图像生成

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

PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening

PETA：用于虚拟筛选的参数高效测试时自适应方法

Jia-Qi Lin, Yinghua Yao, Chang-Dong Wang, Yew-Soon Ong, Yuangang Pan

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出参数高效测试时自适应框架PETA，仅更新预训练虚拟筛选模型约0.03%的LayerNorm参数，在测试时通过构建特定负样本等方式自适应，性能优于预训练及全重训练基线。

Physics-Informed Neural Networks as Fast Surrogate Models for Electrochemical Flow Reactors

用于电化学流动反应器快速替代模型的物理信息神经网络

Eric Fernández-García, Miguel Modestino, Sergio Maldonado

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出物理信息神经网络（PINN），将其作为电化学流动反应器的快速替代模型，经验证精度高、速度快，为低计算成本的数字孪生建模提供基础。

JANUS: A Multi-modal Foundation Neural Sampler for Disordered Materials

JANUS：面向无序材料的多模态基础神经采样器

Denis Blessing, Mouyang Cheng, Maximilian Schebek, Jutta Rogal, Mingda Li, Carles Domingo-Enrich, Yuanqi Du

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究人员开发JANUS多模态神经采样器，用于无序材料的热力学采样，其以远少于传统方法的能量评估次数重现平衡性质，可用于合金逆设计及半导体缺陷探索，为相关研究提供了基础。

Constraining Cosmic-Ray Acceleration and Escape in Middle-Aged Supernova Remnants with GeV-TeV Gamma-Ray Observations

利用GeV-TeV伽马射线观测约束中年超新星遗迹中的宇宙射线加速与逃逸

Siyu Chen, Bing Theodore Zhang, Yi Xing, Siming Liu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过对四个中年超新星遗迹的伽马射线辐射开展时变研究，结合多望远镜观测，约束了宇宙射线加速与逃逸参数，揭示逃逸宇宙射线对其甚高能辐射及中微子通量的重要影响。

Comments 11 pages, 11 figures

Sharp hypocoercive convergence estimates for underdamped Langevin dynamics with specular reflection

Hengrong Du, Qi Feng, Lingjiong Zhu

专题命中 效率与蒸馏 ：diffusion(abstract)

Comments 32 pages

Post-training Quantization for Hybrid Iterative Generative Models

混合迭代生成模型的训练后量化

Jing Gao, Junyi Wu, Wei Wang, Yan Yan, Yao Zhao

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学研究所） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对混合迭代生成模型训练后量化易引发模型崩溃的问题，提出HyGenQ框架，通过分层聚类解耦与缩放重校准，成功将其量化至8位精度且性能优于现有方法。

DEFT: Data-Efficient Frequency-domain Top-k Sampling via Inverse Discrete Fourier Transform for Spatiotemporal Dynamical Systems Modeling

DEFT：用于时空动力系统建模的、基于逆离散傅里叶变换的数据高效频域Top-k采样方法

Hengbo Xiao, Jiale Liu, Jiahao Song, Guannan He

机构 * Peking University（北京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 DEFT是一种频域数据采样方法，通过逆离散傅里叶变换生成物理一致的训练数据，可减少数据需求且提升泛化能力，在多个PDE及电池退化系统建模任务中表现优异。

Generator-Guided Inverse Sampling for Lévy-Driven Generative Models

用于Lévy驱动生成模型的生成器引导逆采样

Tianfu Qi, Jun Wang, Jun Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对Lévy驱动生成模型的非局域反向过程挑战，提出生成器引导的结构化逆采样器，将动力学分解为三类分量，结合神经网络与解析分布实现高效采样，在OFDM-SISO信道估计中表现出稳健性能与良好权衡。

Understanding Security and Privacy Perceptions of Content Creators Regarding AI Labels of AI-Generated Content

理解内容创作者对AI生成内容的AI标签的安全与隐私认知

Shuning Zhang, Hui Wang, Rongjun Ma, Xin Yi, Kanye Ye Wang, Robert Xiao, Hewu Li

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 本文通过对21位AIGC创作者访谈及多平台图像测试，揭示创作者对AI标签的认知偏差与规避行为，提出应开发适配创作者动机的隐式AI标签。

Leveraging generative models to assist Monte Carlo sampling

利用生成模型辅助蒙特卡洛采样

Marylou Gabrié

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本教程综述介绍了机器学习与计算统计物理交叉领域的新范式——用生成模型辅助蒙特卡洛采样，探讨相关方法方向及优劣势，为相关领域研究者提供入门基础。

Sampling and Optimization meet Enhanced Flows

采样与优化方法结合增强流

Yuan Gao, Siming He, Eitan Tadmor

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对采样与优化中核心的Gibbs概率测度计算问题，引入带增强耗散的输运-扩散动力学，设计了对应的采样数值算法与粒子系统。

Kastor: An efficient fine-tuning strategy for generative emulation of PDE simulations

Kastor：一种用于生成式模拟偏微分方程（PDE）仿真的高效微调策略

Guillaume Couairon, Alexis Jacq, Yu-Han Wu, Renu Singh, Yana Hasson, Quentin Berthet, Romuald Elie

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出Kastor微调策略，通过两阶段推理、均值预测正则化等方法改进物理基础模型，在The Well数据集上实现比Walrus更优的PDE仿真性能，降低预测误差并提升效率。

Comments 34 pages, 32 figures

Exact simulation of diffusions and improved algorithms for log-concave sampling

扩散过程的精确模拟及对数凹采样的改进算法

Fan Chen, Sinho Chewi, Alexander Rakhlin, Matthew S. Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究基于Girsanov定理的密度比无偏估计量，提出改进的扩散精确模拟及对数凹采样算法，优化了采样复杂度与维度依赖关系，还给出相关应用。

Operationally Feasible Synthetic Power-Grid Scenarios via Learning the AC-Operable Joint Distribution

通过学习交流（AC）可运行联合分布实现可操作的合成电网场景

Chenhan Xiao, Xinyu He, Haoran Li, Hanghang Tong, Yang Weng

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出感知可行性的分层扩散分布学习框架，学习电网拓扑、参数与负荷的交流可操作联合分布，生成的合成电网场景可行性与鲁棒性显著提升，且消除了优化后处理。

Comments 10 pages, 10 figures, journal submission

iSMART: An Iterative Sampling-and-Regression Technique for Solving Martingale-Based PDEs

iSMART：一种求解基于鞅的偏微分方程的迭代采样-回归技术

Tiejun Li, Xiaoguang Li, Fugui Ma

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对高维基于鞅的PDE，提出iSMART迭代采样-回归技术，通过停止梯度等方法规避对抗优化，引入冻结-补偿技术优化HJB方程收敛性，经多类高维数值实验验证其准确性、效率与鲁棒性。

Comments 32 pages, 9 figures, 4 tables

DexDirect: Direct Kinesthetic Arm Guidance for Efficient Dexterous Demonstration Collection

DexDirect：用于高效灵巧演示采集的直接运动学手臂引导

Beom Jun Kim, Shiu-Jen Wang, Jonathan Liu, Alvin Zhu, Quanyou Wang, Hanzhang Fang, Feng Xu, Mingzhang Zhu, Yuchen Cui, Dennis W. Hong

机构 * UCLA（加利福尼亚大学洛杉矶分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究提出DexDirect方法，结合直接运动学手臂引导与视觉手部重定向，采集灵巧操作演示的效率更高、认知负荷更低，训练的扩散策略在立方体抓取任务上达到90%成功率。

Comments 8pages, 6 figures

A Lower Bound on the Sliced Wasserstein Comparison Constant for Translated Measures

平移测度的切片沃尔什斯坦因比较常数的下界

Avery Noroozi

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 该研究针对ℝᵈ上的平移概率测度，推导了W₁与SW₁的闭式表达式，并为二者间的常数c_d构造了显式下界，揭示了切片沃尔什斯坦因距离计算效率对应的理论成本。

Comments 6 pages

Efficient Recommendations via Graph Coarsening and Label Propagation

通过图粗化和标签传播实现高效推荐

Alessandro Sbandi, Federico Siciliano, Fabrizio Silvestri

机构 * Sapienza University of Rome（罗马第一大学） ； TIM S.p.A.（意大利电信股份公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究基于图的推荐在大规模下的效率问题，提出结合图粗化与多步标签传播的两阶段扩散框架，在电信数据集实验中，该方法在可扩展性、延迟和推荐质量间实现平衡，不同阶段采用不同模型有不同提升效果。

DC-Leap: Training-Free Acceleration of dLLMs via Draft-Guided Contiguous Leaping Decoding

DC-Leap：通过草稿引导的连续跳跃解码实现无训练的dLLMs加速

Yanhua Jiao, Tianyi Wu, Xiaoxi Sun, Yulin Li, HuiLing Zhen, Libo Qin, Baotian Hu, Zhuotao Tian, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对dLLMs并行解码中因保守置信阈值致效率低的问题，提出DC-Leap框架。其采用动态连续验证策略消除JPDE，结合草稿引导解码机制。实验表明该框架能大幅加速dLLMs，长序列生成加速显著，且保证生成质量。

AlayaWorld: Interactive Long-Horizon World Modeling -- Full Technical Report

阿莱雅世界：交互式长视野世界建模——完整技术报告

AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge, Yuanyang Yin, Jiaming Tan, Kang He, Liaoyuan Fan, Mingliang Zhai, Ruicong Liu, Xiaojie Xu, Xuangeng Chu, Zhen Li, Zhengyuan Lin, Zhixiang Wang, Zian Meng, Zihui Gao

机构 * Alaya Lab（阿莱亚实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究旨在创建交互式视频世界模型，核心方法是基于15B视频扩散变压器构建阿莱雅世界，通过自回归生成短潜在块等实现多种能力，在iWorld - Bench上长视野生成性能最佳，为相关研究提供开源可扩展基础。

Comments Authors are listed alphabetically by the first name and their role. See the contribution section for details

ATLAS: A Foundation Neural Sampler for Amorphous Materials

ATLAS：一种用于非晶材料的基础神经采样器

Mouyang Cheng, Denis Blessing, Botao Yu, Gerhard Neumann, Mingda Li, Carles Domingo-Enrich, Yuanqi Du

机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Center for Computational Science and Engineering（计算科学与工程中心） ； MIT（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Materials Science and Engineering（材料科学与工程系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； OSU（俄亥俄州立大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对非晶材料能量景观难采样问题，提出ATLAS神经采样器，由等变图神经网络参数化，能跨系统泛化，利用扩散过程时间反转估计热力学量。在多种系统中验证有效性，还通过预训练降低逆设计成本，结合大语言模型搜索高熵金属玻璃，确立其为基础模型。

Importance Sampling and PCA for Finding Failures in Commercial Autonomous Vehicles

用于发现商用自动驾驶车辆故障的重要性采样和主成分分析

Hailey Warner, Duncan Eddy, Shreya Parjan, Caroline Cahilly, Harrison Delecki, Matthias Kleinstauber, Chaitanya Shinde, Jerry Lopez, Mykel J. Kochenderfer

机构 * Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） ； Torc Robotics（Torc机器人公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究商用自动驾驶车辆故障发现问题，应用自适应压力测试和基于扩散的故障采样算法找到模拟碰撞，引入基于主成分分析的统计分析将故障分类并恢复噪声轨迹，为故障发现到系统诊断提供路径。

Comments IEEE ICVES 2026 (Submitted)

Reducing Temporal Redundancy for Efficient Vision-Language-Action Inference

减少时间冗余以实现高效视觉-语言-动作推理

Yuzhou Wu, Yuxin Zheng, Muchun Niu, Yishan Yang, Tianhao Liu, hanwen kang, Jiajian Jing, Linfeng Zhang, Chuan Wen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对VLA模型推理延迟高的问题，识别出时间冗余来源，提出系统级加速策略，在感知和动作生成上减少计算，经实验验证该策略能加速超2倍且保持高性能。

Comments 13pages, 7 figuers

Next-Dense-Stride Prediction for Multimodal Autoregressive Visual Modeling

用于多模态自回归视觉建模的下密集步长预测

Chicago Y. Park, Jialin Mao, Xiaojian Xu, Taha Kass-Hout, Ulugbek S. Kamilov, Cao Xiao

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； GE HealthCare（通用电气医疗） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 研究提出DenseAR范式，将自回归图像生成重构成下密集步长预测，解决现有模型局限。基于此扩展为统一模型处理多模态和成像任务，在医学和自然图像验证，在多对比脑MRI及ImageNet上取得良好效果。

Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning

用于高效离线强化学习的捷径轨迹规划

Guanquan Wang, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。

Comments 16 pages, 3 figures

Force convergence in Monte Carlo Lyman-alpha radiative transfer

蒙特卡罗莱曼阿尔法辐射传输中的力收敛

Joshua Kasiri, Aaron Smith, Kevin Lorinc, Olof Nebrin, Kazutaka Kimura

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究蒙特卡罗莱曼阿尔法辐射传输中力收敛问题，通过建立基准、开发基于矩的框架，应用于多种估计器，从不同阶次评估收敛性，为内部力计算提供实用框架，表明需分别评估统计精度、计算成本和物理准确性。

Comments 22 pages, 15 figures. Comments welcomed

Optimal Transport Q-Learning for Flow Policy Steering and Acceleration

用于流策略引导和加速的最优传输Q学习

Andreas Sochopoulos, Esmeralda S. Whitammer, Nikolaos Tsagkas, João Moura, Michael Gienger, Sethu Vijayakumar

机构 * University of Edinburgh（爱丁堡大学） ； Honda Research Institute Europe（本田欧洲研究院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对流策略性能优化难题，提出最优传输Q学习（OTQL），利用机器人经验，通过优势加权条件最优传输流匹配微调加速流策略，提升单任务和VLA策略成功率，减少推理步骤数。

Decision-Focused Scenario Generation and Selection for Efficient and Robust Grid Dispatch

用于高效稳健电网调度的决策聚焦场景生成与选择

Yangze Zhou, Yihong Zhou, Thomas Morstyn, Yi Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对电网调度中分布鲁棒优化依赖预测场景构建模糊集存在的问题，提出基于决策聚焦的生成框架，依下游运行成本优化场景，适配多种生成模型，开发可微场景选择器，案例研究显示可有效降低运行成本。

Comments 10 pages, 12 figures

Strain-Rate-Consistent $\varepsilon$-Based Non-Premixed Flamelet Model

基于应变速率一致的基于ε的非预混小火焰模型

Sylvain L. Walsh, Yalu Zhu, Feng Liu, William A. Sirignano

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究非预混燃烧传统FPV公式应变速率不一致问题，提出基于ε的替代耦合方法即ε-Z小火焰模型，通过二维RANS模拟对比，分析平均应变速率场与局部应变速率关系，指出原公式问题，阐述新模型优势。