哥大 Nature：大脑皮层计算组织方式

大脑中的神经元，有没有明确分工？很多经典发现似乎支持分工观点：比如朝向神经元、位置细胞、面孔神经元以及价值神经元，它们都对应某一种特定信息，人们自然会认为，大脑由许多功能明确的神经元类别组成。近年来

剑桥：数据驱动学习何时成功或失败

AI领域有一个默认假设，数据够多，模型够大，总能学会系统的规律。AI在Coding等领域不断攻城略地，似乎也印证了这一点。它们的能力有边界吗？在哪里？会取代人吗？...从科学角度看，这些疑虑都指向同

Nature机器智能：从神经叠加表征到稀疏可解释编码的统一框架

一直以来，大模型可解释性研究面临一个底层核心问题：神经网络内部，到底是如何组织和存储知识的？百亿甚至万亿参数的LLM，不像传统数据库那样规范地把规则和概念存放在特定的表格里，人们没法在模型里简单地指

Nature物理：牛顿第三定律失效后

牛顿第三定律：每一个作用力都会对应一个大小相等、方向相反的反作用力。经典力学、统计物理以及许多计算方法，都建立在这一假设之上。然而，现实世界中不是所有相互作用都这样。非互易系统鸟群飞行时，每只鸟只

Google量子AI发Nature正刊：用强化学习控制量子纠错

量子计算机开始利用错误反馈优化自身，Google量子AI和DeepMind团队刚发Nature正刊。 背景量子计算最大的挑战之一，是误差。量子比特极其脆弱，温度、噪声等都会不断改变它们的状态，现代量

别在硅片上寻找先知

人有一种根深蒂固的习惯，按自己的样子造神。古希腊的神会嫉妒、会恋爱、会复仇。《圣经》里说神照自己造人，其实反过来才对，是人照自己造神。几千年过去了，泥胎换成了代码，庙宇换成了数据中心，这种冲动一点没

解读Anthropic发现大模型里的“通达意识全局工作空间”

“如果心灵是一片海洋，我们终其一生都浮于海面”，这是Anthropic昨晚发的大模型机理解释研究的唯美开篇。发现海面下，论文发现，大模型内部存在一类能够被自然语言表述的潜在表征，可在多个计算过程之间

MIT：相关奖励模型学习急需改进

MIT 这篇 ICLR 2026 论文【文献1】讨论了 RLHF 核心问题：现如今训练奖励模型普遍使用的“两两比较”数据，是不是足够学习真实的人类偏好？论文给出的答案非常明确：不够。算法再强、模型再

Nature神经科学：无创脑机接口关键一步，AI 如何实时完整解码大脑中的句子？

脑机接口（BCI）的目标，是把大脑活动转换成语言。过去高精度解码主要依赖植入式电极，但有创。无创设备（EEG、MEG）更安全，但受制于信号弱、噪声大，只能识别少量字符或简单动作，很难连续恢复完整句子

DSpark：大模型开始学习大脑的计算结构

最近 DeepSeek 的 DSpark【文献1】，推理速度备受关注，还有推理计算的组织方式。这一点与剑桥大学认知神经科学家 John Duncan的重要著作【文献2】提出的分布式脑智能很契合，核心

牛津剑桥@Nature神经科学：学习如何塑造了灵长类前额叶皮层的神经几何

学习究竟改变了什么？一种观点认为，前额叶皮层（PFC）采用高维、随机混选神经编码，几乎任何信息都可以灵活组合，具有极高的计算灵活性；另一种观点认为，大脑最终形成的是低维、抽象的规则表征，便于稳定读取

伯克利Nature发文，AI 在心电图中发现了猝死信号

猝死（Sudden Cardiac Death, SCD）是心血管疾病中最难预测的事件之一。当前临床主要依赖左心室射血分数（LVEF）评估风险，但多数猝死患者的LVEF无明显下降，许多植入除颤器的患

AI Coding可能是最没有护城河的大模型赛道

2023年初，笔者在第一个真正意义的人工通用智能文中判断：代码使用计算机语言，是设计完善的特殊语种，结构性强，长程关联，关系明确。可以用微语言结构的概率分布为基底，张成语言空间，程序就是该语言结构空

夯爆了，自主医疗AI智能体登Nature正刊

同是智能体，人家这个自主医疗AI智能体，登Nature正刊，夯爆了。看到论文笔者第一反应是不是看错了，急切想知道Nature水平的Agent创新点在哪里。背景过去几年，医疗大模型取得显著进展，医学

哈佛医学院@Nature：人脑是如何“生成句子”的？

从DeepSeekOCR到甲骨文：语言的本质回归提到哈佛医学院团队发表在Nature的神经语言研究【文献1】表明：大脑中的语义理解按高维语义空间几何结构进行定位与变换。昨晚，这个团队又在Nature

Gartner全球供应链新排名，谈几点从业体会

从亚里士多德视角看柏拉图表征假说，别再误读李飞飞团队Mirage论文

维特根斯坦 -> 格罗滕迪克 -> 大语言模型中笔者总结：佛陀在《金刚经》中说：“所谓世界者，即非世界，是名世界”，对应维特根斯坦所说的世界-逻辑图像-语言。表征假说2024年MIT提出 柏拉图表征

2026北京智源大会 - 图灵奖主旨演讲笔记

智源大会北京天气不错，风云际会的感觉Agent安全仙风道骨的剑桥教授，图灵奖得主 Whitfield Diffie 院士给了智能体安全两种解法:1. 当前的“控制论（反馈）”方法：编写程序，在其出现问

Nature健康：少量饮酒也增加多种癌症风险

北大港大：大模型发现了人类从未想到的纳什均衡算法

大模型开始进入理论计算机科学最核心的问题之一：算法设计。北大港大团队提出LegoNE框架，结合LLM与自动数学证明系统，在近似纳什均衡ANE领域，首次发现了超越人类已知设计范式的新算法。近似纳什均衡

Google在Nature发文：日常使用手机时无感心率监测

Google Research在Nature发表连续监测心率新方案【文献1】：利用手机前置摄像头，在用户日常使用手机时自动测量心率，无需佩戴设备、全程无感。｜背景当血液流经面部毛细血管时，会引起皮肤颜

一图看懂App与Agent的本质区别，附几点忠告

直接上图，一图胜千言简短说明1. App从AppStore下载后，用户使用中，App只跟自己的Server通信，所有信息都在App自己的体系内流动，完全受控。2. Agent顾名思义，代理（动词）业务

Nature：人类首次实现完美随机性

Nature：生物大脑的出厂设置

人工神经网络在训练前，需要精心设计初始权重以提升特征表达与学习速度。真实神经元构成的生物大脑，面对未知世界前是不是也有类似的“出厂设置”？Nature机器智能：模仿大脑留白，AI学会了说“我不确定”

Nature Physics：真实神经元接近 Logistic Neuron

Nature Physics耶鲁大学学者的论文【文献1】研究得出：绝大多数真实神经元的活动，都可以由“简单的一阶输入直接依赖”解释，不需要复杂的高阶输入交互。真实神经元，在统计意义上，非常接近人工神

大模型通过标准三方图灵测试，比人更像人

FDE成为AI领域最热门的职位，如何做一名优秀的FDE?

上周AI行业正从“卖Token”转向“卖组织认知能力”，咨询业浴火重生？提到Anthropic与OpenAI开始亲自下场做FDE驻场部署。FDE（Forward Deployed Engineer前置

玫瑰易名，芬芳如故：大语言模型的范畴同伦理论

自然语言中普遍存在表面上不同但语义上等价的表达。例如：“查尔斯·达尔文写了《物种起源》”“查尔斯·达尔文是《物种起源》一书的作者”人们很自然地认为它们语义相同，但LLM往往会给出不同的下一token概

Nature机器智能：模仿大脑留白，AI学会了说“我不确定”

过度自信是AI模型幻觉的重要来源，Nature机器智能这篇论文，发现一个反直觉的诱因，还找到了修复方法【文献1】。概述不确定性校准，或者说预测置信度与真实准确率对齐，对AI系统可靠部署至关重要，但现代

AI行业正从“卖Token”转向“卖组织认知能力”，咨询业浴火重生？

如题，笔者注意到近期这个非常深层的产业结构变化。Anthropic与OpenAI开始亲自下场做FDE驻场部署，暗示Agent还远没有可靠到能够完全自主运行企业业务，原因涉及幻觉、一致性、长期激励、上下