只用四个基本方向敏感细胞，INME 定性复现十一类运动现象，百万参数光流网络多数失手
运动方向估计长期缺少跨物种、跨脑区的统一模型，已有模型往往只适配某类动物、某个脑区或某一种现象。INME 只使用对四个基本方向敏感的细胞，把树突非线性与反向传播动作电位纳入同一电路，并加入求和后的读出阶段。在十一个合成刺激实验中，它定性复现了从对比度饱和、反向 Phi 到时间反演对称性破缺等现象，而五个参数量达百万级的深度光流网络只复现了其中少数几项。
PockLigGPT：以口袋序列为条件的 GPT 分子生成与强化学习框架
该工作提出 PockLigGPT，一个以蛋白质口袋氨基酸序列为条件、基于 GPT 的配体分子生成框架，采用四阶段训练（ZINC20 化学预训练、ChEMBL 生物活性适配、口袋序列条件微调、基于 AutoDock Vina 奖励的口袋特异性对接引导强化学习），在标准化评测协议下取得有竞争力的对接导向表现，同时保持化学合理性与基于 Lipinski 的类药性，并在阿尔茨海默病相关靶点的对接研究与 token 级分析中显示出实用性。
已读完全部报道