社群发布｜“飞针送药”-研究发明无人机靶向急救给药系统；大规模语言预训练模型前沿领域取得新进展……

藻胆体是蓝藻和红藻主要的捕光天线，位于类囊体膜基质侧，是迄今为止最大的捕光蛋白复合物。虽然大多数光合蛋白复合物的结构已通过体外纯化的方式得到了解析，但在细胞内的天然状态下它们之间相互作用的方式以及能量传递的途径尚不清楚。清华大学生命科学学院隋森芳院士课题组一直致力于藻胆体结构的研究工作。2017年，该团队在Nature上首次报导揭示了藻胆体的精密组装机制。2020年，该团队在Nature上报道揭示了藻胆体中的能量传递机制，是该领域的一项重大研究成果。

3月15日，清华大学生命科学学院、北京市结构生物学高精尖创新中心、北京生物结构前沿研究中心隋森芳院士和王宏伟教授，以及中科院生物物理研究所章新政研究员，合作在Nature上联合发表研究成果，证明红藻通过间接的“PBS→PSII→PSI”模式向PSI进行能量传递，从而进行PSII和PSI的能量再分配。该成果为人工模拟光合作用研究提供了新的理论依据，是光合领域里的一个里程碑成果。

https://www.tsinghua.edu.cn/info/1175/102116.htm

2018年以来，预训练语言模型（PLM）及其“预训练-微调”方法已成为自然语言处理（NLP）任务的主流范式，该范式先利用大规模无标注数据通过自监督学习预训练语言大模型，得到基础模型，再利用下游任务的有标注数据进行有监督学习微调模型参数，实现下游任务的适配。越来越多实验表明：规模越大的模型不仅在已知任务上有着更好的表现，同时展现出完成更复杂的未知任务的强大泛化能力，近年出现的GPT-3、ChatGPT等均为大规模预训练模型的代表。然而，现有对大规模预训练模型的全部参数进行微调实现任务适配的做法，会消耗大量的GPU计算资源和存储资源，严重限制大模型的应用场景。为了应对该挑战，参数高效微调方法逐渐受到关注。

清华大学研究团队提出“增量微调”，基于统一的分析框架对增量微调现有方法进行梳理总结，并进一步从参数优化和最优控制两个角度，提出了增量微调的理论框架。相关成果发表于《自然·机器智能》。研究团队基于该论文成果研制发布了开源工具包OpenDelta，是OpenBMB开源社区的重要组成部分，可支持研究者和开发者灵活高效地在各类预训练模型上实现和应用增量微调方法。研究团队认为，增量微调技术将是基础模型适配特定任务、场景和用户的重要范式，可更有效地激发以ChatGPT为代表的大规模预训练模型的性能。

https://www.tsinghua.edu.cn/info/1175/102317.htm