跳转至

2026-07-23 每日论文

来源 独立页面
arXiv arXiv
bioRxiv bioRxiv
medRxiv medRxiv

arXiv

标题 作者 发布日期 PDF链接 摘要
ATSplat：基于自适应令牌扩展的紧凑型前馈式三维高斯泼溅 Cho In 2026-07-22 PDF 3D高斯泼溅（3DGS）通过在三维空间中优化自由放置的基元并在欠重建区域自适应稠密化，实现了高质量的新视角合成。然而，现有前馈式3DGS方法大多丢失了这种场景自适应容量分配能力——这些方法通常将高斯函数回归到输入像素上，并沿相机射线提升。这种像素对齐的公式使得基元的数量和位置取决于图像分辨率和输入视角而非场景复杂度，导致生成密集且往往冗余的高斯集合。我们提出ATSplat，一种通过自适应三维令牌恢复3DGS优化中自适应分配能力的前馈式3DGS框架。ATSplat首先将粗粒度的块级深度和相机线索提升为稀疏的三维锚点令牌，形成场景的紧凑骨架。随后每个令牌通过可学习的三维偏移回归为局部高斯函数，将基元放置与输入图像网格解耦。自适应令牌扩展模块通过渲染误差图监督预测令牌级不确定性分数，并通过可学习扩展层选择性扩展高不确定性令牌。这种从稀疏到自适应的公式使ATSplat能够在保持紧凑表示的同时，将基元集中于挑战性区域。在RealEstate10K和DL3DV两个代表性数据集上的实验表明，ATSplat在实现最先进渲染质量的同时，相比密集前馈式3DGS方法将高斯数量减少了5.7倍以上。从12张512×960分辨率的输入图像出发，ATSplat使用单块商用GPU可在不到一秒内完成重建，并以仅311K个高斯函数实现1136 FPS（512×960分辨率）的高质量新视角渲染。
随机函数的Lipschitzian强大数定律 Lai Tian 2026-07-22 PDF 我们证明了在Lipschitz伪度量下局部Lipschitz函数的强大数定律。我们的结果在拓扑条件或模型论条件下成立，后者涵盖在o-minimal结构中共同可定义的函数，但显著扩展了该类。应用包括极限和Clarke次微分的均匀收敛以及解的有限样本识别。因此，我们识别出广泛的函数类，在这些类中，我们先前负面结果[Tian and Royset, arXiv:2511.16568, 2025]揭示的失效现象不会发生。
LKValues：使大型语言模型与斯里兰卡社会价值观对齐 Nethmi Muthugala 2026-07-22 PDF 大型语言模型（LLMs）的价值对齐已被证明存在文化偏见，倾向于西方规范。这导致在斯里兰卡等拥有独特文化动态的多语言社会中，本地价值观被错误处理。现有基准测试忽视了斯里兰卡官方语言僧伽罗语中的本土化价值观，阻碍了文化敏感性的评估与微调。为填补这一空白，我们提出LKValues——首个基于调查的斯里兰卡价值对齐资源套件。通过对205名受访者进行三语调查，融合改编的全球框架与LLM引导的本地构念，我们提炼出40项多数人认可的社会价值观。基于这些价值观，我们构建了LKvaluesIT（一个包含15万条场景化实例的僧伽罗语-英语新闻衍生指令语料库）和LKvaluesBench（一个包含1000条实例的价值敏感评估基准）。我们使用LKvaluesBench评估了一系列专有及开源权重LLM，并对三个开源基础模型（Qwen3.5-4B-Base、Qwen3.5-9B-Base和Aya-Expanse-8B-Base）进行微调。实验表明，更新更大的LLM仍存在低资源和文化价值对齐差距。LKValues微调提升了Qwen系列模型在英语和僧伽罗语中的表现，减少了无效输出和跨语言差异，但改进效果仍依赖模型家族。这些结果凸显了LKValues在嵌入斯里兰卡价值观方面的有效性，为低资源、国家特定多元价值对齐提供了可复现的流程。数据集公开于https://github.com/NextME14/LKValues。
SoftReason：一种面向高维感知数据的全可微神经-软-符号演绎推理架构 Wael AbdAlmageed 2026-07-22 PDF 在许多推理问题中，前提并非以离散符号形式被观测到，而必须从高维输入中推断得出。此外，谓词词汇表、论元结构及可信证据由知识图谱或规则定义提供。经典的神经符号流水线在感知与演绎之间存在离散接口。我们提出一种神经软符号架构，用于对潜在感知事实和知识提供的谓词进行可微演绎推理。SoftReason通过将演绎状态表示为候选常量和谓词上的局部软解释张量，消除了梯度断层。感知模块提出概率性基本事实，知识图谱三元组以高置信度软证据形式输入，每个查询锚点、谓词选择及闭包更新均保持可微性。我们的核心创新在于对即时推论算子进行可微学习提升。该算子利用谓词定义嵌入和潜在组合通道形成软体谓词混合，聚合所有可能见证，提出查询条件化的头部事实，并通过单调概率OR更新解释。我们在知识感知视觉问答任务上实例化该框架，展示了SoftReason如何在一个可训练架构中支持端到端感知基础、知识图谱证据注入及可微演绎闭包。
使用虚拟现实与强化学习实现微型人形远程运动操控 Nicolas Kosanovic 2026-07-22 PDF 近年来，全尺寸人形机器人的能力呈指数级增长，其目标是在人类环境中实现通用化部署。制造商普遍采用的控制方法结合了虚拟现实的上半身远程操控与强化学习的下半身平衡与运动控制。通过这种方式，单个远程操作员能够观察、操控并导航至真实的远程物理环境。这种强大的控制栈通常仅应用于昂贵的全尺寸机器人，而许多此类机器人对研究社区而言难以获取。微型人形机器人虽更为普及，但其设计仿生性较低（例如传感器数量、自由度等较少），且缺乏类似的技术进展。本文描述了一套专为微型人形机器人从零开发的全身远程临场感控制栈。基于ROBOTIS OP3硬件的框架实验展示了独立于手臂运动的行走能力，最高速度达0.45米/秒。通过专家操作员进行的立方体搬运实验，验证了远程操控-运动-操作能力。平均而言，远程操控系统在10分钟内移动了2个40克的不同立方体，总行走距离达5米。总体而言，所开发的系统展现了微型人形机器人远程操控-运动-操作的潜力。
PercepCap：具有结构化时空感知能力的视频字幕生成器 Yifan Xu 2026-07-22 PDF 视频描述需要对视频进行细粒度的时空理解，包括物体所在位置的空间感知以及事件发生时间的时序感知。现有多模态大语言模型通常直接从视频输入生成描述，而不展示描述背后的感知证据。因此，时空感知中的错误仅在最终描述中显现，难以直接定位潜在的感知错误。为解决这些问题，我们提出PercepCap，一种感知感知型视频描述框架，在生成最终描述前先明确感知证据。具体而言，PercepCap遵循"感知-描述"生成链：模型首先生成包含物体轨迹和时序事件的时空感知轨迹，然后基于感知证据生成最终描述。为此，我们设计了两阶段训练策略：先感知后描述的监督微调将模型从仅生成描述调整为提出的感知-描述链，而基于感知的强化学习则通过联合奖励优化感知轨迹和描述质量。为支持两阶段训练，我们引入描述锚定感知数据构建流程。该流程通过首先生成纯描述、提取其中提及的物体和事件、并在视频中用边界框和时间戳进行定位，构建SFT和RL训练数据，从而获得与描述对齐的感知数据，提供可靠的训练真值，确保显式感知轨迹与最终描述指向相同的物体和事件。在直接描述和描述转问答评估中，PercepCap在Qwen3-VL基线基础上持续改进，展现出领先的描述质量。
波斯像素：面向波斯语的大规模合成OCR数据集 Pouria Mahdi 2026-07-22 PDF 波斯语的光学字符识别（OCR）技术成熟度仍远低于拉丁字母语言，尽管波斯语在多个国家拥有超过1.1亿使用者。这一差距源于两个根本性挑战：波斯-阿拉伯文字系统本身的复杂性，以及大规模高质量标注数据集的匮乏。波斯文字具有强制性连写特性、上下文相关的字形变形、大量连字、变音符号位置规则，以及Naskh体和Nastaliq体等书写形式的风格差异，这些因素都显著增加了文本识别的难度。与此同时，人工标注的高昂成本和劳动密集型特性造成了持续的数据瓶颈，限制了稳健OCR系统的开发，也延缓了波斯语文献数字化的进程。 本文提出Persian Pixel——一个专门应对上述挑战的综合合成OCR数据集。该数据集包含超过34.3万对高保真图像-文本对，覆盖句子、段落和整页文档布局，所有数据均基于精心筛选的700万词波斯语语料库，通过SynthOCR-Gen渲染框架生成。生成流程忠实还原了波斯文字排印特征，包括上下文字符连接、位置变体字形、变音符号放置，以及多种代表性波斯字体。为弥合合成数据与真实数据的领域差异，渲染图像进一步经过25种以上随机退化模型增强，模拟真实文档采集过程中出现的墨迹渗透、纸张老化、模糊、光照变化、扫描仪缺陷、压缩伪影及多种噪声干扰。 通过突破长期存在的波斯语OCR标注数据短缺问题，Persian Pixel为训练和微调现代OCR架构（包括TrOCR和Donut等基于Transformer的模型）提供了可扩展的开放资源。该数据集为波斯语文献分析、历史手稿数字化及端到端文档理解研究奠定了坚实基础，同时证明程序化合成数据生成是推动低资源且文字系统复杂语言OCR发展的实用、经济且可扩展的替代方案。
FMRP-LEAN：一种符合HIPAA标准的AI增强型LIMS架构，用于端到端临床检测工作流优化 Eva McCord 2026-07-22 PDF 在转化研究环境中，临床生物标志物工作流程通常依赖电子表格驱动的追踪、人工质控（QC）核对以及松散集成的系统，导致状态可见性有限、报告延迟以及运营风险增加。这些挑战在多日检测中尤为突出，例如基于Luminex技术的脆性X信使核糖核蛋白（FMRP）定量检测，此类检测需要符合HIPAA标准的数据治理、确定性的工作流推进，以及实验室与临床团队间的协调沟通。本文提出FMRP-LEAN系统——一种符合HIPAA标准、经AI增强的实验室信息管理系统（LIMS）架构，通过具有显式转换守卫和驻留时间可观测性的有限状态工作流模型，实现生物样本全生命周期管理的规范化。该系统集成了部署于医院可控基础设施内的自托管Supabase/PostgreSQL技术栈、混合边缘-内部隔离机制（含加密隧道与仅回环服务），以及双向REDCap同步功能。基于统一MRN-UUIDv7标识符框架与QR码追踪，确保在受保护健康信息（PHI）驻留约束下实现可溯源的临床-研究关联。FMRP-LEAN集成了自动化统计质控预筛查模块，以及受治理约束的AI操作模块（该模块仅对聚合投影进行操作，并具备确定性回退保障）。实际部署表明，该系统提升了工作流可观测性，降低了质控延迟，并增强了实验室技术员、研究协调员及面向患者团队之间的跨角色透明度。该架构为受监管医疗环境中的安全、状态显式且经AI增强的临床研究工作流提供了可复现的模型。
训练模型，而非读者：面向可验证激活解释的可解码性监督 Hiskias Dingeto 2026-07-22 PDF 自然语言自编码器通过重构来评估隐藏激活的解释：若能从解释中重新生成激活，则该解释被视为忠实。该测试对单个错误声明结构上不敏感：若翻转某个声明不改变重构结果，则该声明永远不会受到惩罚。我们展示了该测试可通过两种方式通过，但两者均不忠实。在已发布的Qwen-2.5-7B语言化器上，解释的重构效果显著高于随机水平，但仅有约2%的具体声明依赖于重构，因此评分追踪的是主旨而非具体事实。在精确合成真实标签下，标准流程在5/5次运行中发展出共适应私有编码（重构依赖的错误措辞），且不改变目标模型的修复措施无效。我们贡献了两种审计协议：基于真实标签的交叉验证与评估器交换，以及RECAP（通过协同训练辅助预测器实现可读编码）：与目标模型并行训练的线性头，用于保持指定内容的可解码性。在RECAP训练的沙盒模型上，新语言化器能真实陈述指定内容且编码消失，代价仅为+0.001纳特。该结果在预训练的Pythia-160M上复现：内容变得可靠地可探测解码，尽管新语言化器仅部分传递该内容（真实度0.44-0.46，对照接近零）。对于可解释性，高重构不能验证单个声明。对于AI安全，RECAP使指定内部内容可通过探测独立验证，而非依赖模型可能操纵的散文断言：独立探测对语言化器的真实声明评分高于虚假声明（AUC 0.96，无RECAP时为0.82）。面对通过编辑解释以最大化重构分数同时说谎（抑制约87%的谎言惩罚）的对手，RECAP探测仍能识别谎言（AUC 0.95），而对照探测降至随机水平（0.51）。
PG-KINN：一种用于求解正问题和反问题偏微分方程的物理信息Petrov-Galerkin Kolmogorov-Arnold网络 Amirhossein Sadr 2026-07-22 PDF 物理信息学习偏微分方程（PDE）长期由多层感知机（MLP）主导，但其频谱偏差和密集参数化限制了准确性与可解释性。Kolmogorov Arnold网络（KAN）通过可学习样条激活函数，在结构上与经典离散化方法的分段多项式基函数对齐，从而缓解了这些局限。然而，PDE转化为损失函数的方式与近似器的选择同等重要：强形式残差最小化需要高阶导数和重加权损失，能量（Bubnov-Galerkin）形式仅适用于自伴算子且对参数识别问题会退化为平凡解（如我们所示），边界积分形式则需已知基本解。我们提出PG-KINN——基于Petrov-Galerkin格式的物理信息KAN，其中试验空间为KAN，测试空间为独立、紧支撑的分段多项式空间，并通过Gauss-Legendre求积计算。分部积分降低了微分阶数，同时保持对一般非自伴、非线性和反问题的适用性；局部化测试函数将全局残差转化为一组条件良好的单元弱残差。在涵盖裂纹奇异性、应力集中、Neo-Hookean超弹性、非均匀介质参数反演及复杂几何的基准测试中，PG-KINN持续优于传统MLP基线及基于KAN的最优强/能量/反演格式（PIKAN）。这些结果确立了KAN试验空间与多项式测试空间的Petrov-Galerkin耦合作为AI计算力学中稳健且精确的路径。

bioRxiv

标题 作者 发布日期 PDF链接 摘要
感觉经验与mTORC1的相互作用协调了皮层中间神经元连接的成熟及触觉敏感性。 Amegandjin, C. A. 2026-07-23 PDF 感觉异常是神经发育障碍（包括自闭症）的核心特征。尽管中间神经元功能障碍被认为可能导致这些缺陷，但其潜在机制仍不清楚。在此，我们证明表达小清蛋白（PV）的中间神经元中mTORC1失调会驱动触觉探索和防御行为增强。这些行为变化伴随着胡须诱发皮层反应的特征改变：功率增加但时间精度下降。PV细胞的兴奋性输入、其内在兴奋性及触觉探索过程中的体内放电频率均降低，提示突变PV细胞处于低活跃状态。仅限出生后第三周的胡须修剪可阻止成年突变小鼠的mTORC1过度激活、PV细胞输入输出连接缺陷以及异常触觉皮层反应和行为。此外，该干预措施还恢复了社交能力缺陷。综上，这些数据表明PV细胞中mTORC1信号与感觉经验之间的相互作用调控其连接性，并促进触觉和社交行为的正常发育。
专家演奏过程中音乐结构的分层神经整合 Williams, J. 2026-07-23 PDF 音乐具有层级结构（音符、乐句、乐段），为研究精细运动序列的产生提供了理想模型。然而，音乐家在真实演奏中如何整合多时间尺度上的调性结构尚不明确。本研究将一首不熟悉的柴可夫斯基钢琴组曲在四个时间尺度（每1/2/8小节打乱，或完全保持原样）上进行打乱处理，并邀请专业钢琴家在fMRI扫描仪中演奏（视奏）所有四个版本。运动网络、默认模式网络和海马体的反应受到打乱处理的强烈影响，表明它们整合了相对较长的时间尺度上的调性结构。此外，在不同打乱层级中，听觉、视觉、运动与默认模式网络区域之间功能连接子网络的出现支持了这一层级整合过程。我们的结果无法用低层级线索（速度、音色、力度；局部音高或节奏密度）解释，而是反映了对高层级调性结构的处理。本研究揭示了现场音乐演奏中复杂听觉-运动动作规划的新机制。
甲型流感病毒PA-X对人气道上皮细胞因子信号抑制和MHC I通路破坏的双重作用 Setaro, A. C. 2026-07-23 PDF 甲型流感病毒的免疫逃逸机制是其作为传染源成功的关键。为有效复制，甲型流感病毒必须抑制早期先天免疫应答（如抗病毒I型和III型干扰素）及适应性免疫应答。后者在具有预存免疫的动物和人类感染中尤为重要，这也解释了甲型流感病毒持续流行的原因。本研究揭示了甲型流感病毒如何通过单一免疫调节蛋白——内切核糖核酸酶PA-X，同时调控先天免疫与适应性免疫应答。为明确甲型流感病毒利用PA-X逃避免疫应答的机制，我们采用三维离体模型及多位人类供体的原代细胞，分析了PA-X对气道上皮感染细胞与旁观细胞宿主应答的影响。PA-X显著减少气道上皮分泌的多种细胞因子，包括IFN-λ、炎症因子及与肺损伤相关的生长因子，这很可能与其在体内调节炎症和肺部病理的能力有关。此外，我们发现PA-X还能降低感染细胞表面主要组织相容性复合体I类分子的表达水平。这种降低可能影响抗原特异性T细胞功能，削弱适应性免疫识别。PA-X的双重功能凸显了甲型流感病毒不仅通过主动机制阻断先天免疫，还抑制适应性免疫识别，同时耐受高频率抗原突变以逃避免疫应答。
GeneKnow：一个可审计的AI框架，用于基于来源的生物学证据综合 Zhang, H. 2026-07-23 PDF 生物功能具有上下文依赖性，然而在特定细胞类型、疾病或扰动条件下整合基因功能的证据仍是一项劳动密集型工作。本文提出GeneKnow——一个可审计的人工智能框架，用于基于来源的生物证据合成。GeneKnow将文献检索、段落筛选、溯源追踪和参考文献构建等证据关键操作，与限定于语义分析和文献合成的生成步骤相分离。该框架支持多论文发现与单论文审查，同时保持合成主张与源段落之间的链接，生成无虚构引用的可信合成结果，并最大限度减少幻觉。系统性基准测试表明，GeneKnow在主张支持度和引文忠实度方面均优于主流通用型及科学型人工智能系统。这些结果证明，通过受控分工将确定性组件与生成组件相结合的人工智能系统，能够显著提升生物医学文献合成的忠实度与可审计性。
词类的脑编码是分布式且依赖于语境的。 Bekemeier, N. 2026-07-23 PDF 诸如名词、动词和形容词等词类是语言的基本单位，但其神经编码机制尚不明确。本研究探究词类在语言处理过程中是作为不依赖语境的恒定词汇范畴被加工，还是依赖于句子语境。我们分析了来自MOUS数据集的200名荷兰语母语者的源定位脑磁图数据，这些受试者阅读或聆听了句子及其打乱版本（单词列表）。采用时间分辨编码模型，从主要词类（名词、动词、形容词）及其他语言变量（包括词频、惊奇度、熵、词长和顺序位置）预测神经响应。跨模态分析显示，词类与语境（句子vs.单词列表）存在显著交互作用，表现为广泛皮层网络（包括双侧外侧裂周区、额叶及中线区域，这些区域先前被认为参与词汇语义、结构和语用加工）中神经响应的动态调节。这种交互作用在加工早期出现并在后期重现，阅读与听觉模态呈现不同的时间特征。条件内效应表明，词类在单个词汇层面贡献于神经响应，但这种贡献具有语境依赖性：在跨模态的句子和单词列表阅读中表现稳健，但在听觉单词列表中消失。这些结果表明，实时语言处理中词类编码受词汇属性与句子语境交互作用的塑造。
灵长类皮层-基底节系统中的具身强化学习 Giarrocco, F. 2026-07-23 PDF 从奖赏经验中学习环境刺激的价值，使动物能够做出有利的选择。现有的强化学习生物学模型通常假设这种价值以单一、运动系统不变的神经信号形式表征。本研究记录了猕猴在通过扫视或伸手作为所需运动反应来学习刺激-奖赏关联时，其皮质-基底节系统八个节点（从边缘区到新皮层区域）的神经元活动。群体活动的几何结构揭示了扫视和伸手存在显著不同的价值编码维度，包括在通常被认为与运动系统不变价值编码相关的边缘区域。因此，跨运动系统读取价值信息时，信息量大幅减少。这些结果提供了全回路证据，挑战了现有强化学习的神经实现机制，并将价值学习的生物学解释与认知科学和人工智能中的具身框架联系起来——在该框架中，行为根植于智能体的物理结构，而非从中抽象出来。
人类小脑中的无监督非运动学习 Trach, J. E. 2026-07-23 PDF 小脑的一个核心运动功能是基于错误的学习：它利用预测误差（即预测与实际感觉反馈之间的不匹配）来优化动作。一个引人注目的假说认为，小脑在认知领域也执行类似的计算。在此，我们探究小脑中的基于错误的学习计算是否延伸至一个既不需要动作也不需要决策的被动统计学习任务。人类受试者在接受功能性磁共振成像（fMRI）时，观察了具有不同概率性刺激-刺激转换的视觉刺激序列。扫描后，受试者未报告对转换概率有任何显性知识。尽管如此，小脑的假想认知区域在统计学习过程中编码了预测误差。此外，小脑中的误差信号与前海马体（一个众所周知的统计学习基础区域）中的误差信号以不同方式编码：小脑活动与随时间缓慢演变的逐次预测误差共变（呼应了小脑在运动学习中的计算），而海马体则以更固定的方式对底层转换结构做出反应。计算模型形式化了这种分离，小脑活动由增量规则模型解释，该模型基于近期经验逐步调整预测，而海马体活动则被描述为对记忆中保持的转换分布进行贝叶斯更新的一种形式。我们的发现表明，小脑在被动非运动学习过程中编码预测误差，因此它可能在基于错误的学习中扮演领域通用角色。
枕叶皮层在视力和盲人中的词汇与语义编码 Giari, G. 2026-07-23 PDF 早期视觉皮层（EVC）如何支持明眼人和先天性盲人的语言与语义加工仍存争议。部分观点认为失明会引发EVC的彻底功能重组，另一些则主张其神经功能架构在明眼人基础上仅发生适度缩放性变化。我们记录了19名早期盲人（EB）和21名明眼成人（SC）在聆听分属不同语义类别（抽象、具体视觉、具体非视觉）的形容词，并执行词汇与语义决策任务时的全脑脑磁图（MEG）。在词汇任务中，两组受试者的外侧裂语言区及EVC均能可靠解码词汇信息（即真词与假词），组间差异（EB>SC）定位于词开始后0.4-0.8秒的枕叶区域。在语义任务中，语义类别信息可在与经典语义系统重叠的网络中解码，该网络涵盖两组受试者的EVC，组间差异（EB>SC）定位于刺激开始后0.9-1秒的枕叶区域。我们进一步刻画了EVC特性，发现：i) EVC语义信息解码具有任务敏感性，在词汇任务中EB与SC均未出现高于随机水平的解码；ii) 盲人EVC可解码抽象与具体概念，但无法区分视觉与非视觉概念，该特征与后扣带回区域相似，但不同于前扣带回皮层（后者对所有语义类别均呈现高于随机水平的分类）。这些结果表明，被剥夺的EVC虽以不同程度整合进携带行为相关语义信息的分布式词汇-语义网络中。
eyeris：一个灵活、可扩展且可复现的R语言瞳孔测量预处理框架 Schwartz, S. T. 2026-07-23 PDF 瞳孔测量技术为探索心智与大脑提供了非侵入性窗口，尤其作为自主神经和认知过程（如觉醒、注意力、压力及情绪状态）的心理生理学指标。然而，瞳孔测量研究缺乏稳健标准化的数据预处理框架，而功能性磁共振成像和脑电图领域的研究者已形成fMRIPrep、EEGLAB和MNE-Python等共识性工具。现有瞳孔测量预处理软件包和工作流程大多未能充分提升可重复性，尤其缺乏基于可查找性、可访问性、互操作性和可复用性（FAIR）原则的设计。为促进瞳孔测量研究的FAIR与开放科学实践，我们开发了eyeris——一套完整、直观、模块化、高性能且可扩展的瞳孔测量预处理工具包（https://github.com/shawntz/eyeris）。该工具开箱即用，提供推荐预处理流程，并整合了针对紧张性和相位性瞳孔测量的信号处理最佳实践。此外，eyeris通过遵循成熟的文件管理架构、生成交互式输出报告（用于记录保存/共享及正式分析前的预处理数据质量保障），进一步支持开放可重复的科学工作流程与质量控制流程。综上，eyeris为高保真瞳孔测量预处理提供了稳健的一站式透明自适应解决方案，旨在进一步提升瞳孔测量研究的可重复性。
跨生命周期的大脑区域背景与功能组织 Ricard, J. A. 2026-07-23 PDF 儿童成长社区与认知及心理健康结局存在全生命周期关联。然而，社区层面因素的量化方法及其与大规模脑功能连接的关系仍属新兴研究领域。本范围综述综合了区域层面因素与静息态脑功能连接及网络组织关联的实证证据。我们纳入评估静息态fMRI功能连接或rs-fMRI衍生内在活动的研究，这些研究采用Trinidad等(2022)清单、机会图谱验证的区域剥夺指数，或统一犯罪报告项目的地理编码犯罪暴露数据。在符合纳入标准的28项研究中，证据分布存在全生命周期不均衡：28项中25项(89.3%)聚焦围产期、儿童或青少年样本，仅1项专门研究成人。文献在方法学上存在非独立性，超过半数采用青少年脑认知发展研究数据，区域剥夺指数为最常用测量工具(k=16, 57.1%)。因此，表面趋同部分反映共享数据与工具而非独立重复验证。在可比较方向的研究中，较高区域劣势主要与联合系统及控制系统的低网络内连接、躯体运动系统的高连接相关，当区域暴露与家庭社会经济地位分离后多项发现减弱。地理分辨率存在差异但鲜有论证。未来进展需：在区域层面测量选择中增强理论意图性，透明论证地理分辨率，处理数据集与测量非独立性问题，并加大对研究不足的发展阶段及非美国情境的投入。

medRxiv

标题 作者 发布日期 PDF链接 摘要
SleepGPT：一种用于高效睡眠评估的睡眠阶段语言模型 Yu, T. 2026-07-23 PDF 背景：准确且可扩展的睡眠评估对于睡眠障碍诊断及个性化睡眠医学的发展至关重要。当前临床实践主要依赖实验室多导睡眠监测（PSG）结合人工睡眠分期评分，该过程劳动密集、成本高昂，难以推广至大规模人群或长期监测场景。方法：我们提出SleepGPT——首个专为建模睡眠宏观结构时序动态而设计的睡眠分期语言模型。该模型采用自监督方式，基于5793份整夜PSG记录中超过580万条专家标注的睡眠分期标签进行预训练。作为即插即用模块，我们在多种最先进的睡眠分期架构中评估其性能；同时作为序列级表征骨干，结合Transformer模型用于睡眠障碍诊断。性能评估覆盖多个公开数据集及独立临床数据集。结果：在多样化睡眠分期基准测试（总计1,320,654个时段）中，SleepGPT持续提升现有最优模型性能，并实现基于低密度可穿戴脑电图记录（120,095个时段）的高精度分期，接近PSG级表现。当嵌入序列级Transformer诊断框架后，SleepGPT在多个临床队列（总计685例）中准确识别异常睡眠阶段动态及1型发作性睡病。基于注意力的分析揭示了与诊断标签相关的可解释性睡眠宏观结构改变。解读：这些结果表明SleepGPT可作为睡眠阶段序列建模的通用基础模型。通过捕捉宏观结构层面的睡眠时间组织特性，该模型为自动化睡眠分期及睡眠障碍诊断提供了可扩展、可解释且具备临床转化价值的解决方案。值得注意的是，基于睡眠阶段序列而非原始生理信号的操作模式，可降低设备敏感性和场所特异性变异，支持在包括可穿戴设备及真实世界睡眠监测在内的异构记录场景中实现更稳健的部署。
基因预测的IL-6受体阻断与癌症风险：一项针对肝细胞癌和结直肠癌的多祖先药物靶点孟德尔随机化研究 Ranjha, M. M. A. 2026-07-23 PDF 白细胞介素-6（IL-6）信号驱动慢性炎症，托珠单抗通过靶向该信号进行治疗。基因模拟的IL-6受体阻断是否因果影响肝细胞癌（HCC）或结直肠癌（CRC）风险尚不明确。我们采用两样本药物靶点孟德尔随机化研究，以rs2228145（IL6R Asp358Ala）作为受体阻断的主要工具变量，在四项涵盖欧洲和东亚人群的全基因组关联研究中作为独立单工具变量Wald比进行分析，并与配体水平变异体分开处理（因其作用机制不同）。基因模拟的IL6R阻断与欧洲人群（OR 0.953，95% CI 0.884-1.028）或东亚人群（OR 1.005，95% CI 0.930-1.085）的CRC风险无因果关联，与东亚人群（OR 1.011，95% CI 0.873-1.171）或欧洲人群（OR 1.079，95% CI 0.797-1.462；统计效力32%）的HCC风险也无因果关联。次要探索性分析显示rs1800795（IL6启动子）与欧洲人群CRC风险无关联（OR 1.028，95% CI 0.912-1.159）；该变异体在两个队列中均无法有效评估HCC风险。CRC分析统计效力充足（OR 1.2时效力≥99%）；HCC分析对中等效应统计效力不足，尤其在欧洲队列（效力32%）。这些结果不支持IL6R阻断对HCC或CRC风险存在显著因果效应，但无法排除对HCC的微弱效应。
基因预测的白介素-6抑制与癌症风险：一项针对肝细胞癌和结直肠癌的多祖先药物靶点孟德尔随机化研究 Ranjha, M. M. A. 2026-07-23 PDF 白细胞介素-6（IL-6）信号驱动慢性炎症，托珠单抗通过靶向该通路进行治疗。基因模拟的IL-6受体阻断是否因果影响肝细胞癌或结直肠癌风险仍不明确。我们采用两样本药物靶点孟德尔随机化研究，以rs2228145（IL6R Asp358Ala）作为受体阻断的主要工具变量，在四项覆盖欧洲和东亚人群的全基因组关联研究中作为独立单工具变量Wald比进行分析，并与配体水平变异体分开处理（因其作用机制不同）。基因模拟的IL6R阻断与欧洲人群（OR 0.953, 95% CI 0.884-1.028）或东亚人群（OR 1.005, 95% CI 0.930-1.085）的结直肠癌风险无因果关联，与东亚人群（OR 1.011, 95% CI 0.873-1.171）或欧洲人群（OR 1.079, 95% CI 0.797-1.462；统计效力32%）的肝细胞癌风险亦无关联。次要探索性分析显示rs1800795（IL6启动子）与欧洲结直肠癌风险无关（OR 1.028, 95% CI 0.912-1.159）；该变异体在两个队列中均无法有效评估肝细胞癌风险。结直肠癌分析具有充分统计效力（OR 1.2时效力≥99%）；肝细胞癌分析对中等效应量统计效力不足（欧洲队列仅32%）。这些结果不支持IL6R阻断对肝细胞癌或结直肠癌风险存在显著因果效应，但无法排除对肝细胞癌的微弱影响。
细胞外囊泡治疗中的质量-失败悖论：152项临床试验与CAR-T细胞疗法的定量基准比较。 Glebov, K. 2026-07-23 PDF 细胞外囊泡（EV）疗法的临床转化停滞，需要解决导致研发延迟和失败的关键及隐性原因。尽管已有超过150项注册临床试验和十五年的临床研究，小细胞外囊泡（sEV）疗法仍未获得FDA批准，这一转化缺陷极少受到定量分析。我们系统评估了截至2025年12月注册的783项EV相关临床试验（其中152项为治疗性试验），将sEV研发管线与同样面临"工艺即产品"生产限制、但已产出六款FDA获批产品的1131项CAR-T细胞疗法试验（中国以外）进行对标。研究发现一个质量-失败悖论：企业资助的sEV试验综合方法学质量高出39%（质量指数2.49 vs. 1.79），但失败率却是学术项目的约五倍（28.6% vs. 5.1%；OR=7.40，95% CI 2.5-22.3，p=0.0004）。跨模态复现的CAR-T试验验证了该关联方向（OR=2.51，p<0.001；Cochran-Mantel-Haenszel合并OR=2.76，p<0.001）。影响24%学术sEV试验的注册终止构成隐性失败模式，重新分类后该悖论消失。过早将定义不完整的产品推入临床，而非方法学严谨性不足，才是制约sEV转化的核心瓶颈。研究数据不透明、临床评估不充分、临床试验阴性（无效）结果未报告，共同制造了隐性危机——消耗公共与私营部门数亿投资、侵蚀投资回报率，并将进展困于重复劳动、资源浪费与错失学习机会的恶性循环。
通过EdRoSi AI流程优化标题与摘要的优先筛选。 Lecot, P. 2026-07-23 PDF 系统评价的核心在于全面识别证据，但标题与摘要的筛选工作仍极为耗时。优先筛选作为一种基于预估相关性对文献排序的主动学习方法，已成为降低筛选工作量的有效策略。其效率通常通过100%召回率下的抽样节省工作量（WSS@100%）量化，即相较于随机筛选所减少的工作量百分比。尽管现代优先筛选模型在多数基准数据集上表现高效，部分系统评价仍呈现低WSS@100%值，表明检索效果欠佳。本研究旨在提升挑战性数据集中所有相关文献的检索能力，以增强优先筛选的泛化性。我们首先利用SYNERGY基准数据集证明：当前最先进的ASReview LAB v.2开源软件中的ELAS_h3优先筛选模型虽能高效检索多数相关文献，但在处理挑战性数据集中的稀有最终文献时存在困难。为此，我们测试了名为EdRoSi AI的混合方法：前期采用ELAS_h3进行检索，随后利用已检索到的相关文献对生物医学变换器BioMed-RoBERTa-base进行监督微调，以增强对剩余困难案例的检测能力。研究发现，使用10篇后期识别的相关文献与10篇困难不相关文献的标题及摘要微调BioMed-RoBERTa-base模型后，目标文献的检索速度优于单独使用ELAS_h3。该方法将WSS@100%从46.5%（标准差0.0%）提升至83.3%（标准差0.4%），而微调与推理仅增加平均22分钟计算时间。EdRoSi AI优先筛选流程在需要最高召回率的情境中具有重要价值，尤其适用于主题宽泛或多元的范围综述——传统优先筛选方法可能遗漏细微的相关性信号。后续研究需定义数据驱动的停止规则，在最终阶段应用微调后的领域特异性变换器时终止筛选，并评估其在更多挑战性数据集中的泛化能力。
为英国NHS谈话疗法服务中抑郁和焦虑治疗后的结果构建预测模型 Kanso, N. 2026-07-23 PDF 背景：抑郁和焦虑是英国常见的心理健康问题。NHS谈话疗法提供循证治疗，是最大的治疗服务提供方，但仅有50%的患者康复。准确的结果预测可识别预后不良风险人群，支持个性化诊疗。本研究旨在利用来自大型多元族裔样本的常规收集数据，开发并内部验证多变量预测模型，以实现公平的数据驱动治疗决策。方法：数据涵盖2018年至2024年中在单一NHS信托机构完成高强度治疗的30,999名成年人。建模七项NHS治疗后结局指标：抑郁和焦虑的可靠改善、康复及可靠康复，以及治疗结束时的功能损害。基线预测因子包括社会人口学和临床特征。采用弹性网络逻辑回归开发模型，并通过自助重抽样进行内部验证。结果：样本以女性为主（73%），中位年龄34岁；57%为白人，22%为黑人。模型显示中等到良好的区分度（AUC 0.63-0.77）和强校准能力。关键预测因子与临床预期一致，包括基线症状严重程度、失业、领取福利金、报告残疾或长期疾病、使用精神药物及其他社会人口学因素。结论：本研究凸显了数据驱动工具在NHS谈话疗法中指导临床决策和治疗分层的潜力。早期识别标准治疗获益可能性较低的患者，可支持及时复诊、监测或定制化干预。需开展外部验证和实施研究以确保普适性和医疗公平性。
从实时临近预报中汲取的经验教训：2024年波多黎各登革热疫情 Tran, Q. M. 2026-07-23 PDF 实时临近预测通过减少掩盖传播动态的报告延迟来增强态势感知。我们利用波多黎各卫生部的病例监测数据，将贝叶斯平滑临近预测方法应用于2024年波多黎各登革热疫情。该方法准确捕捉了疫情轨迹，并持续优于基线模型，尽管报告异常偶尔会降低性能。我们还按登革热病毒血清型和卫生区域以及往年进行了分析。在登革热病例较少的分析中，跨组联合估计参数的模型通常比独立模型表现更好。历史分析显示，报告延迟变异性较高的年份通常表现出更高的不确定性。研究结果强调了实时登革热临近预测的关键经验：在复杂情况下可能需要替代模型，但在稳定的报告模式和持续评估下，临近预测可以成为可靠且有价值的公共卫生工具。
评估机场对本迪布焦埃博拉病毒病进行症候群筛查的有效性 Quilty, B. J. 2026-07-23 PDF 我们采用随机模拟模型，评估布迪布焦埃博拉病毒病（BVD）机场出境和/或入境症状筛查的有效性。对于从刚果民主共和国或乌干达出发、筛查灵敏度为86%的12小时国际航班，约73%的感染者在出行时能同时规避出境和入境筛查（95%可信区间：68-77%）。在成功登机的感染者中，约92%会在未检测到的情况下抵达目的地（95%可信区间：90-94%）。这一高漏检比例反映了潜伏期（约7.7天；Wamala等2010年）与发病至重症间隔期（约4天；Funk & Abbott 2026年）的相对时长：大多数感染者在症状出现前登机，任何症状筛查均无法检测；而出现症状者会迅速进展至重症，无法出行。由于确诊病例中无发热症状的比例本身存在不确定性，我们同时报告了保守情景——假设所有确诊病例均发热（0%无症状等效病例），此时漏检比例仍高达约64%（95%可信区间：57-70%）。在疫情活跃增长期，近期暴露（即症状前）病例在旅客中占比过高，进一步加剧了这一问题。机场症状筛查对通过航空旅行传播BVD的保护作用有限，应辅以源头疫情控制、加强与疫区有高航空连通性的接收国的临床监测，以及针对来自疫区旅客的离境后自我监测指导。
撤回：利用遗传学辅助检测药物不良反应——基于三个队列1020464名参与者的遗传代理GLP-1RA孟德尔随机化分析 Mason, A. C. 2026-07-23 PDF 作者已撤回稿件，因为在重新评估用于GLP1-RA的遗传工具时发现，文献中发表的该工具实际上并不适用于药物靶点孟德尔随机化研究。该工具包含大量高度相关的单核苷酸多态性，这违反了孟德尔随机化的核心假设。因此，我们正在使用自己的流程重新生成遗传工具，而非沿用已发表的工具。作者不希望此项工作被引用为该项目的参考文献。如有任何疑问，请联系通讯作者。
撤回：一项系统综述，旨在批判性评估超加工食品与心血管疾病及高血压研究中的方法学严谨性 Mekonnen, T. C. 2026-07-23 PDF 作者已撤回本稿件，此次撤回旨在修正标题并提交修订更新版本。修订版包含改进的分析、更新的图表以及对所收反馈的回应。新版本将取代之前的预印本。因此，作者不希望此项工作被引用为项目参考。如有任何疑问，请联系通讯作者。