来源：EasyReader论文阅读

原文链接：https://mp\.weixin\.qq\.com/s/KWke087moVL8f6kIt\_AVUw

? 学科: eess.*

本期 eess.*（电气工程与系统科学）学科精选了5篇高质量论文，涵盖了医学图像超分辨率、机器人动力学控制以及语音信号处理等前沿方向。在医学影像方面，ECCV 2026 录用论文提出了一种双先验零空间学习框架，在严格保持测量一致性的前提下提升了切片超分辨率效果。在机器人领域，AVEC 2026 论文针对轮式四足机器人自主竞速，结合 MPC 与 RL 实现了出色的主动侧倾控制。在语音领域，三篇 Interspeech 2026 录用论文分别针对端到端语音质量评估（基于对比学习优化 DNSMOS）、示例查询口语词检测（提出可扩展的语音分词器 wav2tok 2.0）以及跨领域语音表示（结合 Whisper 与 Qwen 的双编码器融合框架）提出了创新的解决方案。

Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution

Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control

DNSMOS-C: Improving End-to-end Speech Quality Models via Contrastive Learning

wav2tok 2.0: Scalable Audio Tokenization Maintaining Explicit Pairwise Token Alignment for Efficient Audio Retrieval

WQ-Fusion: Dynamic Gated Attention for Cross-Domain Audio Representation

? 学科: q-bio.*

本期 q-bio.*（定量生物学）学科精选了3篇在顶尖计算机体系结构、人工智能和医学影像会议上发表的论文。研究内容高度跨界：ISCA 2026 的论文针对大规模基因组图谱分析，提出了一种创新的存内计算系统（GRAINS），大幅降低了传统架构的访存瓶颈；ALIFE 2026 论文从认知科学角度，将单细胞藻类的趋光性重构为基于生化反应网络（CRN-ODE）实现的强化学习与信息获取过程；MICCAI 2026 论文则探讨了三维荧光显微镜下的自监督学习，证明了原生 3D 掩码自编码器（MAE-3D）结合蛋白质语言模型（ESM2）在单细胞表示学习中的巨大优势。

GRAINS: Storage-Aware Algorithm-Architecture Co-Design Enabling High-Performance and Low-Cost Graph-Based Genome Analysis

Implementation of reinforcement learning in chemical reaction networks: application to phototaxis as curiosity-driven exploration

3D Masked Autoencoders are Robust Learners of Volumetric and Multimodal Cellular Representations for Microscopy

? 学科: cs.*

本期 cs.*（计算机科学）学科汇集了人工智能、强化学习和机器人技术领域的突破性进展。ACL 2026 论文通过自主经验探索和后验经验利用显著提升了小型多模态大模型在 GUI 界面任务规划上的泛化能力；KDD 2026 工作室论文探讨了工业级语义求职搜索中的 RLAIF 框架，揭示了奖励塑造（Reward Shaping）对算法防作弊的重要性；ICML 2026 Spotlight 论文提出的自回归玻尔兹曼生成器（ArBG）打破了传统的流模型限制，在复杂分子系统平衡态采样上取得了重大突破；EMNLP 2026 投稿论文深入社交媒体隐秘语言检测，提出了一套面向编码机制的新型分类法；IROS 2026 论文（BOWConnect）则巧妙地将窗口贝叶斯优化引入双向并行运动规划中，完美解决了狭窄空间中的机器人控制难题。

Empowering GUI Agents via Autonomous Experience Exploration and Hindsight Experience Utilization for Task Planning

Designing Reward Signals for Portable Query Generation: A Case Study in Industrial Semantic Job Search

Autoregressive Boltzmann Generators

Beyond Surface Forms: A Comprehensive, Mechanism-Oriented Taxonomy of Indirect Linguistic Encoding for LLM-Based Coded Language Detection

BOWConnect: Parallel Bayesian Optimization over Windows with Learned Local Cost Maps for Sample-Efficient Kinodynamic Motion Planning

? 学科: math.*

本期 math.*（数学）学科推荐了一篇被 COLT 2026 录用的杰出论文。该研究攻克了高维截断高斯分布学习这一统计学与机器学习领域的经典难题。作者针对未知半空间截断下的高斯分布，提出了一种极速且样本复杂度最优的算法。其核心突破在于将低阶矩用“相对截断参数”重新解释，从而巧妙绕过了传统方法中极其耗时的投影随机梯度下降步骤。该成果在理论上实现了在半空间截断下“免费”学习高斯分布的卓越性能。

Fast algorithms for learning a Gaussian under halfspace truncation with optimal sample complexity

? 学科: astro-ph.*

本期 astro-ph.*（天体物理学）学科精选了5篇极具分量的学术论文，主要聚焦于下一代巨型射电望远镜——平方千米阵（SKA）所引领的前沿科学研究以及星际介质的化学和物理性质。研究涵盖了利用 SKA AA4 重构三维空间中的 3D 磁场矢量、通过 SKA 探索行星形成盘中复杂的厘米波分子前体、结合机器学习（iSEEDs 项目）高效挖掘年轻原恒星盘物理和化学丰度、以及利用 SKA-Low 协同粒子探测器测量银河系至银河外过渡能区的高能宇宙线质量成分。此外，还有一篇利用 MUSE 仪器对富勒烯行星状星云 Tc 1 的消光和电子分布性质进行的细致光谱观测研究。

3D Magnetic Field Vectors in Space: Bubbles, Clouds, and Filaments

Unveiling Complex Chemistry in Planet-forming Disks with the SKAO

Astrochemical Study of Early Embedded Disks

Origins of Cosmic Rays in the Galactic-extragalactic Transition Energy Range

MUSE Imaging Spectroscopy of the Fullerene Planetary Nebula Tc 1

? 学科: stat.*

本期 stat.*（统计学）学科精选了3篇涵盖计算统计与机器学习理论的高水平论文。ICML 2026 论文针对共享词汇表的 LLM 家族提出了“FisherSketch”，通过估计联合激活-误差空间中的 Fisher 对齐，在词汇表尺度上优雅地解决了无训练源选择与迁移诊断难题；另一篇 COLT 2026 录用论文针对高维半空间截断下的高斯分布学习，提出了一种突破性的高效参数恢复算法，在保持最优样本复杂度的同时实现了计算上的“免费”截断学习；最后，PCIC 2024 论文将高斯图模型与预算约束相结合，研究了部分测量下的因果效应估计与实验设计优化，在制药与工业分析中展现了极高的实用价值。

The Geometry of Updates: Fisher Alignment at Vocabulary Scale

Fast algorithms for learning a Gaussian under halfspace truncation with optimal sample complexity

Optimizing Experimental Design for Causal Effect Estimation with Partial Measurements

? 学科: econ.*

本期 econ.*（经济学）学科精选了2篇将现代技术（如大模型）与传统经济学理论相结合的优秀论文。第一篇论文针对基座模型在离散选择预测中常常违背经济学常识（如价格上涨需求反而上升）的痛点，创新性地提出了一种两阶段适配器，将表格基座模型的预测嵌入多项式 Logit 模型中，在显著提高预测准确率的同时，从数学上保证了时间价值和成本单调性等经济学逻辑。第二篇论文则在传统国际贸易框架下构建了两国两期模型，深入探讨了发展中国家如何通过在前期加大创新资本投入以提高全要素生产率（TFP），从而在贸易自由化（全球化）中实现获益。

Embedding Foundation Model Predictions in Discrete-Choice Models with Structural Guarantees

Globalization, economic growth, and innovation: A two-country two-period model

原文链接: https://www.leiphone.com/category/private/vdpVattQfuIxhW9P.html