Fluid viscoelasticity controls acoustic streaming via shear waves
流体粘弹性通过剪切波控制声流
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究通过控制流体粘弹性特性，揭示了剪切波对声流转变的影响，发现流体粘弹性通过德拜数和粘性扩散数调控声流增强、抑制和反转。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 扩散模型 39 篇
Divergence-form equations admitting nowhere $C^1$ Lipschitz weak solutions
允许无处 $C^1$ Lipschitz 弱解的散度形式方程
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究了允许无处$C^1$ Lipschitz弱解的散度形式方程，通过凸积分方案证明了其存在性。
Ground effect on Undulation and pumping near surfaces
近地面效应下的摆动与泵送现象
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究揭示了近地面效应下摆动与泵送机制，通过分析蜗牛、蝙蝠和蜜蜂的不同运动方式，提出统一的流体-结构相互作用框架。
Capturing Secondary Kinetic Instabilities in Three-Dimensional Dayside Reconnection Using an Improved Gradient-Based Closure
利用改进的梯度基闭合捕捉三维日侧重联中的二次动能不稳定性
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本研究利用改进的梯度基闭合模型，通过模拟2015年MMS事件，提升了对三维日侧重联中二次动能不稳定性及湍流生成的捕捉能力。
Odor Communication with Green Leaf Volatiles for Stress Signalling in the Internet of Plants
利用绿色叶挥发物进行植物间的压力信号传递的气味通信
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出利用绿色叶挥发物实现植物间压力信号传递的通信模型，发现(Z)-3-己烯醇是主要驱动因素，揭示了植物感知的非线性特性。
Comments 12 pages, 8 figures
Node Learning: A Framework for Adaptive, Decentralised and Collaborative Network Edge AI
节点学习：一种适应性、去中心化和协作的网络边缘AI框架
机构 * Nottingham Trent University（诺丁汉特伦特大学） ； Imperial College London（帝国理工学院伦敦分校）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 Node Learning是一种去中心化的边缘AI框架，通过节点间的协作与自主学习，解决边缘计算中的资源约束和异构性问题。
Comments 16 pages, 3 figures, 3 tables, this paper introduces a new concept
Linear Landau equation as a limit of a tagged particle in mean field interaction with a free gas
线性兰道方程作为在均场相互作用下与自由气体中标记粒子轨迹的极限
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究在线性兰道方程与均场相互作用下自由气体中标记粒子轨迹的极限关系，通过微观动力学稳定性与概率控制证明收敛性。
Comments 75 pages, 6 figures. Comments are welcome!
Vapor-solid-solid growth of single-walled carbon nanotubes
单壁碳纳米管的气-固-固生长
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究揭示了单壁碳纳米管气-固-固生长的原子机制，表明其扩散受限并受表面碳传输和面重构调控，强调了温度和碳供应的严格控制需求。
How individual vs shared coordination governs the degree of correlation in rotational vs residence times in a high-viscosity lithium electrolyte
个体协调与共享协调如何支配高粘度锂电解质中旋转与停留时间的相关程度
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究通过分子动力学模拟揭示了高粘度锂电解质中，G4与TFSI在配位方式上的差异如何影响离子旋转与停留时间的相关性。
Comments 22 pages, 7 Figures, 5 Tables. Supplementary information file uploaded as SI.tex
2. 可控生成 1 篇
RetouchIQ: MLLM Agents for Instruction-Based Image Retouching with Generalist Reward
RetouchIQ: 基于指令的图像修复MLLM代理与通用奖励模型
机构 * Adobe Research（Adobe研究院）
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 RetouchIQ通过通用奖励模型提升指令基于图像编辑的语义一致性和感知质量，展现灵活可解释的编辑能力。
Comments 10 pages, 6 figures
3. 效率与蒸馏 5 篇
VSF: Simple, Efficient, and Effective Negative Guidance in Few-Step Image Generation Models By Value Sign Flip
VSF: 在少步图像生成模型中通过值符号翻转实现简单、高效且有效的负引导
机构 * Department of CMPS University of British Columbia（计算机科学与工程系，不列颠哥伦比亚大学） ； Department of MEOW, Weathon Software（MEOW系，Weathon软件公司）
专题命中 效率与蒸馏 ：image generation(title,abstract)；diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 VSF通过值符号翻转在少步图像生成模型中实现高效负提示引导，提升生成质量与稳定性。
Efficient Tail-Aware Generative Optimization via Flow Model Fine-Tuning
通过流模型微调实现高效的尾部感知生成优化
机构 * KTH Royal Institute of Technology（皇家理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Duke University（杜克大学）
专题命中 效率与蒸馏 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)
AI总结 本文提出TFFT算法，通过CVaR的变分对偶公式实现高效的尾部行为塑造，适用于生成模型的分布性微调。
Comments 33 pages
pi-Flow: Policy-Based Few-Step Generation via Imitation Distillation
pi-Flow：基于策略的少步生成通过模仿蒸馏
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 pi-Flow通过模仿蒸馏策略，实现少步生成模型的稳定训练和高质量输出。
Comments ICLR 2026. Code: https://github.com/Lakonik/piFlow Demos: https://huggingface.co/spaces/Lakonik/pi-Qwen | https://huggingface.co/spaces/Lakonik/pi-FLUX.1 | https://huggingface.co/spaces/Lakonik/pi-FLUX.2
Motion Prior Distillation in Time Reversal Sampling for Generative Inbetweening
时间反演采样中用于生成中间帧的运动先验蒸馏
机构 * Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； AI Graduate School, GIST（韩国国立信息科学院人工智能研究生院）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出运动先验蒸馏技术，通过蒸馏正向路径的运动残差到反向路径，以减少时间反演采样中的不连续性和伪影，提升生成中间帧的连贯性。
Comments Accepted at ICLR 2026. Project page: https://vvsjeon.github.io/MPD/
Diffusive Scaling Limits of Forward Event-Chain Monte Carlo: Provably Efficient Exploration with Partial Refreshment
扩散尺度极限下的前向事件链蒙特卡洛方法：具有部分刷新的可证明高效探索
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文研究了前向事件链蒙特卡洛方法在高维下的扩散尺度极限，证明其在效率上优于最优调优的BPS，通过部分刷新实现高效探索。
Comments 43 pages, 5 figures
