图像生成

Efficient Training with Foresight: Multi-Token Auxiliary Supervision for Autoregressive Image Generation

带前瞻的高效训练：用于自回归图像生成的多令牌辅助监督

Guo Niu, Xiongfei Yao, Teng Wang, Nannan Zhu

机构 * Foshan University（佛山大学） ； The University of Hong Kong（香港大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 该研究针对自回归图像生成的缺陷，提出MTAR框架，通过多令牌预测、令牌级对比正则化和语义丢弃提升性能，在ImageNet上实现了生成质量与效率的更优平衡。

Comments Accepted by ACM Multimedia 2026 (ACM MM 2026)

MLLMCLIP: Feature-Level Distillation of MLLM for Robust Vision-Language Representations

MLLMCLIP：面向鲁棒视觉-语言表征的多模态大语言模型（MLLM）特征级蒸馏

Jongsuk Kim, Qiyu Wu, Zhuoyuan Mao, Hiromi Wakaki, Junmo Kim, Yuki Mitsufuji

机构 * KAIST（韩国科学技术院） ； Sony Group Corporation（索尼集团公司） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV

AI总结 MLLMCLIP是一种异构特征级蒸馏框架，直接将MLLM的多模态知识迁移至CLIP，在组合性任务和通用视觉-语言任务上均实现最优性能。

Comments EMNLP 2026 Main Conference

Hard-Constrained Sampling on Embedded Riemannian Manifolds via Adjoint Schrödinger Bridges

基于伴随薛定谔桥的嵌入黎曼流形上的硬约束采样

Mattia Mosso, Jaemoo Choi, Heng Yang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对支撑在嵌入黎曼流形上的未归一化玻尔兹曼分布采样问题，提出基于伴随薛定谔桥的硬约束采样方法，通过随机最优控制视角实现状态空间层面的可行性约束，并在物理应用中得到验证。

PUMA: Post-Hoc Sparsification of Universal Multimodal Embeddings for Efficient Retrieval

PUMA：用于高效检索的通用多模态嵌入的事后稀疏化

Matteo Attimonelli, Alessandro De Bellis, Franco Maria Nardini, Claudio Pomo, Cosimo Rulli, Rossano Venturini, Tommaso Di Noia

专题命中 效率与蒸馏 ：text-to-image(abstract)

AI总结 针对通用多模态嵌入的高存储与推理成本问题，提出无需微调主干网络的PUMA稀疏自编码器方案，在五个基准上验证其可实现8-16倍存储压缩与最高25倍检索加速，且多数数据集性能与密集检索相当或更优。

Improved Analysis for Hessian-free High-resolution Monte Carlo Sampling

无海森矩阵的高分辨率蒙特卡洛采样的改进分析

Wujun Lv, Xiaoyu Wang, Yingli Wang, Lingjiong Zhu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对无海森矩阵的高分辨率（HFHR）蒙特卡洛采样，建立了其动力学的显式收缩率，推导了HFHRMC算法的非渐近收敛界与迭代复杂度，相关结果优于现有工作，并通过数值实验验证了正α的益处。

Comments 49 pages, 4 figures

Provable Non-Acceleration of Standard Strang Splittings of Kinetic Langevin Dynamics

动力学朗之万动力学的标准Strang分裂的可证非加速性

Nawaf Bou-Rabee

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究证明动力学朗之万动力学的标准Strang分裂（如OBABO、BAOAB）无法通过固定参数调优实现采样加速，其冷启动总变差混合的条件数依赖为线性阶，而非预期的平方根阶。

Comments 58 pages, 4 figures. Mixing time lower bounds ruling out ballistic (accelerated) cold-start mixing for all six standard Strang splittings of kinetic Langevin dynamics under fixed-parameter tunings, with a matching O(kappa) upper bound for OBABO

CuteTTS: Efficient and High-Quality Speech Synthesis via Autoregressive Modeling of Continuous Latents

CuteTTS：基于连续隐变量自回归建模的高效高保真语音合成

Yuqian Zhang, Yao Shi, Kexin Huang, Botian Jiang, Zhe Xu, Yiwei Zhao, Min Liang, Shuang Chen, Xipeng Qiu, Yu-Gang Jiang

机构 * Shanghai Innovation Institute（上海创新研究院） ； OPPO AI Center（OPPO人工智能中心） ； Fudan University（复旦大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 CuteTTS是结合语义对齐因果VAE隐变量等的连续自回归TTS系统，经引导步蒸馏后，在保持相当质量的同时降低了延迟，实现了高保真与低延迟的平衡。

Emyx: Fast and efficient all-atom protein generation

Emyx: 快速高效的全原子蛋白质生成

Nicholas J. Williams, Ward Haddadin, Matteo P. Ferla, Constantin Schneider, Nicholas B. Woodall, Ruby Sedgwick, Christian D. Madsen, Andrew L. Hopkins, Douglas E. V. Pires, Edward O. Pyzer-Knapp

机构 * Xyme 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出Emyx，一种140M参数的流匹配模型，通过轻量条件表示和稀疏连接降低复杂度，在酶设计基准上超越现有方法，训练仅需682 GPU小时。