图像生成

ReTracing: An Archaeological Approach Through Body, Machine, and Generative Systems

ReTracing：通过身体、机器和生成系统进行考古学研究

Yitong Wang, Yue Yao

机构 * Department of Machine Learning（机器学习系） ； Carnegie Mellon University（卡内基梅隆大学） ； SIPA Technology Policy and Innovation（技术政策与创新研究所） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 ReTracing通过AI、人类和机器人互动，探索生成系统如何通过编舞运动反映社会文化偏见。

UltraLIF: Fully Differentiable Spiking Neural Networks via Ultradiscretization and Max-Plus Algebra

UltraLIF：通过超离散化和最大-加法代数实现完全可微的脉冲神经网络

Jose Marie Antonio Miñoza

机构 * Center for AI Research PH（人工智能研究哲学博士中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 UltraLIF通过超离散化和最大-加法代数实现完全可微的脉冲神经网络，提升神经形态和时间数据集的性能。

MambaFusion: Adaptive State-Space Fusion for Multimodal 3D Object Detection

MambaFusion：多模态3D目标检测的自适应状态空间融合

Venkatraman Narayanan, Bala Sai, Rahul Ahuja, Pratik Likhar, Varun Ravi Kumar, Senthil Yogamani

机构 * Qualcomm Technologies, Inc（高通技术公司） ； Qualcomm India Private Limited（高通印度私人有限公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 MambaFusion通过结合选择性状态空间模型与窗口化变换器，实现高效且可靠的多模态3D目标检测，提升自动驾驶系统的感知能力。

On the implicit regularization of Langevin dynamics with projected noise

关于具有投影噪声的 Langevin 动力学的隐式正则化

Govind Menon, Austin J. Stromme, Adrien Vacher

机构 * Division of Applied Mathematics, Brown University and Institute for Advanced Study, Princeton（应用数学系，布朗大学和普林斯顿高等研究院） ； Department of Statistics, CREST, ENSAE, IP Paris（统计系，CREST，ENSAE，IP巴黎） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究探讨了具有投影噪声的 Langevin 动力学的隐式正则化机制，揭示了对称性对随机梯度下降的影响。

Comments 30 pages, 1 figure

dVoting: Fast Voting for dLLMs

dVoting: dLLMs的快速投票

Sicheng Feng, Zigeng Chen, Xinyin Ma, Gongfan Fang, Xinchao Wang

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 dVoting通过快速投票技术提升dLLMs推理能力，无需训练，有效提高多个基准测试的性能。

HLA: Hadamard Linear Attention

HLA: Hadamard线性注意力

Hanno Ackermann, Hong Cai, Mohsen Ghafoorian, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 HLA通过在计算成对相似性后应用非线性，提高线性注意力对softmax的近似精度，无需张量重塑，适用于大规模视频生成任务。

Topological chiral random walker

拓扑手性随机游走

Saeed Osat, Ellen Meyberg, Jakob Metson, Thomas Speck

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出拓扑手性随机游走模型，通过非厄密特框架实现稳健边缘电流，用于高效解决复杂迷宫和自组装过程。

Artificial intelligence is creating a new global linguistic hierarchy

人工智能正在创造一个新的全球语言层级

Giulia Occhini, Kumiko Tanaka-Ishii, Anna Barford, Refael Tikochinski, Songbo Hu, Roi Reichart, Yijie Zhou, Hannah Claus, Ulla Petti, Ivan Vulić, Ramit Debnath, Anna Korhonen

机构 * University of Cambridge（剑桥大学） ； Waseda University（早稻田大学） ； University College London（伦敦大学学院） ； Technion（技术学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了人工智能在语言上的不平等分布，提出语言AI准备指数，旨在促进更公平的语言技术发展。

On the importance of Ni-Au-Ga interdiffusion in the formation of a Ni-Au / p-GaN ohmic contact

镍-金-镓三元互扩散在形成镍-金/p-GaN欧姆接触中的重要性

Jules Duraz, Hassen Souissi, Maksym Gromovyi, David Troadec, Teo Baptiste, Nathaniel Findling, Phuong Vuong, Rajat Gujrati, Thi May Tran, Jean Paul Salvestrini, Maria Tchernycheva, Suresh Sundaram, Abdallah Ougazzaden, Gilles Patriarche, Sophie Bouchoule

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了镍-金-镓三元互扩散在形成欧姆接触中的关键作用，指出镓空位的产生对降低肖特基势垒高度和提高电流至关重要。

Rigorous Derivation of the Degenerate Parabolic-Elliptic Keller-Segel System from a Moderately Interacting Stochastic Particle System. Part II Propagation of Chaos

严格推导一个退化抛物-椭圆Keller-Segel系统从一个中等相互作用的随机粒子系统。第二部分：混沌传播

Li Chen, Veniamin Gvozdik, Yue Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过中等相互作用的随机粒子系统严格推导出退化抛物-椭圆Keller-Segel系统的混沌传播结果。

From Consensus-Based Optimization to Evolution Strategies: Proof of Global Convergence

从基于共识的优化到进化策略：全局收敛性的证明

Massimo Fornasier, Hui Huang, Jona Klemenc, Greta Malaspina

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出新的CBO变体，解决原有方法的限制，通过引入非消失扩散和共识冻结方案，实现全局收敛性和指数收敛速率。

Thermodynamics and kinetics of lithium at the silver-lithium battery interface

银-锂电池界面的热力学与动力学

Grace M. Lu, Dallas R. Trinkle

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了银-锂电池界面的热力学与动力学行为，发现Li在Ag表面优先形成FCC结构，促进快速合金化，但多层Li会阻碍合金化过程。

Comments 11 pages, 4 figures

The spectral fractional Laplacian with measure valued right hand sides: analysis and approximation

具有测度值右端项的谱分数阶拉普拉斯算子：分析与近似

Enrique Otarola, Abner J. Salgado

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了具有测度值右端项的分数阶拉普拉斯算子的谱定义，分析了其线性问题，并提出了一种基于对角化技术的有限元近似方案。

DiffuReason: Bridging Latent Reasoning and Generative Refinement for Sequential Recommendation

DiffuReason: 联合潜在推理与生成细化以提升序列推荐

Jie Jiang, Yang Wu, Qian Li, Yuling Xiong, Yihang Su, Junbang Huo, Longfei Lu, Jun Zhang, Huan Yu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 DiffuReason通过联合潜在推理与生成细化，提升序列推荐的准确性和实用性。

Minimizing movements for quasilinear Keller--Segel systems with nonlinear mobility in weighted Wasserstein metrics

quasilinear Keller--Segel系统中非线性迁移的最小化运动

Kyogo Murai

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过最小化运动方法，在加权Wasserstein空间和L²空间的乘积空间中证明了具有非线性迁移的quasilinear Keller--Segel系统弱解的全局存在性，并在临界情况下首次建立了该系统的弱解存在性。

Mixture of Inverse Gaussians for Hemodynamic Transport (MIGHT) in Multiple-Input Multiple-Output Vascular Networks

混合逆高斯分布用于血管网络中的血流运输（MIGHT）

Timo Jakumeit, Bastian Heinlein, Nunzio Tuccitto, Robert Schober, Sebastian Lotter, Maximilian Schäfer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出MIGHT模型，用于描述复杂血管网络中信号分子的传输动态，通过逆高斯分布的加权和实现闭合形式解，验证其在多种网络拓扑中的准确性。

Comments 17 pages, 7 figures; This version is the extended journal version of the previous conference paper

Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails

对齐倾倒过程：自我进化如何推动LLM代理偏离轨道

Siwei Han, Kaiwen Xiong, Jiaqi Liu, Xinyu Ye, Yaofeng Su, Wenbo Duan, Xinyuan Liu, Cihang Xie, Mohit Bansal, Mingyu Ding, Linjun Zhang, Huaxiu Yao

机构 * Rutgers University（罗切斯特大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了自我进化LLM代理在部署后因持续互动而偏离对齐约束的风险，通过自我利益探索和模仿策略扩散两种范式分析，发现对齐优势会迅速衰减，现有对齐方法难以有效防御。

Distinguishing True Influence from Hyperprolificity with Citation Distance

区分真实影响与高产性：通过引用距离

Lu Li, Yun Wan, Feng Xiao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出x指数，通过引用距离衡量学术影响，改进了传统指标对高产作者的偏袒，更公平地反映学术成就。

ContextGen: Contextual Layout Anchoring for Identity-Consistent Multi-Instance Generation

ContextGen: 基于情境布局锚定的多实例生成

Ruihang Xu, Dewei Zhou, Fan Ma, Yi Yang

机构 * ReLER Lab, CCAI, Zhejiang University（ReLER实验室、中国计算机学会、浙江大学） 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 ContextGen通过情境布局锚定和身份一致性注意力机制，实现多实例生成中的布局控制与身份一致性，首次构建了IMIG-100K数据集并取得新突破。

Comments Project Page: https://nenhang.github.io/ContextGen/

Ctrl&Shift: High-Quality Geometry-Aware Object Manipulation in Visual Generation

Ctrl&Shift: 视觉生成中高质量的几何感知物体操控

Penghui Ruan, Bojia Zi, Xianbiao Qi, Youze Huang, Rong Xiao, Pichao Wang, Jiannong Cao, Yuhui Shi

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Southern University of Science and Technology（南方科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； IntelliFusion Inc.（IntelliFusion公司） ； University of Electronic Science and Technology of China（电子科技大学） ； NVIDIA 纠错

专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 Ctrl&Shift通过端到端扩散框架实现高质量几何感知物体操控，无需显式3D建模，兼顾细粒度控制与现实泛化能力。

Comments Accepted at ICLR 2026

DreamID-Omni: Unified Framework for Controllable Human-Centric Audio-Video Generation

DreamID-Omni: 一体化框架用于可控的人-centric音频视频生成

Xu Guo, Fulong Ye, Qichao Sun, Liyang Chen, Bingchuan Li, Pengze Zhang, Jiawei Liu, Songtao Zhao, Qian He, Xiangwang Hou

机构 * Tsinghua University（清华大学） ； Intelligent Creation Lab, ByteDance（字节跳动智能创作实验室） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 DreamID-Omni提出了一种统一框架，通过双层解耦策略和多任务训练方案，实现对可控人-centric音频视频生成的高效控制。

Comments Project: https://guoxu1233.github.io/DreamID-Omni/

Improving the Plausibility of Pressure Distributions Synthesized from Depth Image through Generative Modeling

通过生成模型提升从深度图像合成压力分布的可信度

Neevkumar Manavar, Hanno Gerd Meyer, Joachim Waßmuth, Barbara Hammer, Axel Schneider

机构 * Hochschule Bielefeld, Interaktion（比勒菲尔德应用科学大学，交互学院） ； CITEC, Bielefeld University（比勒菲尔德大学，CITEC研究中心） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出通过生成模型提升从深度图像合成压力分布的可信度，采用ILS和WOL增强物理一致性，对比实验显示其在性能和效率上的优势。

Coupling Lattice Distortion and Cation Disorder to Control Li-ion Transport in Cation-Disordered Rocksalt Oxides

耦合晶格畸变与阳离子无序以控制阳离子在阳离子无序岩盐氧化物中的传输

Zichang Zhang, Lihua Feng, Jiewei Cheng, Peng-Hu Du, Chu-Liang Fu, Jian Peng, Shuo Wang, Dingguo Xia, Xueliang Sun, Qiang Sun

专题命中 可控生成 ：diffusion(abstract)

AI总结 通过耦合晶格畸变与阳离子无序，研究发现晶格畸变可增强Li+渗透网络，设计的高熵氧化物实现71.9%的Li+渗透率，达到256.3 mAh/g容量。

Generative AI-Driven Phase Control for RIS-Aided Cell-Free Massive MIMO Systems

生成式AI驱动的RIS辅助大规模MIMO系统相位控制

Kalpesh K. Patel, Malay Chakraborty, Ekant Sharma, Sandeep Kumar Singh

机构 * Department of Electronics and Communication Engineering, Indian Institute of Technology, Roorkee（电子与通信工程系，印度理工学院，罗尔基） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出两种生成式AI方法用于优化RIS辅助cell-free mMIMO系统中的相位偏移，GCDM和GCDIM在提升频谱效率的同时显著降低计算开销。

SUGAR: A Sweeter Spot for Generative Unlearning of Many Identities

SUGAR: 为多重身份生成性去学习的更甜位置

Dung Thuy Nguyen, Quang Nguyen, Preston K. Robinette, Eli Jiang, Taylor T. Johnson, Kevin Leach

机构 * Vanderbilt University（范德比大学） ； Rutgers University（罗格斯大学） 纠错

专题命中 个性化与一致性 ：image synthesis(abstract)；分类 cs.CV

AI总结 SUGAR通过学习个性化替代潜在表示，实现高效移除多个身份的生成性去学习，提升模型保留效用达700%。

Comments IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026

Understanding Generalization in Diffusion Distillation via Probability Flow Distance

通过概率流距离理解扩散蒸馏中的泛化

Huijie Zhang, Zijian Huang, Siyi Chen, Jinfan Zhou, Zekai Zhang, Peng Wang, Qing Qu

机构 * University of Michigan（密歇根大学） ； University of Macau（澳门大学） ； University of Chicago（芝加哥大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本研究通过引入概率流距离（PFD）度量标准，揭示了扩散蒸馏中泛化能力的关键行为，包括从记忆到泛化的缩放、双下降动态和偏差-方差分解。

Comments 41 pages, 15 figures

Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models

利用扩散生成模型优化压缩感知MRI的采样模式

Sriram Ravula, Brett Levac, Yamin Arefeen, Ajil Jalal, Alexandros G. Dimakis, Jonathan I. Tamir

机构 * Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin（查德拉家族电子与计算机工程系，德克萨斯大学奥斯汀分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Imaging Physics, MD Anderson Cancer Center, Houston, Texas, USA（影像物理，MD安德森癌症中心，休斯顿，德克萨斯州，美国） ； Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学，加州大学伯克利分校） ； Department of Diagnostic Medicine, Dell Medical School, Austin, Texas, USA（诊断医学系，德勒医学学院，奥斯汀，德克萨斯州，美国） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型优化MRI采样模式，以提高加速多通道MRI重建的质量。

MonarchRT: Efficient Attention for Real-Time Video Generation

MonarchRT：实时视频生成中的高效注意力机制

Krish Agarwal, Zhuoming Chen, Cheng Luo, Yongqi Chen, Haizhong Zheng, Xun Huang, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University at Buffalo（布法罗大学） ； Morpheus AI 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 MonarchRT通过结构化注意力参数化方法，实现高效实时视频生成，达到95%的注意力稀疏性，优于现有内核性能。

Categorical Flow Maps

分类流映射

Daan Roos, Oscar Davis, Floor Eijkelboom, Michael Bronstein, Max Welling, İsmail İlkan Ceylan, Luca Ambrogioni, Jan-Willem van de Meent

机构 * UvA-Bosch Delta Lab, University of Amsterdam, Amsterdam, Netherlands（阿姆斯特丹大学） ； Department of Computer Science, University of Oxford, Oxford, UK（牛津大学计算机科学系） ； Donders Institute for Brain, Cognition and Behaviour, Radboud University（拉德堡德大学大脑与行为研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 分类流映射通过自我蒸馏实现加速的少步生成，适用于图像、分子图和文本，取得最佳性能。

BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data

BrainSymphony: 一种参数高效、多模态的基础模型，用于在有限数据下的脑动态

Moein Khajehnejad, Forough Habibollahi, Devon Stoliker, Adeel Razi

机构 * Turner Institute for Brain and Mental Health（大脑与心理健康Turner研究所） ； School of Psychological Sciences, Monash University（墨尔本大学心理学科学学院） ； Cortical Labs（皮层实验室） ； CIFAR Azrieli Global Scholars Program（CIFAR阿兹里埃利全球学者计划） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 BrainSymphony是一种参数高效、多模态的基础模型，通过整合fMRI和扩散MRI数据，实现有限数据下的脑动态分析，优于更大模型并提升神经科学应用。

Comments 32 pages, 14 figures