图像生成

Curvature-Adaptive Consistency Flow Matching: Autonomous Trajectory Optimization via Reinforcement Learning

曲率自适应一致性流匹配：基于强化学习的自主轨迹优化

Songtao Tian, Guhan Chen, Bohan Li, Jingyi Ma, Zixiong Yu

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出曲率自适应一致性流匹配（CACFM），利用强化学习代理动态构建效率导向课程，优先处理关键区域，在FLUX和SDXL等大规模模型上实现最先进结果，极少数步下保持高视觉保真度。

Comments Accepted by ECCV 2026

Dynamic Interaction-Aware and Causality-Disentangled Framework for Multimodal Sentiment Analysis

动态交互感知与因果解耦的多模态情感分析框架

Guangyuan Dong, Ziwei Hong, Shenghao Liu, Chenyu Wu, Yuanyuan Fang, Zihao Li, Xudong Zhang, Bingchen Liu, Yuchen Zhang, Haitao Ding, Zhenzhou Zhou, Ziyu Song

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

AI总结 提出动态多模态因果解耦与自适应融合框架（MCAF），通过因果干预模块解耦语言模态的偏见，动态路由器实时评估交互状态并自适应融合，以及条件扩散去噪模块过滤噪声，在CMU-MOSI和CMU-MOSEI上取得最优分类性能。

Comments This preprint is withdrawn for unauthorized posting and incorrect author metadata.It was uploaded without full consent of all co-authors, with wrong name and affiliation information. We withdraw it to avoid copyright disputes. This corrects submission irregularities only, not academic content or conclusions

A General Model for Continuous Time Principal-Agent Problem Under Hidden Action

隐藏行动下连续时间委托代理问题的一般模型

Jaeyoung Sung, Jianfeng Zhang, Zimu Zhu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究隐藏行动下连续时间委托代理问题，提出新充分条件直接求解代理人问题，无需单独验证，还给出可明确求解的例子。

Twisted Schrödinger Bridge Matching

扭曲薛定谔桥匹配

Maxence Noble, Marie Scheid, Yazid Janati, Eric Moulines, Alain Durmus

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究广义薛定谔桥问题，基于迭代马尔可夫拟合范式引入扭曲薛定谔桥匹配方法TSBM，它能处理连续和离散时间势，扩展了IMF方案，有新的桥匹配损失，还引入方差减少技术，实验证明其对高维轨迹推断有益。

Comments Preprint version

Learning Adaptive Safety Margins for Visual Navigation

学习用于视觉导航的自适应安全裕度

Junyi Hu, Shuaihang Yuan, Geeta Chandra Raju Bethala, Anthony Tzes, Yi Fang

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对室内机器人视觉导航中安全裕度校准问题，提出上下文条件安全评论家方法，通过分解的三个互补项学习自适应间隙偏好排序扩散提议，经训练和提炼后在导航任务中表现出色，还能转移到人形机器人。

Do Language Models Dream of Binding Molecules? Benchmarking LLMs under Spatial Constraints

语言模型能否设计出结合分子？在空间约束下对语言模型进行基准测试

Thomas MacDougall, Maksim Kuznetsov, Roman Schutski, Rim Shayakhmetov, Maxim Malkov, Vladimir Aladinskiy, Alex Aliper, Alex Zhavoronkov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究探讨通用语言模型在3D分子设计中应对复杂空间约束的能力，引入3D - Fit评估策略，发现语言模型虽落后于先进方法，但有潜力同时处理多种空间约束。

Bridging battery design and health assessment through virtual sensing and physics-informed learning

通过虚拟传感和物理信息学习连接电池设计与健康评估

Wendi Guo, Søren Byg Vilsen, Daniel Ioan Stroe, Yaqi Li, Yicun Huang, Ashima Verma, Daniel Brandell

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对锂离子电池健康监测与设计脱节问题，提出基于虚拟传感和物理信息学习的框架，能推断设计参数，嵌入机制降低预测误差，虚拟传感减少相关误差，建立反馈回路，助力电池设计与评估。

Comments 28 pages, 7 figures

HyperDCM: Dynamic Cluster Memory Replay in Hyperbolic Space for Continual Robotic Navigation Across Scenes

HyperDCM：用于跨场景连续机器人导航的双曲空间动态集群记忆回放

Zhengfei Lu, Jian Yang, Muyu Wang, Shaowen Chen, Jinpeng Mi, Ke Li, Xiong You, Qi Wu, Xuan Tang, Xian Wei

机构 * Software Engineering Institute, East China Normal University（华东师范大学软件工程学院） ； School of Geospatial Information, Information Engineering University（信息工程大学地理空间信息学院） ； University of Shanghai for Science and Technology（上海理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对视觉导航持续学习难题，提出HyperDCM，通过场景图建模和记忆回放增强导航。利用视觉语言模型提取三元组，经R-GCN编码投影到双曲空间，采用动态聚类等策略。实验证明其在保留导航能力和泛化性上优于基线。

Learning Spatio-Temporal Foundation Models from Pure Synthetic Data

从纯合成数据中学习时空基础模型

Yutong Feng, Shiyuan Piao, Yutong Xia, Xu Liu, Wenqi Fan, Fugee Tsung, See-Kiong Ng, Yuxuan Liang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究旨在学习时空基础模型，提出NeoST，通过在程序生成的合成系统上预训练，引入可扩展语料库、潜在空间推理架构和目标，实验证明其在多样真实世界时空系统中性能优越，有长期稳定性和推理效率。

Optimal Market Making in Prediction Markets

预测市场中的最优做市

Dominik Feil, Max Nendel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究预测市场中的最优做市问题，开发随机控制框架，将市场价格建模为条件概率，推导方程并刻画最优报价，经变换证明解的存在唯一性，通过数值分析揭示其依赖因素，还表明该策略能改善下行保护并保留预期利润。

FlowSonic: Stable Zero-Shot Music Editing via High-Order Trajectory Integration

FlowSonic：通过高阶轨迹积分实现稳定的零样本音乐编辑

Ali Boudaghi, Hadi Zare

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对真实音乐录音零样本编辑难题，提出FlowSonic框架，基于预训练扩散变压器，通过重用交叉注意力表示保留结构，引入高阶ODE求解器，实验表明其在多方面优于现有方法，能提高潜在轨迹稳定性实现可靠编辑。

Feedback Cycles in Exploratory Equilibria

探索性均衡中的反馈循环

Chen-Hung Wu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究探索性均衡中反馈循环问题，通过分析其导数受反向沃尔泰拉 - 抛物型预解式控制，利用块分解确定放大源，得出固定温度下局部均衡分支性质及相关转变，数值计算验证了速率。

Comments 36 pages, 2 figures. Includes supplementary material

Large deviations for long-time occupation measures of stochastic evolution equations with small, asymptotically rough noise

具有小渐近粗糙噪声的随机演化方程长时间占据测度的大偏差

Amarjit Budhiraja, Sandra Cerrai

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究可分希尔伯特空间中一类耗散随机演化方程长时间小噪声行为，建立占据测度大偏差原理，涵盖多种无穷维方程。通过解析半群等技术，结合弱收敛方法，给出速率函数显式公式并构建近最优控制。

A Dynamical Approximation Scheme on the Stiefel manifold for Wasserstein Gradient Flows

施蒂费尔流形上瓦瑟斯坦梯度流的动态逼近方案

Isabella Carla Gonnella, Olga Mula, Federico Pichi, Gianluigi Rozza

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出无网格拉格朗日动力学方法逼近瓦瑟斯坦梯度流，通过在特定线性子空间中逼近传输映射，利用狄拉克 - 弗伦克尔原理在施蒂费尔流形上演化正交框架，证明其能诱导概率测度曲线，保留能量耗散结构，数值实验验证了方法的有效性。

Geometric Regime--Switching Diffusions on Stratified Riemannian Spaces with an Application to Covariance Matrices

分层黎曼空间上的几何状态切换扩散及其在协方差矩阵中的应用

Leonardo Marconi, Matteo Farnè, Alexander Aue

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究构建分层黎曼空间上的几何状态切换扩散，通过鞅问题刻画，结合泊松稀疏机制构建过程并证明唯一性，应用于协方差矩阵锥，得到 \(V\)-均匀几何遍历过程。

Dynamic Pricing for a Two-Sided Data Market Platform

双边数据市场平台的动态定价

Lijun Bo, Dongfang Yang, Yijie Huang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究双边数据市场平台的连续时间动态定价问题，通过建模供应商和消费者到达过程，将其问题表述为随机控制问题并推导HJB方程，证明值函数性质，验证最优策略，还进行数值分析考察参数对策略的影响。

Reduced Order Modeling of One-Dimensional Conservative PDEs via the Cumulative Distribution Transform

通过累积分布变换对一维守恒偏微分方程进行降阶建模

Harbir Antil, Rocío Díaz Martín, Ivan V. Medri, Kristofor E. Pas, Gustavo K. Rohde, Aryan Saxena, Sarswati Shah

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对一维守恒偏微分方程提出基于累积分布变换的降阶建模框架，通过分析不同方程在CDT坐标下的解流形得到估计，据此开发CDT - POD数值方案，实验表明其能用更少模态捕捉解流形。

Treasure Search Optimization

寻宝优化

A. Sharma

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出寻宝优化方法，将探索与利用任务分配给不同智能体，通过耦合跳跃扩散随机微分方程建模动力学，证明了平均场极限的适定性，刻画了稳态，展示了该方法在相关问题上的有效性及对反问题不确定性的量化作用。

A Deep Second-Order Stochastic Residual Method for Fully Nonlinear Parabolic PDEs

一种用于完全非线性抛物型偏微分方程的深度二阶随机残差方法

Zhenhua Zhao, Jihao Long

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对高维依赖黑塞矩阵的完全非线性抛物型偏微分方程，提出深度二阶随机残差方法（D2SRM），通过特定训练生成相关近似，建立理论并进行实验，结果表明随时间步长减小误差降低，还分离了误差界中的各项因素。

Large deviation principles for multiscale stochastic Burgers equations with reflection

具有反射的多尺度随机伯格斯方程的大偏差原理

Huijie Qiao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有反射的多尺度随机伯格斯方程，利用弱收敛方法，通过惩罚方法等关键技术工具，严格建立慢分量的大偏差原理。

Comments 38 pages

Continuous Time Quantum Walk Propagation for Irregular Temporal Graph Forecasting

用于不规则时间图预测的连续时间量子行走传播

Jiaqi Sun, Tianhao Li, Zhihao Bian

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对不规则时间图预测，提出量子行走时间架构（QWTA），用CTQW型参数化谱传播器取代经典图传播，通过嵌入有效观察间隔及引入相位软裁剪和门控残差融合稳定传播，为相关预测提供有竞争力的图传播设计。

A Novel Hybrid Quantum Reservoir Computing (nHQRC) for Phase Transition Detection in Non-Equilibrium Dynamical Systems

一种用于非平衡动力系统相变检测的新型混合量子储层计算(nHQRC)

Manoj B. Bhatkar, Prashant M. Yawalkar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对非平衡动力系统相变检测问题，提出新型混合量子储层计算(nHQRC)框架，通过特定模型投影、优化技术及量子态跟踪构建轨迹预测，相比经典基准显著提高效率并减少轨迹衰减，建立近量子态检测蓝图。

Comments 9 pages, 7 figures, 1 table

The Physics Behind Ham Production

火腿制作背后的物理学

Sergey Parnovsky, Andrey Varlamov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究火腿制作背后物理机制，分析渗透、扩散等过程及酶活性作用，量化相关指标，揭示传统技术利用物理原理制作出安全、鲜嫩、美味火腿的方法。

Comments 10 pages, 6 figures

Integrability-breaking phase transitions in stadium-like billiards

类体育场台球中的可积性破缺相变

Anne Kétri P. da Fonseca, Edson D. Leonel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究两类具抛物线边界的类体育场台球的可积性破缺相变，通过分析粗糙度标度行为识别两种转变并确定临界指数与标度律，为哈密顿台球可积性破缺转变建立统计力学框架，拓展临界现象概念到非线性动力系统。

Projection-Lift Equivalence and Dissipation-Tight Compactness for Continuum-State FENE-Markov Fluids

连续态 FENE - 马尔可夫流体的投影 - 提升等价性与耗散紧性

Sai Peng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究紧致连续内部态上与可逆马尔可夫算子耦合的不可压缩 FENE 哑铃模型，零质心扩散时通过无迹矩阵纤维演化证明投影 - 提升等价性等，正质心扩散时构造弱解，明确结果非有限物种约化。

Position-dependent tight-binding model for Li impurities in monolayer and bilayer graphene

单层和双层石墨烯中锂杂质的位置相关紧束缚模型

Hernan Aguirre, Hernan L. Calvo, Eduardo M. Perassi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究单层和双层石墨烯中锂杂质的电子结构，开发含锂位置依赖性的半经验紧束缚模型，通过拟合确定参数，准确再现费米能级附近电子能带，揭示杂质势空间分布差异，为研究锂杂质提供有效框架。

Comments 13 pages, 9 figures

Machine Learning Potential-Driven Molecular Dynamics Simulations of Dehydrogenation in Pristine and Doped MgH$_2$

机器学习势驱动的原始和掺杂MgH₂脱氢的分子动力学模拟

Bo Han, Jianchuan Wang, Rui Zhang, Martin Matas, Elias Vigl, Jing Tang, Yong Du, Christian Weiss, David Holec

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究利用机器学习势驱动分子动力学模拟，探究原始和掺杂MgH₂脱氢动力学，确定MgH₂（100）表面最活跃，发现新H₂形成机制，筛选出有效掺杂剂Ni，揭示相关关系，为高性能催化剂设计提供框架。

Chemical filters for ultra-high-throughput materials screening and generation

用于超高通量材料筛选和生成的化学过滤器

Kinga O. Mastej, Panyalak Detrattanawichai, Hyunsoo Park, Anthony Onwuli, Masahiro Negishi, Aron Walsh

机构 * Department of Materials, Imperial College London（帝国理工学院材料系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对AI生成材料成分不合理问题，引入化学有效性算子，基于SMACT包构建氧化态模型，通过可调阈值支持不同工作流程。经基准测试，该算子能过滤不合理成分，还可作强化学习奖励，为氧化态感知生成模型奠定基础。

Comments 19 pages, 7 figures, 3 tables, including Supplementary Information

CuCrZr heat-sink irradiation performance reveals new challenges for thermonuclear fusion reactors

CuCrZr热沉材料的辐照性能揭示了热核聚变反应堆面临的新挑战

Thomas Barzic, Anna-Carina Seitlinger, Christoph Frühwirth, Edward McDonald, Jing Tang, Jonathan A. Hinks, Alexandr Zinovev, Dmitry Terentyev, Stefan Luidold, Cláudio G. Schön, Enrique Jimenez-Melero, Stefan Pogatscher, Matheus A. Tunes

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究热核聚变反应堆中CuCrZr热沉材料在中子轰击下的性能，结合多种方法发现其强化析出物在不同温度下有不同溶解机制，还有氦气泡等形成及合金化学组成改变，挑战其性能策略，凸显新铜基热沉合金需求。

DESTINY: a new binding-energy-resolved astrochemical framework. Self-Consistent Competitiveness using Branched Absorbing Markov Chains

命运（DESTINY）：一种新的结合能分辨天体化学框架。使用分支吸收马尔可夫链的自洽竞争

Maria Groyne, Cedric Baijot, Michaël De Becker

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究介绍了DESTINY天体化学框架，能纳入结合能分布并考虑表面过程竞争，通过分支吸收马尔可夫链等方法重新表述表面过程，与Nautilus基准测试，结果显示其能改变颗粒表面化学，未来有望扩展。

Comments Accepted for publication in A&A, Sect. 6. Interstellar and circumstellar matter. 24 pages, 15 Figures