭示模型內部轉化

MeMo框架為大模型打造專屬外掛記憶

懂得知之為知之：MetaCogAgent框架賦予AI智能體元認知能力

AI客服穿幫會讓顧客感到毛骨悚然

大模型能預知科學未來嗎？新基準CUSP揭示前沿模型預測局限

智能體技能優化器SkillOpt：像訓練神經網絡一樣優化提示詞

腦科學動態

Science：腸道不僅負責消化，更是精準調節營養攝入的感知中樞

動物缺乏蛋白質時如何精準尋找必需營養素？Boram Kim與SUH Seong-Bae等研究人員（韓國基礎科學研究院等機構）揭示了腸道感知營養缺乏并引導大腦改變攝食偏好的機制，發現了由神經與激素共同介導的全新腸腦交互通路。

? 蛋白質缺乏會觸發果蠅腸道上皮細胞釋放肽 CNMa，從而啟動腸-腦通訊。這種腸-腦信號傳導建立了一個正反饋回路，維持神經元活動和 CNMa 的產生。Credit:Institute for Basic Science

研究團隊利用果蠅和小鼠模型展開實驗。當果蠅缺乏膳食蛋白質時，其腸道細胞會釋放一種多肽激素CNMa。該過程包含兩條互補路徑：第一條是快速神經回路，CNMa激活特定的腸神經元，直接向大腦傳遞氨基酸缺乏信號；第二條是較慢的激素路徑，CNMa進入血液循環到達大腦，持久維持動物對必需氨基酸的強烈食欲。此外，CNMa信號還會抑制大腦中的DH44糖敏感神經元，使受試動物對碳水化合物失去興趣，進而優先攝取蛋白質。小鼠實驗證實該機制在哺乳動物中高度保守，即使小鼠缺乏FGF21（fibroblast growth factor 21，一種長期被認為在控制蛋白質攝入中起核心作用的內分泌激素），它們依然對特定氨基酸表現出顯著偏好。這表明生物體內存在此前未知的獨立營養感知系統，為肥胖與代謝障礙的干預提供了全新切入點。研究發表在 Science 上。

#疾病與健康 #神經機制與腦功能解析 #腸腦軸 #營養選擇 #攝食行為

閱讀更多：

Kim, Boram, et al. “Complex Interplay of Neuronal and Hormonal Gut-Brain Responses to Essential Amino Acid Deficit.” Science, vol. 392, no. 6800, May 2026, p. eadv3355. science.org (Atypon), https://doi.org/10.1126/science.adv3355

全球精神障礙患病率30年激增，11.7億人受影響

精神障礙已成為全球人口致殘的主要原因之一，但其過去幾十年的流行趨勢和疾病負擔演變情況仍需更精確的量化評估。GBD 2023 Mental Disorder Collaborators基于大規模的全球數據整合，系統揭示了過去三十年間全球精神障礙患病率的大幅上升情況，強調了應對全球心理健康危機的迫切需求。

該項研究基于2023年全球疾病負擔數據的系統分析，采用貝葉斯元回歸分析，對包含抑郁、焦慮、精神分裂癥等在內的12種精神障礙進行了評估。研究通過疾病權重計算了患病率及傷殘調整生命年（DALYs，即因早死或殘疾而損失的健康生命年）。結果顯示，2023年全球精神障礙患者高達11.7億，相較1990年病例數猛增百分之九十五點五，年齡標準化患病率上升百分之二十四點二。其中，重度抑郁和焦慮障礙的增幅最為顯著。精神障礙貢獻了全球疾病總負擔的百分之六點一，從1990年的第十二位躍升至全球第五大疾病負擔來源。從人口學特征來看，女性的精神疾病負擔顯著高于男性；而在年齡分布上，該負擔在15至19歲青少年群體中達到頂峰。這些數據凸顯了精神健康問題的嚴重性及跨越地域的普遍性，特別是在中低收入國家，亟需建立更完善的公共監測與預防治療體系。研究發表在 The Lancet 上。

#疾病與健康 #心理健康與精神疾病 #公共衛生 #全球疾病負擔 #流行病學

閱讀更多：

Santomauro, Damian F., et al. “Updated Trends in the Global Prevalence and Burden of Mental Disorders, 1990–2023: A Systematic Analysis for the Global Burden of Disease Study 2023.” The Lancet, vol. 407, no. 10543, May 2026, pp. 2040–64. www.thelancet.com, https://doi.org/10.1016/S0140-6736(26)00519-2

經皮耳迷走神經刺激改善行動不便患者的康復治療

針對行動不便患者的神經康復干預中經皮耳迷走神經刺激如何與運動系統相互作用這一問題，蘇黎世聯邦理工學院的Cléo Perrin、Dane Donegan和Paulius Viskaitis團隊開展了實驗研究。結果表明，與運動同步的經皮耳迷走神經刺激能夠選擇性地激活受試者大腦的運動相關回路，而不會產生廣泛且非特異性的自主生理激活效應。

? 示意圖展示了手指敲擊實驗的裝置，包括參與者佩戴的用于測量腦電活動的帽子、耳內迷走神經刺激電極的放置位置，以及計算機如何引導參與者完成任務并捕捉其手指運動。Credit: JNeurosci (2026).

研究團隊開展了兩組實驗，共招募36名健康受試者。在首個實驗中，計算機系統隨機指示受試者敲擊手指或保持靜止，同時施加兩秒鐘的經皮耳迷走神經刺激（taVNS，一種通過耳部皮膚微電流作用于迷走神經末梢的非侵入性神經調節手段）。結果顯示，在受試者運動期間同步施加taVNS，其腦電圖感覺運動活動顯著增加；而將電極移至耳垂對照組則無此增強效果。在刺激期間，受試者瞳孔出現明顯的相位性擴張，表明中樞神經受到喚醒，但心率和皮膚電反應等自主神經指標并未受到運動本身之外的額外影響。為進一步驗證這種運動狀態依賴的特異性，第二項實驗在受試者保持靜止時，利用經顱磁刺激激活運動通路，發現同步施加taVNS能瞬時提高皮質脊髓的興奮性，誘發了更強的手指肌肉收縮反應。該研究證實了短暫的外周神經刺激能精準放大執行任務時的運動回路信號，為優化結合物理治療的神經康復策略提供了重要的機制依據。研究發表在 JNeurosci 上。

#疾病與健康 #神經調控 #運動康復 #非侵入性干預 #腦科學

閱讀更多：

Perrin, Cléo, et al. “Transcutaneous Auricular Vagus Nerve Stimulation during Movement Selectively Activates Motor Circuitry without Additional Cortical or Autonomic Effects.” Journal of Neuroscience, May 2026. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.2251-25.2026

24小時血壓變異性過大可破壞血腦屏障并加速認知衰退

全天候的血壓波動會如何影響大腦？Madeline Gibson和Matthew Paul Pase等（莫納什大學）發現，24小時內血壓頻繁波動與大腦認知能力變差及早期腦血管損傷密切相關。

研究團隊對225名55至80歲無癡呆癥的社區居民進行了橫斷面分析。利用連續動態血壓監測（ambulatory BP monitoring，一種隨身佩戴并在全天候自動定時測量血壓的便攜醫療設備）追蹤參與者的血壓變異性。同時結合神經心理學測試與多模態磁共振成像技術，評估其認知功能與大腦微觀結構變化。

結果顯示，24小時及清醒時的血壓波動越大，參與者的整體認知與執行功能越差，這種功能減退程度約等同于大腦額外衰老七年。較高的24小時平均血壓與腦白質高信號顯著相關；而高頻率的血壓波動還會直接導致血腦屏障的通透性增加與完整性受損。此外，攜帶APOE ε4基因（一種顯著增加阿爾茨海默病發病率的遺傳變異因子）的人群對血壓波動引起的結構性腦損傷更為敏感。研究發表在 Neurology 上。

#疾病與健康 #健康管理與壽命延長 #心血管健康 #認知衰退 #腦科學

閱讀更多：

Gibson, Madeline, et al. “Association of 24-Hour Blood Pressure Variability With Cognition and Brain MRI Markers of Structural Change in Adults in Mid- to Late-Life.” Neurology, vol. 106, no. 10, May 2026, p. e214935. neurology.org (Atypon), https://doi.org/10.1212/WNL.0000000000214935

急性心肌梗死的神經代價：甲基乙二醛誘發腦干炎癥

心肌梗死不僅損害心臟，還會大幅增加抑郁和認知衰退等神經系統疾病的風險，但其心腦相互作用的特定分子驅動因素仍不清晰。Ramis Ileri、Xixi Guo 和 Erik J. Suuronen（渥太華大學心臟研究所）發現心臟組織受損后釋放的高活性毒性分子會迅速在大腦中積聚并引發嚴重的神經炎癥，揭示了由于心臟病發作增加長期神經系統疾病風險的新途徑。

? (A) 對小鼠進行冠狀動脈結扎手術以誘導心肌梗死，并在心肌梗死后 6 小時和 7 天收集腦組織。(B) 將腦組織解剖成五個不同的區域，并制備用于分子分析或固定用于免疫組織化學分析。Credit: Advanced Science (2026).

研究人員對小鼠進行了冠狀動脈結扎手術以誘發心肌梗死（MI），并在術后6小時和7天收集腦組織。通過將大腦分為腦干、大腦皮層和海馬體等五個區域進行分子分析，結果表明，心臟受損后產生的高活性副產物甲基乙二醛（MG）會在血液中大量積聚并迅速侵入大腦。其中，腦干區域的MG積累量最高。這種毒性積累觸發了劇烈的神經炎癥，主要表現為晚期糖基化終末產物受體（RAGE，一種介導炎癥和細胞損傷的細胞表面受體蛋白）的異常激活、炎癥因子核因子κB的表達增加，以及小膠質細胞的大量活化。此外，該病理過程具有顯著的性別差異，雄性小鼠在絕大多數腦區中的MG積累量和炎癥程度均遠高于雌性。目前研究團隊已開發出一種專門捕獲MG的肽類候選藥物，期望借此保護腦功能并降低患者未來的心臟事件風險。研究發表在 Advanced Science 上。

#疾病與健康 #神經機制與腦功能解析 #心腦軸 #神經炎癥 #甲基乙二醛

閱讀更多：

Ileri, Ramis, et al. “Methylglyoxal Accumulation Is Associated with Brain Inflammation after Myocardial Infarction with Sex and Regional Differences.” Advanced Science, n/a, no. n/a, p. e22584. Wiley Online Library, https://doi.org/10.1002/advs.202522584

絕經后腦雌激素流失改變細胞外基質，加劇女性阿爾茨海默病風險

為什么阿爾茨海默病在女性群體中更為高發？絕經后雌激素水平下降是否是引發認知衰退的關鍵？西北大學（Northwestern University）的Hongxin Dong、Serdar E. Bulun和Hong Zhao團隊發現，大腦局部雌激素的流失會特異性地改變老年女性大腦的細胞外基質，從而損害記憶功能，這為理解女性高發腦部疾病提供了重要生物學證據。

該研究團隊使用了基因工程小鼠模型，將小鼠全身或僅在大腦中敲除芳香化酶。研究人員對比了年輕與老年以及雄性與雌性小鼠在腦雌激素流失后的表現。行為學實驗顯示，僅有老年雌性小鼠在腦雌激素缺失后出現了空間工作記憶和社交互動行為的損傷，且全身缺失雌激素的雌鼠表現出抑郁樣行為，而雄鼠未出現這些年齡和雌激素依賴性的明顯損傷。進一步對海馬體進行RNA測序分析發現，大腦特異性缺乏雌激素的老年雌性小鼠，其細胞外基質相關通路高度富集，且相關基因表達顯著上調。研究表明，女性在老年時期對大腦局部雌激素流失極其敏感，這種流失直接導致了占據大腦體積近五分之一的細胞間隙環境發生改變，進而引發認知衰退。這一發現不僅解釋了性別差異在發病中的作用，也提示未來可開發靶向修復腦部支撐環境的全新干預策略。研究發表在 Aging Cell 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #雌激素 #細胞外基質

閱讀更多：

Piehl, Natalie C., et al. “Loss of Brain-Derived Estrogen Is Associated With Sex- and Age-Dependent Alterations in Memory, Affective Behavior, and Hippocampal Extracellular Matrix Gene Expression.” Aging Cell, vol. 25, no. 6, 2026, p. e70551. Wiley Online Library, https://doi.org/10.1111/acel.70551

AI 行業動態

幾百美元破解56年數學謎題：谷歌AI一口氣解決了9道懸賞題

繼OpenAI之后，谷歌DeepMind團隊發布了由Gemini驅動的智能體框架AlphaProof Nexus，一口氣解決了9道懸置多年的埃爾德什（Paul Erd?s）開放問題。這些難題分別被擱置了56年、30年和34年之久，涉及數論、組合幾何等深奧領域。例如，1970年提出的Erd?s #12要求構造一個無限整數集合，其中任意三個數之間一個數不能整除另外兩個數的和，同時保持一定密度；AlphaProof Nexus利用中國剩余定理將其拆解為獨立區塊后巧妙構造出完整解。此外，該系統還證明了OEIS（在線整數序列百科全書，一個收錄整數序列的數據庫）中的44個猜想、攻克了一道擱置15年的代數幾何難題，并改進了凸優化領域沿用已久的理論邊界。

AlphaProof Nexus的核心架構簡單而高效：由Gemini 3.1 Pro大模型生成Lean（一種交互式定理證明器）語言的證明步驟，隨后交由Lean編譯器逐行校驗，一旦報錯便反饋給模型修改，循環往復直至通過。研究團隊設計了四個由簡到繁的智能體，令人意外的是，功能最簡單的Agent A——僅靠大模型加編譯器反饋循環，無需進化算法或專項強化學習工具——便成功解出了全部9道題，每道題的成本僅需幾百美元。團隊認為，這得益于Gemini 3.1 Pro本身強大的推理能力以及Lean編譯器提供的精準糾錯反饋。這套開源方案預示，未來隨著大模型能力提升，復雜的多工具組合可能不再是解決頂尖數學難題的剛需。菲爾茲獎得主陶哲軒曾預估AI解決埃爾德什問題的成功率為1-2%，此次AlphaProof Nexus從353道題中解出9道，恰好印證了這一比例。

#AlphaProofNexus #埃爾德什難題 #AI數學證明 #谷歌DeepMind #Lean編譯器

閱讀更多：

https://the-decoder.com/google-deepminds-alphaproof-nexus-solves-decades-old-math-problems-for-a-few-hundred-dollars/

馬斯克1.5萬億參數Grok 5曝光，灌入海量Cursor數據

深夜，馬斯克親自宣布，xAI已完成內部代號為V9-Medium的Grok基座模型訓練，參數量高達1.5萬億，是當前在役模型的整整三倍，預計2至3周后以“Grok 5”之名向公眾發布。為提升模型的編程能力，xAI在訓練中注入了海量來自AI編程工具Cursor的真實人機協作數據，包括開發者的提示詞設計、代碼編輯、調試過程和多文件協作記錄。馬斯克直言此舉將大幅增強Grok的編程實力，意圖借此追趕OpenAI與Anthropic在該領域的領先地位。與此同時，xAI還推出了終端級編程智能體Grok Build，支持最多8個子智能體并行工作，并原生兼容競品Claude的配置文件，展現出務實且激進的生態策略。

這并非馬斯克在編程賽道的單一動作。此前，SpaceX已通過協議鎖定以600億美元收購Cursor的期權，旨在深度融合分發渠道與數據資源。這三步棋——鎖定分發、注入私有數據、發布智能體入口——共同構成了xAI在AI編程領域全面突圍的組合拳。盡管Grok 4系列在編程基準測試SWE-bench Verified上（72%-75%）仍明顯落后于GPT-5.5（88.7%）和Claude Opus 4.6（80.8%），企業采用率也僅有6%，但三倍參數規模疊加獨家真實編程工作流數據，市場普遍預期Grok 5可能帶來質的飛躍。這一發布時點恰逢SpaceX即將于6月12日進行史上最大IPO，并與OpenAI、Anthropic、谷歌的下一代模型（GPT-5.6、Claude Opus 4.8、Gemini 3.5 Pro）形成了正面碰撞。6月將成為2026年AI領域最激烈的一場混戰，而馬斯克正試圖證明，xAI不僅還在牌桌上，手里更握著不止一張王牌。

#Grok5 #AI編程 #Cursor #馬斯克 #xAI

閱讀更多：

https://x.com/elonmusk/status/2058787384364265734

AI 驅動科學

將代碼作為智能體腳手架：邁向可執行、可驗證和狀態化的AI智能體系統

如何將大語言模型轉化為能夠在長周期任務中可靠執行和保持狀態的智能體？Xuying Ning和Katherine Tieu等（伊利諾伊大學厄巴納-香檳分校、Meta、斯坦福大學）提出將代碼作為智能體基礎架構的統一視角，為構建可執行、可驗證和狀態化的智能體系統提供了系統的路線圖。

研究團隊提出代碼即智能體腳手架（Code as Agent Harness）的全新概念，將代碼視為智能體推理、行動和適應的運行媒介，而不僅是最終生成產物。研究圍繞三個層次展開系統分析：首先是腳手架接口，探討代碼如何通過可執行程序、工具調用和狀態追蹤將智能體與推理、行動及環境建模相連；其次是腳手架機制，剖析了支持智能體長期運行的規劃、記憶、工具使用以及基于反饋的控制與優化策略；最后是腳手架擴展，分析了在多智能體系統中，如何利用共享的代碼工件支持角色協作和集體驗證。

研究結果總結了該框架在代碼助手、圖形用戶界面自動化、具身智能體以及科學發現等領域的應用，并指出了未來面臨的核心挑戰。這些挑戰包括在不完整反饋下進行驗證、確保改進過程無退化現象（regression-free）、維持多智能體間共享狀態的一致性，以及在關鍵安全操作中引入人類監督。該綜述重塑了代碼在系統中的角色，為開發更可靠的閉環智能體行為提供了理論指導。

#大模型技術 #計算模型與人工智能模擬 #智能體系統 #代碼推理 #多智能體協作

閱讀更多：

Ning, Xuying, et al. “Code as Agent Harness.” arXiv:2605.18747, arXiv, 18 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.18747

機器學習預測全新鎵基電子材料

尋找未來半導體的全新材料組合通常需要耗費巨大的時間與資金，如何在數百萬種潛在配方中精準且快速地定位具有特定物理特性的新材料是一個嚴峻挑戰。阿聯酋哈利法大學與弗林德斯大學的 Tarek Khater 和 Vi-Khanh Truong 等人構建了一個智能材料發現平臺，成功繞過繁瑣的傳統測試環節，預測出多個化學性質穩定且現有數據庫中不存在的全新含鎵半導體候選材料。

? Credit: ACS Materials Letters (2026).

傳統發現半導體材料的方法高度依賴實驗室試錯或計算成本高昂的密度泛函理論（DFT），效率極低。為突破這一瓶頸，研究團隊利用大型數據庫中的已知材料訓練了多個人工智能系統，發現K近鄰算法作為代理模型表現最佳，其決定系數（R2）達到了0.812。基于此，研究人員引入了貝葉斯優化來反向設計帶隙在0.5至3.5電子伏特范圍內的含鎵化合物。為防止系統憑空生成毫無現實依據的配方，框架中嵌入了SMACT機制，強制審查生成的配方是否符合電荷平衡和物理合理性。實驗分析表明，該系統推薦的全新配方與訓練數據相比具有百分之百的新穎性，顯著減少了無效的實驗驗證工作。研究發表在 ACS Materials Letters 上。

#AI驅動科學 #自動化科研 #機器學習 #材料科學 #半導體

閱讀更多：

Khater, Tarek, et al. “Bayesian Optimization-Guided Discovery of Gallium-Containing Semiconductors with Targeted Band Gaps.” ACS Materials Letters, vol. 8, no. 5, May 2026, pp. 1375–81. ACS Publications, https://doi.org/10.1021/acsmaterialslett.5c01482

安全微調究竟改變了什么？靶向神經元揭示模型內部轉化

大模型拒絕有害請求的機制一直未明，且現有引導方法極易損害模型輸出質量。Sam Herring、Jake Naviasky和Karan Malhotra（努斯研究）提出新型靶向神經元調節技術，揭示了安全微調對底層機制的重塑，實現了無損輸出質量的精準模型行為干預。

研究團隊提出了對比神經元歸因（Contrastive Neuron Attribution，一種通過對比正負樣本提示詞來定位關鍵網絡節點的無需輔助訓練的技術）方法。通過向模型輸入有害與良性提示詞，研究人員精確定位了僅占總數0.1%的最具區分度的多層感知機神經元。在涵蓋1B至72B參數的Llama和Qwen架構模型中，將這些關鍵神經元的激活值置零消融，可以在標準越獄基準測試中使指令微調模型的拒絕率大幅降低50%以上，同時生成連貫性始終保持在0.96以上的極高水平，徹底克服了傳統殘差流干預方法在高強度下會導致輸出亂碼退化的瓶頸。此外，在未經過對齊微調的基礎模型中干預同位置的深層神經元，僅會引起話題內容的偏移，并未產生實質性的行為改變。該結果證實，安全對齊微調并沒有為模型創造全新的網絡判別結構，而是將預訓練階段就已經存在的深層特征辨別器轉化成為了一個高度稀疏且可精準靶向調節的拒絕控制樞紐。

#大模型技術 #機制可解釋性 #AI安全 #行為控制

閱讀更多：

https://arxiv.org/abs/2605.12290

MeMo框架為大模型打造專屬外掛記憶

大語言模型預訓練后難以獲取特定領域的新知識，且傳統更新方法易導致模型原有能力喪失。Ryan Wei Heng Quek、Sanghyuk Lee 和 Alfred Wei Lun Leong 等（新加坡國立大學、東京大學等）針對該難題提出模塊化記憶框架，在不修改模型參數的前提下，實現了新知識的高效注入與無縫集成。

研究團隊將目標語料庫轉化為反射問答數據集（reflection QA dataset，即包含事實提取與跨文檔合成等復雜推理步驟的問答對集），并采用監督微調訓練了一個獨立的記憶模型。在推理階段，參數凍結的執行模型通過結構化多輪協議（structured multi-turn protocol，即分階段將復雜問題分解為基礎查詢、實體識別和答案合成的交互流程）向記憶模型提取關鍵信息。實驗表明，在多個需要長文本理解的基準測試中，該方法的準確率顯著優于傳統檢索增強生成。在搭配Gemini模型進行測試時，其準確率最高達到百分之五十三點五八。該框架成功捕獲了跨文檔隱蔽聯系，對檢索噪聲具有極強的抗干擾性，并徹底避免了災難性遺忘。由于該框架無需訪問執行模型的內部參數，支持與任何閉源大語言模型對接。采用模型合并技術在增量更新知識時，能降低百分之三十三的計算成本。

#大模型技術 #其他 #知識注入 #模塊化框架 #即插即用

閱讀更多：

https://arxiv.org/abs/2605.15156

懂得知之為知之：MetaCogAgent框架賦予AI智能體元認知能力

多智能體大模型系統常因缺乏對自身能力邊界的認知而導致過度自信并引發執行錯誤。Chenyu Wang和Yang Shu（浙江大學）團隊受認知科學元認知理論啟發，開發了一種名為MetaCogAgent的多智能體大模型框架。該框架賦予智能體自我評估與自適應任務派發能力，顯著提升了復雜任務的協同效率。

在這項研究中，研究團隊為每個智能體配備了元認知自我評估單元（Metacognitive Self-Assessment Unit，用于在執行前評估任務與能力的匹配度）。該框架結合了口頭置信度（verbalized confidence）和基于歷史表現的畫像置信度（profile-based confidence）來計算綜合得分，并在兩個信號沖突時動態調整派發閾值。若得分低于閾值，則觸發自適應派發協議將任務轉交給更合適的智能體。在包含700個任務的MetaCog-Eval基準測試中，MetaCogAgent達到了82.4%的準確率，比主流的AutoGen框架高出8.7%，且API調用次數減少了5%。此外，其期望校準誤差（Expected Calibration Error，簡稱ECE，用于衡量置信度與實際準確率的一致性）低至0.087，證明智能體能可靠評估自身能力。

#認知科學 #大模型技術 #多智能體系統 #元認知

閱讀更多：

https://arxiv.org/abs/2605.17292

AI客服穿幫會讓顧客感到毛骨悚然

AI聊天機器人已成為酒店預訂服務的重要工具，但若其表現不佳，可能會適得其反。Babak Taheri 團隊（德克薩斯農工大學等）對此進行了深入研究，揭示了不完美的人工智能互動如何引發消費者的毛骨悚然感，進而導致其放棄預訂。Method-Result:研究團隊基于消費者心理學中的刺激-有機體-反應（Stimulus-Organism-Response，簡稱 SOR，用于解釋外部環境刺激如何影響個體心理并決定其最終行為）模型，對340名使用過聊天機器人預訂酒店的英國成年人進行了調查。

結果顯示，當聊天機器人表現出信息缺乏可信度、不準確性和不稱職時，用戶會產生強烈的心理不適。其中，回答錯誤對用戶的負面刺激最強，其路徑系數是缺乏可信度的四倍以上。這種不安感令用戶繼續互動的意愿降低近38%，并使延遲或放棄預訂的概率幾乎翻倍。此外，研究還發現了恐怖谷效應，當機器人過度模仿人類語氣卻給出錯誤價格或回避問題時，會引發用戶的威脅反應。然而，若機器人在開始時主動披露其人工智能身份，能有效降低因回答不準確帶來的反感。研究發表在 International Journal of Hospitality Management 上。

#認知科學 #其他 #人機交互 #消費者心理學 #人工智能

閱讀更多：

Akhtar, Naeem, et al. “Unveiling the Role of Chatbot Conversational Attributes of Hospitality Booking Platforms in Developing Users’ Creepiness and Paradoxical Behaviors.” International Journal of Hospitality Management, vol. 133, Feb. 2026, p. 104428. ScienceDirect, https://doi.org/10.1016/j.ijhm.2025.104428

大模型能預知科學未來嗎？新基準CUSP揭示前沿模型預測局限

AI已深度融入科學發現，但其能否前瞻性地預測科學本身的未來走勢仍是未知。Sean Wu、Pan Lu、Yupeng Chen、Jonathan Bragg、Yutaro Yamada、Peter Clark、David Clifton、Philip Torr、James Zou和Junchi Yu（牛津大學、斯坦福大學、艾倫人工智能研究所與Sakana AI）構建了CUSP評估框架，發現當前前沿大模型在預測科學突破的可行性與具體發生時間上存在明顯的系統性局限。

該研究團隊構建了名為截斷條件未見科學進展（Cutoff-conditioned Unseen Scientific Progress，通過嚴格限制模型獲取其截止日期后的信息來客觀評估預測能力的測試框架）的評估基準，包含4760項科學里程碑和17429個多維度預測任務。研究人員測試了多款前沿大語言模型，結果顯示，雖然模型在多項選擇題中展現出較好的機制推理能力，GPT-5.4的準確率達到了0.819，但所有模型在預測科學聲明是否能實現的二分類任務中表現慘淡，準確率在0.453至0.519之間，接近隨機概率。此外，即使通過限制性檢索提供截止前的歷史知識，模型與擁有完整事后信息的條件之間仍存在顯著的預測差距，且這一差距在面對高影響力的突破時更為突出。

#AI驅動科學 #預測模型構建 #跨學科整合 #大模型技術

閱讀更多：

Wu, Sean, et al. “Forecasting Scientific Progress with Artificial Intelligence.” arXiv:2605.22681, arXiv, 21 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.22681

智能體技能優化器SkillOpt：像訓練神經網絡一樣優化提示詞

如何實現人工智能智能體技能的穩定演化一直是個難題。Yifan Yang、Ziyang Gong、Weiquan Huang、Qihao Yang、Ziwei Zhou、Zisu Huang、Yan Li、Xuemei Gao、Qi Dai、Bei Liu、Kai Qiu、Yuqing Yang、Dongdong Chen、Xue Yang、Chong Luo（微軟、上海交通大學、同濟大學、復旦大學）開發了名為 SkillOpt 的新型文本空間優化器，成功實現了智能體技能的自動可控演化與顯著性能提升。

該方法將智能體技能視為外部文本狀態，利用邊界模型將運行軌跡轉化為針對文檔的結構化編輯。其核心在于引入文本學習率以控制更新幅度，并設計持留驗證門控（held-out validation gate，即僅接受能提升驗證集得分的修改準入機制）確保更新穩定性，同時將未通過的修改存入緩存作為負反饋。在 6 個涵蓋問答、表格和數學的基準測試中，該方法在 7 個目標模型和 3 種框架下的 52 項評估中均取得最佳或并列第一的成績。在 GPT-5.5 上，它在直接對話中將平均準確率提升了 23.5 個百分點，在智能體循環中提升了 24.8 個百分點，并在跨模型與跨框架遷移中表現出優異的泛化能力。

#大模型技術 #大模型技術 #智能體 #文本空間優化 #自演化技能

閱讀更多：

Yang, Yifan, et al. “SkillOpt: Executive Strategy for Self-Evolving Agent Skills.” arXiv:2605.23904, arXiv, 25 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.23904

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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、、科普視頻媒體「大圓鏡」等。