这篇论文是典型的将“传统控制理论（基于模型的MPC）”与“现代智能算法（基于数据驱动的强化学习）”完美结合的典范。它告诉我们，具身智能不只是无脑端到端，利用经典的车辆动力学先验知识对系统进行合理的降维分层，能让机器人在硬件极限边缘表现得更优雅、更稳定。如果你正在寻求如何将多自由度机器人的关节潜力发挥到极限，或者正在做软硬件 Sim-to-Real 的闭环落地，原论文绝对值得你花两个小时精读。如果你

这篇论文提出了一种轻量级开源大模型在生物医药断言验证任务上的高效微调方法。研究发现，通过QLoRA技术微调仅1008条样本，7B小模型(Mistral-7B)就能取得88.4%的准确率，超越GPT-4o(85.6%)和GPT-5(77.9%)，同时降低44.5倍成本。论文还揭示了经典数据集SciFact存在结构性漏洞（NEI样本证据字段全空），导致模型可通过简单规则"作弊"。在无漏洞数据集Heal

同步自EasyReader每周精选模块。配合“导读+思维导图”功能阅读，效率提升80%。立即体验EasyReader论文阅读本期选录的学科论文共 5 篇，主要涵盖音频处理、机器人控制和统计特征学习等领域。研究涉及：基于对抗对比学习解决少样本类增量音频分类中的领域偏移；利用四旋翼无人机设计低成本火箭原型测试平台（QuadRocket），并实现自适应推力矢量控制；采用自监督音频模型分析有声书声学特征与

摘要：康奈尔大学等机构的最新理论研究揭示了自回归模型在部分可观测线性动力系统中的表征学习机制。研究发现，仅通过预测下一个token训练的双层线性自回归模型，其隐层表征会自发等价于经典控制理论中的最优卡尔曼滤波器。论文通过严格的数学证明表明：1）模型隐层与卡尔曼滤波状态估计仅相差一个相似变换；2）尽管目标函数高度非凸，但所有局部极小都是全局最优；3）给出了有限样本下的误差收敛保证。这一成果为理解大语

DoorDash在ICML 2026发表的论文提出了一种创新性的离线多智能体强化学习系统（OWA-RL），用于外卖平台的三方市场调度优化。该系统通过在传统运筹优化求解器外层添加动态参数调节模块，实时感知门店供需压力并微调解算器目标权重，既不破坏原有业务约束，又显著提升了骑手合单率（提升0.495~0.6个百分点）并降低等待时间，同时保持用户体验不受影响。研究采用Double DQN与保守强化学习（

谷歌DeepMind与浙江大学团队近日发布的多模态大模型Archon，突破了数字人领域长期存在的"拼凑式"技术瓶颈。该模型通过三大创新实现了任意模态间的高保真转换：1）将视频分解为"语义骨架"和"画质渲染"两阶段处理，使Token数量减少75%；2）引入"模态内省"机制，通过中间模态过渡提升生成稳定性；3）基于统一架构实现72种子任务的协同训练，支持台词修改、性别转换等复杂编辑。实验显示其性能超越

摘要：本周精选论文展示了AI在生物医学领域的创新应用。Mistral-7B等小型LLM通过QLoRA微调，以低成本超越GPT-4o在生物医学断言验证中的表现（F1提高12%）。蛋白质语言模型（pLM）研究揭示了其对稀有病毒蛋白的几何表征特性，而新型正交分解方法优化了微生物组等分层数据的分析。进化替换矩阵的柔性核方法增强了蛋白质属性预测，策略压缩框架则为人类决策中的不确定性成本提供了新见解。这些成果

📚 电子与电气工程（eess.*） 本周精选聚焦机器人柔性生长技术（藤蔓机器人摩擦优化设计）、多语言语音识别泛化能力（语码混合ASR迁移）、通用音频编码器（USAD 2.0十亿参数模型）及复杂环境定位（GNSS/INS内河航道基准测试）。亮点包括开源机器人设计框架、病理语音的个性化适配（FiLM调制）及跨模态音频表征蒸馏，推动感知与控制领域创新。 🔬 生物信息学（q-bio.*） 研究涵盖AI

AI制药新突破：Site4Drug实现无结构依赖的靶点智能预测 加州大学伯克利分校和密歇根大学团队在ICML 2026提出创新AI系统Site4Drug，解决了药物研发中靶点定位的关键瓶颈。该系统仅需蛋白质一维序列，通过多智能体协同推理（Bio/Chem/Risk Agent），即可预测可成药位点并自动推荐最佳药物类型（小分子/抗体）。其核心创新在于： 突破传统工具对三维结构的依赖 整合跨膜拓扑、

AI制药新突破：Site4Drug实现无结构依赖的靶点智能预测 加州大学伯克利分校和密歇根大学团队在ICML 2026提出创新AI系统Site4Drug，解决了药物研发中靶点定位的关键瓶颈。该系统仅需蛋白质一维序列，通过多智能体协同推理（Bio/Chem/Risk Agent），即可预测可成药位点并自动推荐最佳药物类型（小分子/抗体）。其核心创新在于： 突破传统工具对三维结构的依赖 整合跨膜拓扑、