图像生成

G2D: Generative-to-Discriminative Collaborative Inference for Zero-Shot Image Classification

G2D：用于零样本图像分类的生成式到判别式协同推理框架

Zehua Hao, Fang Liu, Qinliang Wang, Yaoyang Du, Xinyan Huang, Puhua Chen

机构 * Xidian University（西安电子科技大学） 纠错

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

AI总结 G2D是一种无需训练的零样本图像分类框架，通过生成式VLM验证CLIP检索的候选，在8个基准上平均准确率达68.85%，优于CLIP及独立生成式模型，还可迁移至其他模型。

Comments Accepted at ACM MM 2026. 10 pages, 5 figures

SimCast-S2S: An Efficient Generative Model for Subseasonal Precipitation Forecasting via Transfer Learning from Climate Simulations

SimCast-S2S：一种基于气候模拟迁移学习的高效次季节降水预测生成模型

Hiep V. Dang, Antonios Mamalakis

机构 * University of Virginia（弗吉尼亚大学） ； School of Data Science（数据科学学院） ； Department of Environmental Sciences（环境科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出SimCast-S2S，一种基于气候模拟迁移学习的潜在扩散生成模型，通过变分自编码器的紧凑潜在空间与LoRA迁移学习，实现高效次季节降水概率预测，性能优于深度学习基线及ECMWF-S2S等业务系统。

Comments Manuscript submitted to Nature Communications

Mutual Debiasing via Dual-Seed Comparison for Probabilistic Sampling in Large Language Models

基于双种子比较的互去偏方法用于大语言模型的概率采样

Zihao Guo, Hongtao Lv, Chaoli Zhang, Laiguo Yin, Lei Liu, Yonghui Xu, Lizhen Cui

机构 * School of Software, Shandong University（山东大学软件学院） ； School of Computer Science and Technology, Zhejiang Normal University（浙江师范大学计算机科学与技术学院） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)

AI总结 本研究针对大语言模型概率采样的系统性偏差问题，提出双种子比较（DSC）协议，通过两个独立种子中和偏差，在多数评估设置中性能优于现有方法，还可适配多项选择问题生成等任务以提升分布控制能力。

Comments 28 pages, 4 figures, 13 tables

A quantum-assisted framework for PDE-based Bayesian inverse problems

用于基于偏微分方程（PDE）的贝叶斯反问题的量子辅助框架

Dong An, Yinan Li, Pucheng Tang, Yunfeng Xiong

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对基于PDE的贝叶斯反问题，提出量子-经典混合框架，用量子处理器处理PDE演化与损失评估、经典计算机调整超参数，经实验验证其在采样噪声下的参数反演可行性，为相关问题提供量子辅助方案。