animal behavior and cognition 篇论文

动物行为与认知研究揭示了我们身边生物如何感知世界、解决问题以及彼此互动。从蜜蜂复杂的舞蹈语言到乌鸦巧妙的工具使用，这些探索不仅打破了物种界限，更让我们重新思考智能的本质与情感的深度。这一领域充满惊喜，每一次新发现都在改写我们对自然界的理解。

在 Gist.Science，我们专注于从 bioRxiv 获取该领域最前沿的预印本，并确保每一项研究都能被广泛理解。我们会处理每一篇新上传的论文，提供通俗易懂的科普解读以及详尽的技术摘要，让专业见解不再受限于学术术语。

以下是该类别下最新的论文列表，带您直接走进动物心智探索的最前线。

本研究证明，在区分正确与错误的知觉决策方面，言语置信度报告比数值报告更为敏感，而在促进两人协作期间的准确判断修正方面，两种格式均被证明同样有效。

Autobehaver 是一个可解释的、由人工智能驱动的流水线，它将低成本记录平台与深度学习及机器学习技术相结合，以定量分析和分类复杂的果蝇行为，并成功识别出神经、年龄相关及中间表型变化。

本研究证明，寄生蝇Ormia ochracea的歌曲识别依赖于对独立时间特征（脉宽和脉冲间隔）的多维编码，而非像脉冲率这样的单一导出参数，从而揭示该蝇对50脉冲/秒的偏好源于其底层的特征空间。

本文介绍了基于卷积神经网络的鲸类发声检测开源可复现`ai-pam-pipeline`框架，并通过受控实验证明，如快速傅里叶变换窗口长度等预处理选择会显著影响跨域泛化能力，同时该框架在二分类和多分类检测任务中均实现了高性能。

对黑腹果蝇雄性攻击性增强的选择驱动了一种生活史权衡，即交配成功率降低和化学信号改变被显著延长的寿命所补偿，最终重塑了生存与繁殖策略之间的平衡。

本文介绍了 eeeHive，一种基于高频（HF）RFID 的定制自动化追踪系统，该系统克服了传统低频系统数据速率低和无法同时识别的局限，从而实现了对陆生和水生群居动物的高分辨率、长期行为监测。

通过对不同规模的冈比亚疟蚊（*Anopheles gambiae*）实验室集群进行三维轨迹分析，本研究利用统计物理学方法证明了雄蚊在集群飞行过程中存在有效的个体间相互作用，而非仅仅是对视觉标记的独立反应。

该研究通过高分辨率行为表型分析，揭示了果蝇在感染早期细微的运动模式差异（如活动片段长度和状态转换概率）能够有效区分适应性的疾病行为与由病原体引起的病理损伤。

该研究提出并验证了一种基于控制、能量与惊喜（CES）的视听注意力演算模型，指出音乐与动物鸣叫均通过在该三元空间内维持高稳定性来传递信号，这种机制源于寒武纪前后种内及种间冲突的进化压力，并构成了现代音乐质量评估的生物学基础。

该研究通过对 1200 多只野生蛾类的三维飞行追踪发现，人工光强度增加会显著加剧蛾类趋光及飞行轨迹的曲折程度，且白光比琥珀光在远距离上影响更大，而背景光照虽能降低趋光反应却抑制起飞，表明光污染缓解政策应优先降低光照强度。