图像生成

Quantize the Target, Quantize the Drafter: Efficient Inference with Qwen3.5-4B

量化目标，量化草稿生成器：使用Qwen3.5 - 4B进行高效推理

Jaeyeon Kim, Jewon Lee, Bo-Kyeong Kim

机构 * Nota Inc.（Nota公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究旨在在资源受限的NVIDIA A10G GPU上实现Qwen3.5 - 4B的低延迟服务。核心方法是结合量化目标模型与推测性解码，通过量化感知蒸馏恢复精度，训练专用草稿生成器加速解码，还用量化等减少开销。贡献是实现加速并满足质量阈值，排名第三。

Comments All authors contributed equally. Our submission to Efficient Qwen Competition, ICML 2026 Workshop on AdaptFM

High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching

通过递归校正、频率一致性和对比流匹配实现高保真一步生成视觉运动策略

Yuran Chen, Xinye Cai, Zhonglin Gong, Yang Huang

机构 * School of Safety Science and Engineering, Anhui University of Science and Technology（安徽理工大学安全科学与工程学院） ； State Key Laboratory of Digital Intelligent Technology for Unmanned Coal Mining, Anhui University of Science and Technology（安徽理工大学煤矿智能开采技术与装备国家重点实验室） ； School of Artificial Intelligence, Anhui University of Science and Technology（安徽理工大学人工智能学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对生成模型多步采样有延迟、一步加速方法有偏差等问题，提出含递归校正、频率一致性和对比流匹配三机制的框架，解决相关问题，实验显示该方法在低延迟下性能优。

Less Tokens, Better Forecasts: Sparse Residual Routing for Efficient Weather Prediction

更少令牌，更优预测：用于高效天气预报的稀疏残差路由

Janet Wang, Yunbei Zhang, Lin Zhao, Xi Xiao, Jihun Hamm, Xiao Wang

机构 * Tulane University（杜兰大学） ； Northeastern University（东北大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对现有基于ViT的天气预报模型计算冗余问题，提出无参数插件路由模块Sparse-Reslim，通过稀疏令牌处理兼顾固定网格要求，提升预报精度并大幅降低成本。

Comments ECCV 2026

Efficient Analysis of Carrier Transport and TM-TE Emission in AlGaN UVC LEDs via Multi-band Localization Landscape Theory

基于多带局域景观理论对AlGaN深紫外发光二极管中载流子输运和TM - TE发射的高效分析

Yu-Ming Chang, Ping-Jie Zhuang, Marcel Filoche, Claude Weisbuch, James S. Speck, Yuh-Renn Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究AlGaN基深紫外发光二极管问题，用多带局域景观模型替代传统模型，结合Wigner - Weyl形式，高效捕捉量子效应和载流子局域化，再现光谱趋势，分析电特性，为优化性能提供快速可靠方案。

Comments 11 figures

DSWIM:Efficient and Stable Deterministic Computation of Warm Inflation Perturbations

DSWIM：温暖暴胀扰动的高效稳定确定性计算

Umang Kumar

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对温暖暴胀扰动计算中随机方法效率低且确定性方法数值不稳定的问题，提出基于相关矩阵演化的确定性模块DSWIM，通过物理标度变换改善数值条件，实现准确、鲁棒且加速的计算。

Comments 24 pages, 6 figures, 2 tables, prepared for submission to JCAP. v2: Added an appendix clarifying the residual discrepancy at moderate Q between SWIM/DSWIM and WI2easy, results and conclusions unchanged

Efficient Computation Of Sensitivities For Derivatives In Energy Markets

能源市场衍生品敏感性的高效计算

Fred Espen Benth, Olfa Draouil, Farouk Hammami

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出随机框架计算能源市场Delta敏感性，对比密度法与Malliavin微积分法，通过OU、CARMA、跳扩散等过程验证方法有效性。

Local Fokker--Planck Geometry for Score Estimation: Heat-Ball Mean-Value Representations and Exact High-Dimensional Sampling

局部Fokker-Planck几何用于分数估计：热球均值表示与精确高维采样

Jiayao Bai, Lang Deng, Yi Du, Yifei Jia

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对非线性漂移扩散过程中分数函数估计困难的问题，提出局部Fokker-Planck几何框架，通过时间变换和热球均值表示实现精确局部估计，并引入κ-测量实现高维蒙特卡洛采样，理论分析表明该框架是全局残差方法的一参数推广。

Comments 24 pages, 11 figures, 5 tables

Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting

面向流量矩阵预测的参数高效量子启发式快速权重编程器

Kuo-Chung Peng, Jiun-Cheng Jiang, Chun-Hua Lin, Tai-Yue Li, Nan-Yow Chen, Samuel Yen-Chi Chen

机构 * Wells Fargo（摩根大通） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出量子启发式快速权重编程器QKAN-FWP，在内存和训练预算约束下实现高精度多步流量矩阵预测，相比LSTM等基线模型，G-QKANFWP以22.4%参数取得更优RMSE。

Comments 6 pages, 3 figures

Scalable Peptide Design via Memory-Efficient Equivariant Transformer

通过内存高效等变变压器实现可扩展的肽设计

Rui Jiao, Xiangzhe Kong, Yinjun Jia, Yijia Zhang, Ziyi Yang, Yang Liu, Jianzhu Ma

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Chemistry, Tsinghua University（清华大学化学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出内存高效等变变压器（MEET），通过线性内存缩放和几何特征改进，实现全原子肽的序列与结构协同设计，在生成质量、结合亲和力和多样性上超越现有方法。

Learning from the Self-future: On-policy Self-distillation for dLLMs

从自我未来学习：面向扩散LLM的在线自蒸馏

Yifu Luo, Zeyu Chen, Haoyu Wang, Xinhao Hu, Yuxuan Zhang, Zhizhou Sha, Shiwei Liu

机构 * Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑工业大学） ； Nanyang Technological University（南洋理工大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； ELLIS Institute Tubingen（ELLIS蒂宾根研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tubingen AI Center（蒂宾根人工智能中心） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出首个面向扩散大语言模型的在线自蒸馏框架d-OPSD，通过自我生成答案作为后缀条件实现从自我未来经验学习，并将监督从词元级转向步骤级，在推理基准上以约10%的优化步骤超越RLVR和SFT基线。

Comments Preprint

Beyond U-Net: A Latent-Representation-Aligned Skip-Free Backbone for Flow-Matching Speech Enhancement

超越U-Net：用于流匹配语音增强的无跳跃连接潜在表示对齐骨干网络

Wangyi Pu, Michele Scarpiniti

机构 * Department of Information Engineering, Electronics and Telecommunications（信息工程、电子与电信系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出一种无跳跃连接的编码器-解码器骨干网络，通过潜在表示对齐（LRA）引导流匹配语音增强，避免U-Net跳跃连接传递噪声相关特征，仅需五次函数评估即可提升PESQ和感知质量。

Flow Annealing Posterior Sampling for Function-Space Regression and Inverse Problems

流退火后验采样用于函数空间回归与逆问题

Yaozhong Shi, Zachary E. Ross, Yisong Yue

机构 * California Institute of Technology（加州理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出流退火后验采样（FAPS），首个统一随机过程回归与PDE逆问题的函数空间后验采样框架，利用预训练函数空间流匹配先验，通过低秩协方差预条件器的朗之万校正实现稀疏噪声观测下的似然引导后验推断。

Efficient Algorithms for Influence Maximization in General Models and Observed Cascades

通用模型和观测级联中影响力最大化的高效算法

Fabian Spaeh, Themistoklis Haris, Alina Ene, Huy L. Nguyen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出低自适应优化框架和自适应算法，首次实现观测级联上近线性时间可证明保证，并改进独立级联模型样本复杂度。

The FAST Framework: Developing a Data-Efficient Machine Learning Potential to Decode Superionic Transition-Induced Thermophysical and Kinetic Anomalies in UO2 under Extreme Conditions

FAST框架：开发数据高效的机器学习势以解码极端条件下UO2中超离子转变诱导的热物理和动力学异常

Fengnian Zhuang, Gaosheng Yan, Hong Chen, Yi Zhang, Wenshan Yu, Minglong Xu, Shengping Shen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出FAST框架，通过主动学习和超离子目标采样构建仅500个构型的数据集，微调基础模型得到UO2的机器学习势，准确预测超离子转变引起的热物理和动力学异常，并揭示其微观机制。

Comments 51 pages,14 figures

Few-step Cofolding with All-Atom Flow Maps

少步全原子流图共折叠

Gianluca Scarpellini, Ron Shprints, Peter Holderrieth, Juno Nam, Pranav Murugan, Rafael Gómez-Bombarelli, Tommi Jaakkola, Maruan Al-Shedivat, Nicholas Matthew Boffi, Avishek Joey Bose

机构 * Genesis Molecular AI ； Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Imperial College London（伦敦帝国学院） ； Mila 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出DeCAF框架，将全原子共折叠扩散模型蒸馏为流图，仅需几步推理即可生成高质量样本，并通过奖励引导搜索提升采样质量。

QPILOTS: Efficient Test-Time Q-Steering for Flow Policies

QPILOTS：面向流策略的高效测试时Q引导

Yifan Ruan, Chenyang Cao, Andreas Burger, Ali Pesaranghader, Kaveh Kamali, Jaehong Kim, Nandita Vijaykumar, Alan Aspuru-Guzik, Igor Gilitschenski, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； LG Electronics（LG电子） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出QPILOTS方法，在推理时通过投影去噪中间状态到最终动作估计并计算评论家梯度来引导流匹配和扩散策略，无需修改原策略，在离线到在线RL基准上达到90%平均成功率。

Comments 10 pages, 7 figures

Group Quantization and Mellin Representations of the Heston Model

Heston模型的群量子化和Mellin表示

Santiago Garcia

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过构造Heston随机波动率模型的提升局部李群胚，给出其仿射变换结构的几何解释，并恢复特征函数和Riccati方程。

Holding the FP8 Quality Ceiling at 8-Bit Weights and Activations: INT8 and GGUF Post-Training Quantization of Ideogram 4.0 for Consumer GPUs

在8位权重和激活下保持FP8质量上限：Ideogram 4.0的INT8和GGUF后训练量化用于消费级GPU

Deep Gandhi, Ali Asaria, Tony Salomone

机构 * Transformer Lab 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文对Ideogram 4.0模型进行INT8 W8A8量化，在无FP8张量核心的Ampere GPU上达到FP8质量水平，并优于NF4，同时GGUF Q4_K在质量-内存前沿上成为帕累托最优。

Pythagoras-Prover: Advancing Efficient Formal Proving via Augmented Lean Formalisation

Pythagoras-Prover: 通过增强型Lean形式化推进高效形式化证明

Joshua Ong Jun Leang, Zheng Zhao, Mihaela Cătălina Stoian, Qiyuan Xu, Haonan Li, Wenda Li, Shay B. Cohen, Eleonora Giunchiglia

机构 * Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出Pythagoras-Prover系列，包括自回归和扩散模型，通过课程SFT、动态过滤和增强型Lean形式化（ALF）扩展验证数据，在MiniF2F-Test上以更少参数超越DeepSeek-Prover-V2。

Comments Pythagoras-Prover: Technical Report

First-Order Trajectory Matching: Fast Ensemble Predictions of Chaotic, Turbulent, Stochastic Systems

一阶轨迹匹配：混沌、湍流、随机系统的快速集成预测

Shreya Jha, Timo Schorlepp, Nicholas Geissler, Jules Berman, Benjamin Peherstorfer

机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出一阶轨迹匹配（FTM）方法，通过学习随机系统轨迹的一阶局部概率质量输运，实现低成本的集成预测，并捕捉通量、环流等轨迹量。

Flower-like WO3-modified Vulcan carbon GDEs for photoelectro-Fenton process: Efficient ciprofloxacin degradation and mechanistic insights

花状WO3修饰Vulcan碳气体扩散电极用于光电Fenton过程：高效降解环丙沙星及机理研究

João Paulo C. Moura, Vanessa S. Antonin, Caio Machado Fernandes, Aline B. Trench, Erica S. Conrado, Michell O. Almeida, Kathia M. Honorio, Renata Colombo, Rafael Sotana, Ana M. P. Neto, Mauro C. Santos

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究制备了花状WO3修饰Vulcan碳气体扩散电极，在光电Fenton过程中高效降解环丙沙星，通过协同效应提升H2O2生成和污染物矿化，并揭示了降解机理。

Drifting Models for Surrogate Flow Modeling

用于代理流建模的漂移模型

Chris R. Jung, Markus Dörr, Natalie Jüngling, Jennifer Niessner, Adam T. Müller, Nicolaj C. Stache

机构 * Center for Machine Learning (ZML)（机器学习中心（ZML）） ； Institute for Flow in Additively Manufactured Porous Structures (ISAPS)（添加剂制造多孔结构流动研究所（ISAPS）） ； Heilbronn University of Applied Sciences（海德堡应用科学大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出条件漂移框架，在VAE潜空间中进行漂移并利用标签感知掩码对齐边界条件，实现高质量单步生成，速度比迭代扩散快两个数量级。

Comments Accepted to the 2nd International Symposium AI and Fluid Mechanics 2026

Flow-Regulated Suprathermal Particle Acceleration in Weakly Collisional Astrophysical Plasmas

弱碰撞天体等离子体中的流调控超热粒子加速

Ji-Hoon Ha, Elena S. Volnova

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 利用一维Fokker-Planck框架研究弱碰撞等离子体中超热粒子群的形成，引入系统性速度空间漂移项描述流驱动的净能量化，发现速度空间扩散主导超热尾形成，而流漂移调控其效率和谱特性。

Comments 15 pages, 6 figures, Accepted for publication in JETP

GGSS: Geodesic-Gated Spherical Steering for Inference-Time Debiasing of Generative Vision-Language Models

GGSS：用于生成式视觉语言模型推理时去偏的测地线门控球面引导

Yiqun Sun, Junyu Chen, Pengfei Wei, Lawrence B. Hsieh

机构 * Magellan Technology Research Institute (MTRI)（麦哲伦技术研究所（MTRI）） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他图像生成 ：generative vision(title,abstract)；分类 cs.CV

AI总结 本研究提出GGSS方法，针对生成式VLMs设计推理时去偏方案，经实验验证其在降低人口统计学偏见的同时，能较好保留模型通用视觉语言能力。

Comments Accepted to EMNLP 2026

Beyond Token-Level Cross-Entropy: Fréchet Distributional Post-Training for Autoregressive Image Generation

超越 token 级交叉熵：用于自回归图像生成的 Fréchet 分布后训练

Jinhua Zhang, Yisong Lin, Wei Long, Shuhang Gu

机构 * UESTC（电子科技大学） 纠错

专题命中 其他图像生成 ：image generation(title)；分类 cs.CV

AI总结 该研究针对自回归图像生成器预训练与评估的目标及上下文不匹配问题，提出 FD-loss 后训练方法，在 ImageNet 256×256 任务上大幅降低 FID 与 FD_r6，提升生成质量且无额外参数或推理步骤。

Learning Woody Clearing With Loss Alignment for Zero-Shot Regrowth and Woody Segmentation

基于损失对齐的木本植被砍伐检测用于零样本再生与木部分割

Kal Backman, Jared Wood, Adam Roff

机构 * New South Wales Department of Climate Change, Energy, the Environment and Water（新南威尔士州气候变化、能源、环境与水利部） ； Monash University（莫纳什大学） ； University of New England（新英格兰大学） ； University of Newcastle（纽卡斯尔大学） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 本研究提出带损失缩放系数α的双时相Sentinel-2影像木本植被变化检测模型，经影像增强与生成技术实现零样本迁移，木部分割误差降18.2%，木本植被再生F1达0.845

Comments Published in IEEE Transactions on Geoscience and Remote Sensing

Journal ref IEEE Transactions on Geoscience and Remote Sensing, vol. 64, pp. 1-18, 2026, Art no. 4406318

RAID: Towards Robust AI-Generated Image Detection with Bit-Reversed Images

RAID：利用位反转图像实现鲁棒的AI生成图像检测

Renxi Cheng, Jie Gui, Hongsong Wang

机构 * School of Cyber Science and Engineering, Southeast University（东南大学网络空间科学与工程学院） ； Purple Mountain Laboratories（紫金山实验室） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 本研究提出RAID方法，通过位反转图像构建、梯度块选择与卷积分类器实现AI生成图像检测，在40多个基准上优于现有方法且速度快约100倍，还提供了理论分析与新数据集。

Comments 14 pages, 6 figures

DeltaV: Thinking with Visual State Updates in Unified Large Multimodal Models

DeltaV：在统一大型多模态模型中通过视觉状态更新进行思考

Pengjie Wang, Linger Deng, Zujia Zhang, Shaojie Zhang, Zhenbo Luo, Pei Fu, Jian Luan, Xiang Bai, Yuliang Liu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi Inc.（小米公司） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 研究针对统一大型多模态模型全图像生成范式的问题，提出DeltaV模型，通过视觉更新避免冗余，引入TSIM路由器匹配令牌预算，构建StructCoT数据集，实验证明该范式能减少视觉令牌、提升推理能力，DeltaV - 2B性能优异。

A Test-time Actor-Critic Approach to News Images Generation

一种测试时的演员-评论家方法用于新闻图像生成

Damianos Galanopoulos, Vasileios Mezaris

机构 * Information Technologies Institute (ITI), Centre of Research and Technology Hellas (CERTH)（信息技术研究所（ITI），希腊研究与技术中心（CERTH）） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 提出ACIG方法，基于强化学习的Actor-Critic范式，在测试时通过反馈循环生成、评估和优化新闻图像提示，在MediaEval NewsImages 2026挑战中取得最佳结果。

Comments MediaEval 2026 Workshop, Amsterdam, NL

InterleaveThinker: Reinforcing Agentic Interleaved Generation

InterleaveThinker: 强化智能体交错生成

Dian Zheng, Harry Lee, Manyuan Zhang, Kaituo Feng, Zoey Guo, Ray Zhang, Hongsheng Li

机构 * CUHK MMLab（香港中文大学多媒体实验室） ； Meituan（美团） ； CUHK IMIXR（香港中文大学IMIXR实验室） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 提出首个多智能体管线InterleaveThinker，通过规划器和评论家智能体使现有图像生成器具备交错生成能力，并利用GRPO强化单步指令修正，显著提升生成性能。

Comments Project Page: https://zhengdian1.github.io/InterleaveThinker-proj/ Code: https://github.com/zhengdian1/InterleaveThinker