C027 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态-20251103
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-11-03 ｜ 原文链接
PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier
一键关注，点亮星标 ⭐️
不错过每日前沿资讯
你好，这里是 PsyBrain 脑心前沿。我们是一群专注于认知神经科学领域的博士生，致力于追踪全球最前沿的学术动态，我们的视野覆盖Nature、Science、Cell 正刊、旗下大子刊 (如 Nat Neurosci, Nat Hum Behav, Sci Adv, Neuron等) 及其他高水平顶级期刊。
我们会每天为你提供近期刚发表或领域内重要文献的「深度解读」与「前沿快讯」。
双周周一中午，我们将过去两周的精华内容汇集成这份 「周报」，助你高效速览。过去两周我们一共解读了前沿文献 29 篇，发表时间 集中在2025年9-10月，展示顺序按照期刊发表时间顺序排列。
本周前沿精要，即刻为你开启
解读文章一览
Paper1: Science子刊 | 还没听清在说啥，大脑已认出他是谁 ⭐️ [ 解读链接 ]
Title: Voice identity invariance by anterior temporal lobe neurons
发表时间：2025.8.29
Journal: Science Advances
文章简介：有没有这种瞬间：不开视频、隔着门，甚至只听到一声咳嗽，你就知道“啊，这是他”。可声音明明会随语速、情绪、方言、距离、背景噪声而千变万化，人脑为何仍能稳准锁定“谁在说话”？神经科学把这种跨变化仍保持识别的能力称为“不变性”。视觉领域里，我们早知无论正脸侧脸都能认出同一个人；但听觉系统里的“声音不变性”，究竟由哪块大脑、哪些神经元在承担，长期缺乏单细胞层面的直接证据。这篇发表在 Science Advances 的新研究，把多电极阵列安放在猕猴前颞叶的前部声音区（aTVA），播放多只个体、多个版本的“coo”叫，相当于给大脑做一场“盲猜是谁”的挑战。结果很亮眼：不少神经元并不在意“说了什么”，却能跨不同叫声稳定指向 “谁在说” ；更妙的是，仅在百毫秒量级，神经元群体活动就把 同一只猴子的不同叫声“拉近”，把不同个体“推远” 。这意味着，在我们还没听清内容之前，大脑可能已先认出“他是谁”。这不仅揭开日常“听声辨人”的底层机制，也为打造更稳健的语音识别算法、理解失音症与人工耳蜗 康复提供了生物学蓝本。
Paper2:脸区不是一整块？Nature子刊重磅：猴脑“脸孔”区域暗藏三类中尺度功能单元 ⭐️[ 解读链接 ]
Title: Mesoscale functional organization of face and body areas in the macaque brain
发表时间：2025.9.6
Journal:Nature Communications
文章简介：当我们说“看脸识人”，大脑里面到底长啥样？从教科书走进脑沟回的现场，我们早就知道灵长类下颞皮层（IT）里有“脸区”“身体区”“物体区”。可这些“区”，真的是一整块同质的“拼图牌”吗？还是像早期视觉皮层那样，内部被进一步切分成有分工、有网络的中尺度功能单元（mesoscale functional units, MFUs）？
这一次，研究团队把亚毫米全脑fMRI、静息态连接和单单位电生理串成“一把手术刀”，直接在清醒猕猴大脑里刻画出了答案。结论：脸区、身体区与相邻物体区都不是一锅粥，而是稳定可复现的三类MFU，同类MFU跨半球“强连”，边界清晰，与简单的视网膜离心率或“有多爱脸/身”的选择性几乎无关。
Paper3:最新 Nat Neurosci | 藏不了一点，科学家发现面部表情会“泄密” ⭐️[ 解读链接 ]
Title: Facial expressions in mice reveal latent cognitive variables and their neural correlates
发表时间：2025.9.30
Journal:Nature neuroscience
文章简介：这篇论文研究了小鼠在决策任务中，其无意识的面部表情是否能反映大脑内部的认知状态 。传统观点难以区分这些表情是真正反映认知，还是仅仅是执行任务动作（如舔水）产生的附带行为 。作者采用了一项巧妙的觅食任务，在该任务中，小鼠大脑会同时计算多种决策变量（DVs），包括当前正在使用的和未在行为中表达的（即“潜在的”）。作者的主要工作是结合高分辨率视频 和神经记录 ，证明了小鼠的面部表情不仅能编码当前任务相关的决策变量，还能同样清晰地编码那些当前未被使用、但大脑仍在计算的潜在决策变量 。首次提供了确凿证据，表明面部表情是认知活动（包括隐藏的认知活动）的丰富、高维度的“读出器” 。并且，研究通过相关性（时间延迟）和因果性（光遗传学）实验，证明了这些面部表情部分起源于次级运动皮层（M2）的神经活动 。
Paper4:同样考90分，为什么拿奖状的那个同学更自信？Nature子刊新研究揭示奖赏“扭曲”对自我能力的评估 ⭐️ [ 解读链接 ]
Title: Rewards bias self-evaluations of ability
发表时间：2025.10.1
Journal：Communications Psychology
文章简介：你如何判断自己在一件事上做得好不好？是因为考试得了高分，还是因为项目拿了奖金？在现实世界里，我们的表现与获得的回报并非总是精准挂钩。想象一下，两位能力旗鼓相当的同事，可能仅仅因为运气或部门差异，最终拿到的年终奖却相差甚远。那么，问题来了：在这种客观表现完全相同的情况下，奖励本身——这种额外的“意外之喜”——会不会反过来影响我们对自身能力的根本判断？一个拿到更多奖励的人，是否会真的相信自己更厉害？这不仅仅是一种短暂的愉悦感，更可能是一种深刻的认知偏见。
Paper5: NC文献精读 | 每一次“瞄一眼”，都是大脑的城市规划 ⭐️[ 解读链接 ]
Title: Functional ultrasound neuroimaging reveals mesoscopic organization of saccades in the lateral intraparietal area
发表时间：2025.10.1
Journal: Nature Communications
文章简介：把眼睛想成一支灵巧的“鼠标指针”：我们的视觉并不是平滑地扫过世界，而是靠一次次短促有力的跳点把画面拼起来——这就是眼跳（saccade）。每一次“往哪儿跳”，背后都有一套调度系统在统筹，其中的主角是后顶叶皮层的 LIP 区，像一座忙而不吵的空管塔，负责把视觉、记忆与目标价值整合后下达指令。可这座“塔台”内部如何分工？是否存在偏好“向上、向下、向左、向右”的功能街区？这些街区会不会像临时展位，过几周就换了位置？回答问题的难点在于工具：fMRI 像“卫星遥感”，看得远但像素粗，只能说“这一片大概活跃”；电生理像“显微镜”，看得极细却很难在毫米—百微米的中尺度上拼出整张地图，更别提跨日对齐。我们真正缺的是能画“城市规划图”的方法：既分得清街区，又连得成城区，还能隔天再来对上同一条街。功能超声（fUSI）正好填补这块空白——它以超声对微小血流变化的高灵敏度做“侧写”，分辨率可到百微米，视野仍足够覆盖一个功能区，最关键是可重复“回访”，把今天的热闹和下个月的热闹一一对照。
Paper6:为什么饿肚子时不建议做重大决定？哈佛Neuron揭秘饥饿与多巴胺促进决策的关系 ⭐️[ 解读链接 ]
Title: Hunger modulates exploration through suppression of dopamine signaling in the tail of the striatum
发表时间：2025.10.2
Journal:Neuron
文章简介：本文探讨了饥饿状态如何调节动物的探索和冒险行为 。作者发现，饥饿会增加小鼠对新奇物体的探索行为 ，其神经机制是通过抑制纹状体尾侧（TOS）的多巴胺（DA）信号来实现的 。这一抑制信号源于下丘脑的AgRP“饥饿神经元”的活动 ，它们通过外侧下丘脑（LH）的一条多突触通路，调控了TOS的多巴胺能神经元 。这项工作阐明了一条连接内部状态（饥饿）与下游多巴胺系统，进而改变探索和风险评估行为的完整神经环路 。
Paper7:为何动人情节总让我们记忆犹新？Nat Hum Behav最新研究揭示情绪如何“焊”在全脑网络中 ⭐️ [ 解读链接 ]
Title: Emotional arousal enhances narrative memories through functional integration of large-scale brain networks
发表时间：2025.10.13
Journal：Nature Human Behaviour
文章简介：
核心结论： 当我们经历情绪高涨的时刻（无论是紧张、激动还是惊讶），大脑中原本相对独立的各个功能网络（如视觉网络、注意力网络等）会暂时打破壁垒，加强彼此间的沟通与协作，进入一种高度“整合”的工作状态 。
关键机制： 这种大脑网络的“整合”状态，是高效编码记忆的关键。在某个事件中，大脑的整合程度越高，我们日后对该事件的回忆就越准确、越生动。换言之，大脑网络整合是连接“情绪唤醒”与“记忆增强”之间的关键桥梁 。
机制链条： 情绪唤醒 → 大脑网络功能整合增强 → 叙事记忆保真度提高。
坚实证据： 研究团队在三个独立的实验数据集中均验证了这一发现。这些实验不仅涵盖了不同的感官输入（视听结合的电影与纯音频的故事），还采用了多种衡量情绪唤醒的方法（人类主观评分、人工智能文本分析以及客观的生理指标——瞳孔大小变化），极大地增强了结论的可靠性和普适性 。
Paper8: 牛津团队最新PNAS | 大脑的“社交觅食”：我们如何评估交朋友的“成功率”和“机会成本”？ ⭐️[ 解读链接 ]
Title: Fundamental features of social environments determine rate of social affiliation
发表时间：2025.10.14
Journal：PNAS
文章简介：
核心观点：我们决定是否与人交朋友，遵循着经典的“觅食理论”（foraging theory）原则。大脑会像计算觅食收益一样，权衡社交机会的“丰富度”与“成功率”。
关键行为模式：当社交机会充足时（环境“密集”），我们会变得更挑剔，发送好友请求的意愿降低；而当机会稀少时（环境“稀疏”），我们则会更主动出击。同样，在一个更友善、成功率更高的环境中，我们更愿意尝试建立联系 。
大脑的角色：这些复杂的社交计算，由一个演化上非常古老的大脑网络负责。该网络包括中缝背核（dorsal raphe nucleus）、黑质（substantia nigra）和前脑岛（anterior insula）等区域，而这套系统同样也负责管理我们寻找食物等基本生存回报的行为 。
现实意义：这种“社交觅食”策略的个体差异，与我们现实生活中的社交幸福感紧密相关。研究发现，它与“社交兴盛度”（social thriving）以及体验快乐的能力（即快感缺乏的反面，anhedonia）等心理健康维度存在显著关联 。
Paper9: Nat Neurosci | 大脑如何给自己“洗澡”？全新MRI技术首次揭示驱动脑脊液流动的三大“引擎”！ ⭐️[ 解读链接 ]
Title: Region-specific drivers of CSF mobility measured with MRI in humans
发表时间：2025.10.14
Journal:Nat Neurosci
文章简介：我们的大脑就像一座永不停歇的繁华都市，无数神经元细胞夜以继日地辛勤工作，维持着我们的思考、情感和行动。但和所有城市一样，大脑在高速运转的同时，也会产生大量的“代谢垃圾”（如β-淀粉样蛋白、tau蛋白等）。如果这些“垃圾”不能被及时清理，日积月累，就可能导致阿尔兹海默症、脑血管病等多种神经退行性疾病。那么，大脑是如何给自己“洗个澡”，保持洁净的呢？
不同于身体其他器官拥有淋巴系统作为“垃圾回收站”，我们的大脑独创了一套精密的“清洁系统”。在这个系统中，脑脊液（CSF） 扮演了关键的“清洁工”角色，它沿着血管周隙（Perivascular Spaces, PVS）这种微小的通道流动，带走脑组织中的代谢废物。然而，一个困扰了科学家许久的核心问题是：究竟是什么力量在驱动着脑脊液的流动？ 是心脏的搏动，是我们的呼吸，还是血管自身的舒缩（Vasomotion）？这些“引擎”又是如何在不同区域工作的？
Paper10: 不是你算错了，是你看错了！最新 PNAS 揭示统计判断偏差源于有偏的视觉信息采样 ⭐️[ 解读链接 ]
Title: Information sampling and Bayesian belief formation in statistical judgment
发表时间：2025.10.15
Journal:PNAS
文章简介：当我们浏览数据图表时，无论是分析股票走势、查看实验数据，还是阅读科研文献，我们真的“看”到了全部信息吗？还是说，我们只是“看”到了我们想看到的？
这听起来像一句绕口令，但它背后隐藏着一个深刻的认知问题。想象一下，你正试图通过看几张快照来评估一场派对的热闹程度。如果你只拍了角落里安静的几个人，你可能会得出“派对很无聊”的结论，尽管舞池中心可能正热火朝天。你“采样”到的信息，决定了你的最终判断。
最近，一篇发表在 PNAS 上的研究 深入探讨了我们是如何从散点图中“管中窥豹”的，以及这种“有偏采样”如何系统性地导致了我们对数据关系的误判。
Paper11: 北师大 + 首医大Sci Adv揭秘听力缺失如何阻碍婴儿大脑正常发育 ⭐️[ 解读链接 ]
Title: Developmental alterations in brain network asymmetry in 3- to 9-month infants with congenital sensorineural hearing loss
发表时间：2025.10.15
Journal:Science Advances
文章简介：想象一下，我们的大脑就像一个精密的交响乐团。在婴儿刚出生的头几个月，这个乐团的成员们（大脑的不同区域）正在紧张地排练和磨合，学习如何高效协同工作。在这个过程中，一个至关重要的步骤是“专业分工”：比如，乐团的“小提琴部”（如左半球）会逐渐承担起旋律的主导（如处理语言信息） ，而“铜管乐部”（如右半球）则可能更专注于和声与节奏（如空间感知和情绪韵律） 。
这个高效的分工过程，在神经科学中被称为“大脑偏侧化”（Brain Lateralization） ，它是大脑功能成熟的重要标志 。那么，问题来了：如果这个乐团从一开始就听不到指挥的节拍（即缺乏关键的早期经验，例如“听觉”），这个“专业分工”的过程会受到怎样的影响？这正是我们今天要分享的这篇Science Advances文章所探讨的核心问题。
Paper12:最新 Nature 子刊！MIT团队推出重磅CogLink模型，详细揭示层级决策中不确定性处理的神经基础 ⭐️[ 解读链接 ]
Title: The neural basis for uncertainty processing in hierarchical decision making
发表时间：2025.10.16
Journal：Nature Communications
文章简介：
面临的挑战：长久以来，神经科学界缺乏一个既具有生物学合理性、又能清晰解释其内部算法的计算模型，来阐明大脑如何在复杂环境中同时处理多个层级的不确定性。
创新的方案：研究团队开发了一种名为CogLink的新型神经网络架构。它并非传统的“黑箱”模型，而是通过数学分析构建，旨在搭建一座连接真实神经回路与高级认知算法的桥梁 。
核心机制：CogLink模型揭示了一种精巧的“劳动分工”机制。一个模拟基底节（basal ganglia, BG）的回路，负责处理较低层次的不确定性（例如，某个选项有多大概率获得奖励？），从而在“探索”新选项和“利用”已知最优选项之间取得平衡。而另一个模拟丘脑-皮层（thalamo-cortical），特别是前额叶皮层（PFC）与丘脑内侧背核（MD）之间交互的回路，则负责处理更高层次的情境不确定性（例如，当前环境的规则是否发生了变化？），从而实现灵活的策略转换 。
深远启示：这一双系统架构不仅成功解释了健康大脑在动态环境中的灵活决策行为，更重要的是，通过模拟该模型特定节点的扰动，能够复现精神分裂症患者身上观察到的典型认知缺陷，为“计算精神病学”这一前沿领域提供了强有力的工具和深刻的机理洞见 。
Paper13:最新 Nature 子刊 | 丘脑如何精细调控“有模型”与“无模型”学习策略？ ⭐️[ 解读链接 ]
Title: Thalamic regulation of reinforcement learning strategies across prefrontal-striatal networks.
发表时间：2025.10.16
Journal:Nat Commun
文章简介：想象一下你每天的通勤路。大多数时候，你可能会凭着“肌肉记忆”走最熟悉的老路，这高效、省力。但学校发通知说食堂维修道路封了，你就会立刻查看地图，规划一条新路绕过去。
这两种决策模式，在认知神经科学中被称为“无模型”（Model-Free, MF）学习和“基于模型”（Model-Based, MB）学习。MF 策略像“习惯”，依赖过去的奖励经验；而 MB 策略则像“规划”，利用对环境的认知地图来灵活应对变化。我们的大脑在这两种策略间巧妙地平衡，以适应复杂多变的世界。
Paper14:最新NHB | 斯坦福万人“社交破冰”实验：一张海报，如何让学生交到更多朋友？揭秘“共情感知差距” ⭐️[ 解读链接 ]
Title: Bridging the empathy perception gap fosters social connection
发表时间：2025.10.16
Journal：Nature Human Behaviour
文章简介：你是否也曾有过这样的瞬间：在人群中感到格格不入，想与人交流却又担心被拒绝，觉得周围的人似乎都很冷漠，难以接近？
这或许是当代年轻人的共同困境。一个令人惊讶的趋势是，历史上本应是人生中最快乐阶段之一的青年时期，如今却成了心理健康问题的重灾区。在欧美国家，年轻人报告的幸福感甚至在所有年龄组中垫底 。孤独感的浪潮正在席卷全球，而本应充满活力的大学校园，也未能幸免。
我们不禁要问：在一个旨在促进交流与连接的环境中，年轻人为何反而感到前所未有的孤立？传统的解释指向了城市化、技术发展等宏观因素，但来自斯坦福大学Jamil Zaki教授团队发表在Nature Human Behaviour上的最新研究，提出了一个颠覆性的视角：也许，阻碍我们建立社会连接的最大障碍，并非机会的匮乏，而是我们对他人善意与共情的系统性低估 。
Paper15: PNAS 研究揭示童年阴影如何重构全脑活动模式 ⭐️[ 解读链接 ]
Title: Reconfiguration of brain-wide neural activity after early life adversity
发表时间：2025.10.17
Journal:PNAS
文章简介：我们常说“童年阴影”，指的是早期负面经历（Early Life Adversity, ELA）对人一生可能造成的长久影响。这种影响就像是为一座建筑打下了有偏差的地基。
在风和日丽时（正常生活），这座建筑表面上可能看起来并无不妥。然而，一旦遭遇风暴（如成年后再次经历创伤性事件），这个不稳固的地基就可能导致建筑出现严重的结构性问题（如精神与心理障碍）
我们凭直觉得知这种联系的存在，但大脑这个“建筑”的内部到底发生了什么？为什么早期的逆境会让我们在未来变得如此脆弱？这是一个困扰神经科学家的巨大谜团 。
Paper16: PNAS | 大脑如何处理滔滔不绝的语音流？斯坦福团队最新研究揭示语言“分层动态编码”（HDC）的奥秘 ⭐️[ 解读链接 ]
Title: Hierarchical dynamic coding coordinates speech comprehension in the human brain
发表时间：2025.10.17
Journal：PNAS
文章简介：
核心问题： 语音流是连续且快速的。大脑必须“记住”刚听到的内容（维持），才能理解后面的内容；同时又要处理新涌入的声音（更新），且不能让新旧信息互相“打架”（干扰）。
解决方案：分层动态编码（HDC）。 大脑对每个语言特征（如一个音素或一个单词）的编码不是一张“静态照片”，而是一部“动态微电影”。也就是说，代表某个特定信息的神经活动模式会随着时间的推移而系统性地演变和变化 。
精妙之处： 这部“微电影”的“播放速度”是分层的。处理音素等底层、快速变化的特征时，神经编码演变得快；处理句法、语义等高层、持续时间长的特征时，神经编码演变得慢。这种速度的匹配，使得相邻但不同的信息单元（如连续的音素或单词）在神经层面始终保持区分，完美地避免了“破坏性干扰”，最终实现了高效、鲁棒的语音理解 。
Paper17: Nat Commun | 重磅！内嗅皮层网格编码最新发现：记忆形成中的“眼动地图” ⭐️[ 解读链接 ]
Title: Entorhinal grid-like codes for visual space during memory formation
发表时间：2025.10.20
Journal：Nature Communications
文章简介：“视觉GPS”真实存在： 当我们通过眼球扫视来观察和记忆场景图片时，大脑的内嗅皮层确实会产生一种具有六边形规律的神经活动模式，即“网格样编码”（grid-like codes）。这证实了大脑在处理二维视觉空间时，也使用了类似GPS的坐标系统 。
编码与记忆成功挂钩： 这种网格样编码并非在所有情况下都出现。它主要在那些我们后来能够成功记住的图片（后续击中，hits）的编码阶段才显著激活，这表明它与有效的记忆形成过程直接相关 。
惊人反转——“弱即是强”： 研究中最出乎意料的发现是，网格样编码的信号强度与个体的记忆表现呈现出显著的负相关。换言之，那些内嗅皮层网格信号较弱的被试，反而在后续的记忆测试中表现得更好。这一发现挑战了“神经活动越强则功能越优”的传统观念 。
记忆与运动的联动： 内嗅皮层的网格信号与大脑中负责眼球运动的“指挥中心”——额叶眼区（Frontal Eye Fields, FEF）的活动是同步的。这揭示了负责高级记忆的内侧颞叶系统和负责眼动控制的额叶区域之间存在着紧密的协同工作关系 。
研究严谨，双重验证： 为了确保结论的可靠性，研究人员在两个完全独立的、在不同研究机构进行的数据集中均验证了上述核心发现，极大地增强了结果的可信度 。
Paper18: MIT团队最新Neuron：大脑如何读取“缓存”？额叶Theta波或是工作记忆的节律性“扫描仪” ⭐️ [ 解读链接 ]
Title: Working memory readout varies with frontal theta rhythms
发表时间：2025.10.20
Journal：Neuron
文章简介：想象一下，你正在一边听着手机导航的语音指令，一边在复杂的路口寻找正确的方向。在这个过程中，你的大脑需要临时“缓存”住“前方200米后右转”这条关键信息。这个至关重要、让我们能够暂时储存并处理信息的“大脑便签条”或“心理黑板报”，就是认知神经科学中的核心概念——工作记忆 (Working Memory, WM)。
长久以来，我们或许认为大脑对这些“缓存”信息的访问是随时、持续且稳定的。然而，神经科学的前沿进展不断揭示，我们的大脑并非一台安静运行的计算机，它的内部充满了节律性的电活动——神经振荡 (neural oscillations)，就像成千上万的神经元在同步“哼唱”着不同频率的乐曲。
一个广为人知的例子来自注意领域。此前的研究已经发现，我们对外部世界的注意力并非连续不断的，而更像一盏频闪灯，以一种特定的节律——theta波 (theta rhythm, 约 3-6 Hz)——一帧一帧地“刷新”着我们的感知。在某些时刻，我们能敏锐地捕捉到稍纵即逝的信号；而在另一些时刻，同样的信号却可能被我们忽略。
那么，一个激动人心的问题随之浮现：既然大脑用这种节律性采样的方式来感知外部世界，它是否也用同样的策略来检视我们的内部“精神世界”——也就是，读取我们工作记忆中的信息呢？最近，一篇发表在顶刊《Neuron》上的研究为我们揭开了这个谜题的一角。
Paper19: PLOS Biology新发：大脑Alpha波也“分工”！一个调“灵敏度”，一个定“决策标准” ⭐️[ 解读链接 ]
Title: Distinct alpha networks modulate different aspects of perceptual decision-making
发表时间：2025.10.22
Journal：PLOS Biology
文章简介：你是否有过这样的经历：在静谧的夜晚仰望星空，有时能瞥见一颗黯淡的星星，但转瞬之间，它又消失在视野里，仿佛从未出现过。你的视力并没有在短短几秒内发生变化，那是什么导致了这种“时灵时不灵”的感知体验呢？
这个问题的答案，藏在我们大脑内部状态的神秘波动中。认知神经科学家们发现，大脑中一种被称为Alpha波（频率在8-13 Hz的神经振荡）的节律活动，扮演着关键角色。你可以把它想象成大脑某些区域的“调光开关”或“抑制门阀”：当Alpha波增强时，相应脑区的神经兴奋性就会被抑制，如同灯光被调暗，信息处理的效率随之降低。
然而，关于Alpha波究竟如何影响我们的感知决策，学界长期存在着一个核心争议，形成了两大阵营。根据经典的信号检测论（Signal Detection Theory, SDT），我们的感知决策包含两个核心参数：
知觉灵敏度 (d')：这反映了我们区分信号与噪音的能力，通俗地说，就是你看得有“多清楚”。
决策标准 (c)：这反映了我们做出判断的倾向性或偏好，即你有多“敢”于报告“我看到了”。一个保守的人（高标准）需要非常确凿的证据才点头，而一个大胆的人（低标准）则可能在信息模糊时就倾向于肯定。
过去的研究结果相互矛盾，莫衷一是：一些研究发现，刺激出现前的Alpha波强度主要影响决策标准 (c)，即改变我们的决策“胆量” ；而另一些研究则认为，Alpha波只调节知觉灵敏度 (d')，即影响我们感知的“清晰度” 。这两个结论似乎水火不容，让Alpha波的功能显得扑朔迷离。
这场争论的转机，源于一个全新的视角。以往的研究大多将Alpha波视为一个单一、笼统的现象。但如果大脑中并存着多个功能各异的Alpha“源头”——即多个不同的Alpha脑网络呢？有没有可能，这些不同的网络各司其职，从而导致了先前看似矛盾的研究结果？这正是本期速递的研究试图解答的核心问题。
Paper20: Nat Commun | 当行为同时影响你我，我们如何学会抉择？最新研究揭秘“社会脑”学习的神经计算机制 ⭐️[ 解读链接 ]
Title: Neurocomputational basis of learning when choices simultaneously affect both oneself and others
发表时间：2025.10.22
Journal：Nature Communications
核心问题：当一个选择同时影响自己和他人时，我们的大脑是分开记两本账（一本为自己，一本为他人），还是只记一本整合后的总账？
计算模型发现：大脑选择了更高效的“一本总账”模式，即“价值整合模型”。它会将给自己和他人带来的结果，根据不同的权重，整合进一个单一的“价值信号”里，用以指导未来的选择 。
学习机制：这种价值的更新过程是“不对称的”。我们对于“自己的好消息”（例如意外获益）和“他人的坏消息”（例如对方意外受损）等不同类型的结果，其学习的权重（即学习率）截然不同 。
个体差异：这种学习机制的差异与我们的人格特质紧密相关。研究发现，精神病态（psychopathy）特质水平越高的个体，从“他人”相关的结果中学习和调整行为的能力就越差，这为他们表现出的冷漠和亲社会行为缺陷提供了计算层面的深刻解释 。
神经基础：一个由腹侧纹状体、前扣带回、脑岛和杏仁核等多个关键脑区组成的神经网络，共同协作，实现了这个复杂、精妙且不对称的社会学习过程 。
Paper21: Nature 重磅！ 人类设计的算法被强化学习 AI超越了！ ⭐️[ 解读链接 ]
Title: Discovering state-of-the-art reinforcement learning algorithms
发表时间：2025.10.22
Journal: Nature
文章简介：近日，发表于 Nature 的一项研究中，来自 Google DeepMind 的团队成功实现了这一跨越。研究者们采用了一种“元学习”（meta-learning）方法，让一个由大量智能体组成的“种群”在众多复杂环境中进行“演化。该方法的核心是让系统自主发现更新自己策略和预测的“规则”。这个被机器自主发现的规则被称为 DiscoRL。在标准测试（如雅达利游戏基准）上，DiscoRL 的表现超越了所有现存的人工设计的强化学习规则。更重要的是，它在那些从未“见过”的全新复杂任务上（ProcGen）也展现了卓越的泛化能力，击败了许多顶尖算法。这项工作表明，AI自主发现强大的学习算法不仅是可能的，而且其性能可以超越人类的设计。研究还发现，用于“进化”的环境越复杂多样，发现的算法就越强大和通用。这一发现意义重大，它预示着未来高级人工智能所需的算法，或许将不再依赖人类的手工设计，而是由机器在经验中自动发现。
Paper22:行为“嵌入”：我们如何“看懂”他人行为？Nature子刊研究揭示人类行为感知的“28维空间” ⭐️[ 解读链接 ]
Title: Revealing Key Dimensions Underlying the Recognition of Dynamic Human Actions
发表时间：2025.10.23
Journal：Communications Psychology
文章简介：从厨师刀刃的寒光一闪，到指挥家手臂的激情挥舞，我们的大脑似乎毫不费力地解读着世间万千的人类行为。但这种理解能力的基石是什么？大脑是如何在这动态的洪流中建立秩序的？这项发表于《自然》旗下期刊的开创性研究，为我们绘制出了一幅全新的心智“行为空间”地图 。
Paper23: AI当一作，AI来审稿！Science 报道颠覆性实验 ⭐️ [ 解读链接 ]
Title: At futuristic meeting, AIs took the lead in producing and reviewing all the studies: Organizers aim to tune AI to help accelerate science
发表时间：2025.10.23
Journal:Science
文章简介：“本研究的第一作者是：ChatGPT ” (lead author, 中文语境感觉这么翻译比较好)
在主流学术界，这句话是禁忌，因为AI无法对研究负责。但一场名为“Agents4Science”的会议却彻底颠覆了这个规则：所有48篇被接收的论文，都必须将AI列为首席作者，并接受AI的审查。这场会议的目标直指未来：AI能否主导从提出假说、设计实验、运行计算到撰写论文的整个科研流程？
Paper24:最新NN解读 | 7TfMRI打开“身心同调”的全脑地图 ⭐️[ 解读链接 ]
Title: Cortical and subcortical mapping of the human allostatic–interoceptive system using 7 Tesla fMRI
发表时间：2025.10.23
Journal: Nature Neuroscience
文章简介：坐着用7特斯拉fMRI（n=90，静息30分钟，1.1 mm体素）系统复核并扩展人类异稳态–内感受系统（支持能量预测调节与内感受建模）的全脑连接版图。发现皮层–皮层连接100%复现灵长类解剖单突触连线；跨皮层–皮下与皮下–皮下验证>96%。识别出更完整的ACC与岛叶拓扑，并扩展脑干核团图谱。这表明异稳态–内感受信号可能是DMN + 显著/体感网络“骨干通信”的内核，对情绪、疼痛、认知与身心疾病具有跨诊断解释力与干预潜力。
Paper25: Neuron最新 | 规划未来还是构建地图？普林斯顿团队提出统一海马“重放”功能的新理论 ⭐️[ 解读链接 ]
Title: Between planning and map building: Prioritizing replay when future goals are uncertain
发表时间：2025.10.27
Journal：Neuron
文章简介：想象一下，你每天通勤的地铁站突然关闭了，你需要立刻规划出一条新的最佳路线。或者，你常去的咖啡馆换了老板，不再卖你最爱的拿铁。在这些情境中，我们的大脑展现出惊人的灵活性，迅速调整行为策略。这种能力背后，一个名为“海马重放”（hippocampal replay）的神经机制扮演着至关重要的角色。
在休息或睡眠时，我们大脑中的海马体会像快进或倒带一样，以压缩的形式重新激活过去经历的神经活动序列。长期以来，科学家们对这一现象的计算功能争论不休，形成了两大主流观点 ：
“价值假说” (Value Hypothesis)：该观点认为，重放是一种服务于当前目标的在线规划 (planning)。就像GPS为你计算到达目的地的最短路径一样，重放通过模拟未来的可能性，来更新与决策相关的“价值”，从而指导我们做出最优选择。这一思想在Mattar与Daw于2018年提出的“优先重放”（prioritized replay）模型中得到了精准的数学刻画 。
“地图假说” (Map Hypothesis)：该观点则主张，重放的主要功能是构建和维护一幅独立于当前目标的、通用的“认知地图” (cognitive map)。这幅地图描绘了环境的结构布局，使我们能够在目标改变时灵活应对，而不仅仅是为了眼前的奖励 。
然而，近期的实验发现让“价值假说”陷入了困境。在一些目标位置会周期性改变的任务中，科学家观察到了所谓的“悖论性重放” (paradoxical replay) 现象：当奖励点从A点转移到B点后，动物的行为会迅速适应，跑向新的B点；但与此同时，它们的海马体却更频繁地重放通往旧的A点的路径。这种重放内容与行为目标的“滞后” (lag) 现象，似乎直接反驳了重放是为了规划当前路线的观点 。
那么，海马重放究竟是在为眼前的目标“运筹帷幄”，还是在为不确定的未来“构建地图”？或者，这两种看似矛盾的功能背后，是否存在一个更深层次的统一理论？这正是普林斯顿大学Nathaniel D. Daw教授团队在Neuron上发表的最新研究试图回答的核心问题。
Paper26: Nat Neurosci重磅：入睡不是渐变，而是“临界突变”！科学家首次揭示可预测的大脑“睡眠临界点” ⭐️[ 解读链接 ]
Title: Falling asleep follows a predictable bifurcation dynamic
发表时间：2025.10.28
Journal：Nature Neuroscience
文章简介：我们一生中约有三分之一的时间在睡眠中度过，但大脑究竟是如何从清醒的喧嚣，坠入沉睡的寂静？这个我们每晚都在经历的过程，却是神经科学中最持久的谜团之一 。
长久以来，科学家们通过脑电图（EEG）将睡眠划分为N1、N2、N3等离散的阶段。这种方法就像是为一场旅行拍摄了几张孤立的快照，我们能看到“清醒”和“睡眠”这两个目的地，却对连接两地的路径——即入睡的动态过程——知之甚少 。这种描述性的“分期”方法，无法解释、更无法预测入睡这一关键转变究竟何时以及如何发生。
我们能否超越这些静态的标签，用一种全新的数学语言来描绘大脑“坠入”睡眠的连续轨迹？近期，英国帝国理工学院的Junheng Li与Nir Grossman团队在神经科学领域顶级期刊 Nature Neuroscience 上发表的研究，为此提供了颠覆性的答案。他们提出了一个全新的计算框架，首次证实入睡并非一个平滑的渐变过程，而是一场遵循特定动态法则、可被精确预测的“临界突变”。
Paper27:最新Nature正刊 | 反直觉！感觉预期为何“绕开”感觉区，直达运动皮层？ ⭐️[ 解读链接 ]
Title: Sensory expectations shape neural population dynamics in motor circuits
发表时间：2025.10.29
Journal: Nature
文章简介：想象你端着一杯刚到手的热咖啡，正要迈步时，地板突然一晃。你几乎没想就把杯子往反方向一抵，液面稳住了，衣服也没被烫到。这个“下意识”的修正，靠的不是慢吞吞的思考，而是身体早就把“可能会晃”的情况预先算进去了。再想想开车进隧道、抱着小孩下台阶、打羽毛球准备接杀球——我们并不等事情发生再临时抱佛脚，而是提前把 “感觉上可能会出现什么” 装进了身体的准备里。
过去讲“运动准备（movement preparation）”，更多是从“我要做什么动作”出发：比如发球前，运动皮层（motor cortex）会出现与即将动作相关的准备活动，等哨声一响就能迅速导出正确的肌肉指令。这就像把火箭放到合适的发射架上，等到点火就能直冲云霄。可现实里的动作，往往不是你一个人说了算：外界的风吹草动——推搡、路滑、器械反弹、球速变化——都会“插手”。这时，身体需要借助感觉反馈（sensory feedback）来即时修正。问题来了：既然很多干扰是“八九不离十能猜到”的（比如公交起步会晃、队友传球方向有倾向、机器手臂偶尔会有某种回弹），我们的神经系统会不会在动手之前，就把这些感觉上的期待一并准备好？
Paper28:自信的来源，竟然是那些“反对”你的证据？Nature子刊最新研究：颠覆“确认偏误” ⭐️[ 解读链接 ]
Title: How disconfirmatory evidence shapes confidence in decision-making
发表时间：2025.10.29
Journal：Communications Psychology
文章简介：我们为何会对自己的某些决定信心满满（比如在人群中认出老友的脸），又对另一些决定犹豫不决（比如在陌生的城市导航）？这种评估自我决策正确性的能力，在认知神经科学中被称为元认知 (metacognition) 或决策信心 (decision confidence) 。
在理想情况下，我们评估信心时应平等地权衡所有可用的证据 。然而，近年来大量研究指出，人类的信心系统存在一种系统性的偏差，被称为“积极证据偏见” (Positive Evidence Bias, PEB)，或更中性地称为“反应一致性证据效应” (Response-Congruent Evidence, RCE) 。
RCE效应通俗来讲，就是一种元认知层面的“确认偏误” (confirmation bias)。该理论认为，大脑在形成信心判断时，会过度权衡那些支持你最终选择的证据，而系统性地忽视或打折处理那些与你选择相悖的证据 。例如，在Peters等人2017年的研究中，神经活动显示信心仅与“所选选项”的证据强度相关，而与“未选选项”的证据无关 。这种机制被认为是导致过度自信 (overconfidence) 的一个重要来源 。
然而，这些RCE效应的发现大多依赖于“二维信号检测”任务（例如“人脸 vs 房屋”），即两个选项的证据来源是相互排斥的 。那么，当证据分布在一个连续谱（例如颜色从蓝到红）上时，这种“确认偏误”是否依然成立？这正是本研究切入的核心问题。
Paper29:哈佛最新Nat Neurosci | 1+1>2：顶叶皮层如何利用“信息增强”结构，放大决策信号？ ⭐️[ 解读链接 ]
Title: Specialized structure of neural population codes in parietal cortex outputs
发表时间：2025.10.31
Journal：Nature Neuroscience
文章简介：想象一位身处嘈杂战场的指挥官。如果他通过“全场广播”来下达指令，这个关键信息很可能被炮火声淹没，无法准确传达。但如果他使用一条通往特定作战单元的“加密通讯”频道，指令就能被清晰接收并立即执行。
我们的大脑，这个宇宙中最复杂的通讯网络，也面临着同样的挑战：在数十亿神经元持续不断的“背景噪音”中，一个脑区（如下达决策命令的顶叶皮层）如何确保其指令被特定的下游伙伴脑区精准无误地接收？
长久以来，我们知道大脑各区域间存在着广泛的交流，但信息传递的可靠性与特异性究竟遵循何种法则，很大程度上仍是未解之谜。一个核心问题是：那些共同构成一条“输出通路”、投射到同一目标的神经元们，是否会使用一种特殊的“语言”或“编码”来保护并强化它们传递的信息？
近日，发表于《自然·神经科学》（Nature Neuroscience）的一项里程碑式研究，为我们揭示了惊人的答案。来自哈佛大学的 Houman Safaai、Christopher D. Harvey 及合作者们发现，这些大脑中的“专线”通路，确实采用了一种高度特异化、非随机的网络结构来主动增强信息。而最令人称奇的是，这套精密的编码机制，仅在动物做出正确、成功的行为决策时才会被激活 。
往期总结
周报-20251006 | 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态 ⭐️[解读链接]
周边-20250922 |认知神经科学前沿动态周览 *⭐️[解读链接]***
前沿交流 | 欢迎加入认知神经科学前沿交流群！⭐️[解读链接]
PsyBrain 脑心前沿
带你了解心理学、脑科学的前沿知识与技术流程
预览时标签不可点
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务