图像生成

MMaDA-VLA: Large Diffusion Vision-Language-Action Model with Unified Multi-Modal Instruction and Generation

MMaDA-VLA: 基于统一多模态指令与生成的大型扩散视觉-语言-动作模型

Yang Liu, Pengxiang Ding, Tengyue Jiang, Xudong Wang, Wenxuan Song, Minghui Lin, Han Zhao, Hongyin Zhang, Zifeng Zhuang, Wei Zhao, Siteng Huang, Jinkui Shi, Donglin Wang

机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； East China University of Science and Technology（华东理工大学） ； Huawei Celia Team（华为Celia团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； OpenHelix Robotics 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出MMaDA-VLA模型，通过统一多模态理解与生成框架，解决机器人操控中的时序不一致和长周期误差累积问题，实现高效视觉-语言-动作生成。

Comments Accepted by ACM MM 2026

Time-marching representation based quantum algorithms for the Lattice Boltzmann model of the advection-diffusion equation

基于时间推进表示的量子算法用于输运-扩散方程的格子玻尔兹曼模型

Yuan He, Yuan Yu, Yue Yu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于时间推进表示的量子算法，用于格子玻尔兹曼模型中的输运-扩散方程，实现了无测量的量子模拟方法。

d3LLM: Ultra-Fast Diffusion LLM using Pseudo-Trajectory Distillation

d3LLM：基于伪轨迹蒸馏的超快扩散大语言模型

Yu-Yang Qian, Junda Su, Lanxiang Hu, Peiyuan Zhang, Zhijie Deng, Peng Zhao, Hao Zhang

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 d3LLM通过伪轨迹蒸馏和熵基多块解码技术，在提升并行性的同时保持准确性，实现超快的扩散大语言模型。

Comments ICML 2026

A Reverse-BSDE Diffusion Sampler

反向倒向随机微分方程扩散采样器

Jairon H. N. Batista, Flávio B. Gonçalves, Yuri F. Saporito, Rodrigo S. Targino

机构 * FGV EMAp 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究将反向时间扩散采样器重新表述为前向-后向随机微分方程，证明其与原方法等价并分解近似误差，经合成目标实验验证，该方法对复杂全局结构目标的采样具有良好前景。

Weak Equilibrium Measures and Capacity--Hitting Identities for the Hypoelliptic Third-Order Langevin Diffusion

亚椭圆三阶朗之万扩散的弱平衡测度与容量-击中恒等式

Ping He, Xiaodan Li, Yingli Wang, Lingjiong Zhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文受加速采样算法启发，针对亚椭圆三阶朗之万扩散，通过证明椭圆正则化稳定性定理，结合特定策略与估计，构建弱平衡测度和弱容量，得到有界域及全空间的相关恒等式和正哈里斯常返性。

Three-Body Earth-Moon Transfers with Different Departure/Arrival Orbital Altitudes: New Phenomenon and Diffusion Model-Augmented Construction

不同出发/到达轨道高度的三体地月转移：新现象与扩散模型增强构建

Shuyue Fu, Wenxuan Zhang, Di Wu, Shengping Gong, Peng Shi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对传统网格搜索法在构建不同轨道高度地月转移时收敛慢、效率低的问题，本文提出扩散模型增强方法，发现飞行时间分布的不连续现象，并利用该现象训练扩散模型生成高质量初值，将收敛率提升47.34-56.25%，时间节省39.39-40.52%。

A tensor-based exponential integrator for diffusion--reaction equations in common curvilinear coordinates

基于张量的扩散-反应方程在通用非正交坐标中的指数积分器

Marco Caliari, Fabio Cassini

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于张量的方法，用于求解在允许通用非正交坐标表示的区域中扩散-反应方程的数值解，通过巧妙的有限差分离散化和指数欧拉方法处理刚性问题。

Esoteric Language Models: A Family of Any-Order Diffusion LLMs

深奥语言模型：一类任意阶扩散LLM

Subham Sekhar Sahoo, Zhihan Yang, Yash Akhauri, Johnna Liu, Deepansha Singh, Zhoujun Cheng, Zhengzhong Liu, Eric Xing, John Thickstun, Arash Vahdat

机构 * Cornell University（康奈尔大学） ； NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Eso-LMs模型，融合自回归与掩码扩散范式，通过因果注意力实现精确似然计算和KV缓存，在速度-质量帕累托前沿上达到新最优。

Comments ICML 2026 Camera Ready

Shape optimization for piecewise parameter identification in inverse diffusion problems with a single boundary measurement

在具有单个边界测量的逆扩散问题中针对分段参数识别的形状优化

Manabu Machida, Hirofumi Notsu, Julius Fergy Tiongson Rabago

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于形状优化的方法，用于在具有单个边界测量的逆扩散问题中恢复空间依赖参数，通过利用欧拉导数提升参数恢复的效率。

PSI3D: Plug-and-Play 3D Stochastic Inference with Slice-wise Latent Diffusion Prior

PSI3D: 无需编程的3D随机推断与切片式潜在扩散先验

Wenhan Guo, Jinglun Yu, Yaning Wang, Jin U. Kang, Yu Sun

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PSI3D通过切片式潜在扩散先验和总变分正则化，提升大规模3D随机推断在OCT超分辨率中的重建质量。

Comments 10 pages, 3 figures

Curiosity-Diffuser: Curiosity Guide Diffusion Models for Reliability

Curiosity-Diffuser：引导扩散模型提升可靠性的好奇心机制

Zihao Liu, Xing Liu, Yuhang Dong, Haitao Chang, Zhengxiong Liu, Panfeng Huang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对机器人神经网络模型不稳定的问题，提出Curiosity-Diffuser方法，结合RND好奇心模块与分类器引导扩散提升策略可靠性，经仿真与真实实验验证有效

Comments Accepted for publication in Machine Intelligence Research

FLARE: Diffusion for Hybrid Language Model

FLARE: 混合语言模型的扩散方法

Yuchen Zhu, Jing Shi, Chongjian Ge, Hao Tan, Yiran Xu, Wanrong Zhu, Jason Kuen, Koustava Goswami, Rajiv Jain, Yongxin Chen, Molei Tao, Jiuxiang Gu

机构 * Adobe Research（Adobe研究院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出FLARE框架，通过结合自回归和扩散目标、硬件感知内核和统一推理，将混合注意力LLM转换为支持并行解码的扩散模型，在保持能力的同时提升吞吐量。

PRISMA: Improving the Accuracy-Latency Frontier of Diffusion-based PDE Solvers Using Physics-Informed Spectral Attention

超越损失引导：利用PDE残差作为频域中的频谱注意力在扩散神经算子中

Medha Sawhney, Abhilash Neog, Mridul Khurana, Anuj Karpatne

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PRISMA通过将PDE残差作为频谱注意力机制整合到扩散神经算子中，实现了无需梯度下降的快速、稳健和准确的PDE求解。

On $τ$-preconditioners for a quasi-compact difference scheme to Riesz fractional diffusion equations with variable coefficients

关于变系数Riesz分数阶扩散方程拟紧致差分格式的τ-预条件子

Zi-Hang She, Xue Zhang, Xian-Ming Gu, Stefano Serra-Capizzano

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对变系数Riesz分数阶扩散方程离散的非对称线性系统，提出τ预条件子加速GMRES收敛，理论与数值结果验证其有效性。

Comments 23 pages, 3 figures, we improve some contexts and simplify some mathematical equations

Mimicking diffusion processes with differential equations

用微分方程模拟扩散过程

Rama Cont

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在弱正则性假设下扩散过程、福克 - 普朗克方程和相关PF - ODE的数学关系，通过建立边际密度流的性质、研究拉格朗日问题等方法，证明流的相关特性，识别正则性条件，强调描述区别并推导稳定性估计。

Comments 41 pages including appendix, 2 figures

HERALD: High-Throughput Block Diffusion LLM Serving via CPU-GPU Cooperative KV Cache Retrieval

HERALD: 通过CPU-GPU协同KV缓存检索实现高吞吐量块扩散LLM服务

Omin Kwon, Doyeon Kim, Jongseok Park, Seung Yul Lee, Ion Stoica, Jae W. Lee

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对块扩散LLM中KV缓存随上下文增长导致吞吐量下降的问题，提出HERALD系统，利用块内去噪步骤间KV条目一致性，通过稀疏检索和计算重叠实现高精度低开销的KV卸载，在5-10%缓存预算下达到近无损精度，延迟降低1.59倍，吞吐量提升2.47倍。

Plug-and-Play Guidance for Discrete Diffusion Models via Gradient-Informed Logit Correction

基于梯度信息逻辑校正的离散扩散模型即插即用引导

Hongkun Dou, Zike Chen, Fengji Li, Hongjue Li, Yue Deng

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出GILC框架，通过将预训练去噪网络作为变分代理来估计引导信号，并引入无雅可比机制直接校正干净预测逻辑，实现无需额外训练的离散扩散模型可控生成，在DNA、蛋白质序列和分子生成任务上达到最优性能。

Comments Accepted by ICML 2026

TEAM: Temporal-Spatial Consistency Guided Expert Activation for MoE Diffusion Language Model Acceleration

TEAM: 时空一致性引导的专家激活用于MoE扩散语言模型加速

Linye Wei, Zixiang Luo, Pingzhi Tang, Meng Li

机构 * Institute for Artificial Intelligence（人工智能研究院） ； School of Integrated Circuits（集成电路学院） ； Yuanpei College（元培学院） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进创新中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对MoE扩散语言模型中专家激活过多导致推理开销大的问题，提出TEAM框架，利用路由决策的时空一致性，通过保守激活和激进推测解码实现加速，最高提速2.2倍且性能损失极小。

Comments Accepted by ICML 2026

Optimal Weighted Smoothing and Asymptotics of Ancient Solutions for Fast Diffusion Equations

最优加权平滑与快速扩散方程古解的渐进行为

Beomjun Choi, Xiqin Jiang, Hua-Yang Wang, Jingang Xiong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究快速扩散方程古解的最优加权平滑估计及渐进行为，确定关键指数与经典Brezis-Turner指数一致，并推导改进的全局Harnack不等式。

A Comparative analysis of Layer-wise Representational Capacity in AR and Diffusion LLMs

对AR和扩散LLM中逐层表示能力的比较分析

Raghavv Goel, Risheek Garrepalli, Sudhanshu Agrawal, Chris Lott, Mingu Lee, Fatih Porikli

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文比较了AR和扩散LLM的表示能力，发现扩散模型产生更全局的表示，而AR模型产生紧密耦合的局部表示，扩散训练引入深度冗余以实现原理性压缩。

Comments v4: improving writing and adding Qwen2.5-Instruct results with all v3 changes

GaiaFlow: Semantic-Guided Diffusion Tuning for Carbon-Frugal Search

GaiaFlow：基于语义的扩散调优用于碳节约搜索

Rong Fu, Jia Yee Tan, Chunlei Meng, Shuo Yin, Xiaowen Ma, Wangyu Wu, Simon Fong

机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。

Comments 19 pages, 7 figures

Expert-Choice Routing Enables Adaptive Computation in Diffusion Language Models

专家选择路由使扩散语言模型实现自适应计算

Shuibai Zhang, Caspian Zhuang, Chihan Cui, Zhihan Yang, Fred Zhangzhi Peng, Yanxin Zhang, Haoyue Bai, Zack Jia, Yang Zhou, Guanhua Chen, Ming Liu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Scitix ； Cornell University（康奈尔大学） ； Duke University（杜克大学） ； UC Davis（加州大学戴维斯分校） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出专家选择路由方法，通过确定性负载平衡提升扩散语言模型的吞吐量和收敛速度，并展示如何通过时间步依赖的专家容量优化计算分配，从而在匹配FLOPs下提升性能。

Comments Accepted at COLM 2026

Subspace decomposition with defect diffusion coefficient

子空间分解与缺陷扩散系数

Dilini Kolombage, Axel Målqvist, Barbara Verfürth

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出一种基于随机缺陷局部结构的离线-在线预条件器近似方法，用于高效处理多尺度异质系数的椭圆扩散问题。

Just on Time: Token-Level Early Stopping for Diffusion Language Models

准时完成：扩散语言模型的标记级早期停止

Zakhar Kohut, Severyn Shykula, Mykola Vysotskyi, Serhii Dmytryshyn, Dmytro Khamula, Michal Zakrzewski, Damian Rynczak, Jacek Małecki, Taras Rumezhak, Volodymyr Karpiv

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需训练的标记级早期停止方法，通过动态确定标记收敛点，减少扩散步骤并提升生成效率。

Comments Under review

Visualising Information Flow in Word Embeddings with Diffusion Tensor Imaging

用扩散张量成像可视化词嵌入中的信息流

Thomas Fabian

机构 * Technical University Darmstadt（达姆斯塔特技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散张量成像技术可视化词嵌入中的信息流，揭示LLM中自然语言表达的信息流动机制，提升NLP模型的可解释性。

Orchestrating Dual-Boundaries: An Arithmetic Intensity Inspired Acceleration Framework for Diffusion Language Models

协调双边界：一种受算术强度启发的加速框架用于扩散语言模型

Linye Wei, Wenjue Chen, Pingzhi Tang, Xiaotian Guo, Le Ye, Runsheng Wang, Meng Li

机构 * Peking University（北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ODB-dLLM通过协调双边界，利用算术强度差异优化扩散语言模型的推理速度，显著提升效率并减少准确性损失。

Comments Accepted by DAC 2026

On the Diffusion of Test Smells in LLM-Generated Unit Tests

论LLM生成的单元测试中测试异味的扩散

Wendkûuni C. Ouédraogo, Yinghua Li, Xueqi Dang, Xunzhu Tang, Anil Koyuncu, Jacques Klein, David Lo, Tegawendé F. Bissyandé

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过多基准大规模分析，对比LLM生成、人类编写及EvoSuite生成的单元测试，发现LLM生成测试存在特定测试异味，受提示策略等影响，凸显基于LLM的测试生成的潜力与风险，呼吁开发相关优化方案。

Comments Accepted at Transactions on Software Engineering and Methodology (TOSEM) journal on 31 July 2026

3D-CovDiffusion: 3D-Aware Diffusion Policy for Coverage Path Planning

3D-CovDiffusion：面向覆盖路径规划的三维感知扩散策略

Chenyuan Chen, Haoran Ding, Ran Ding, Tianyu Liu, Zewen He, Anqing Duan, Yoshihiko Nakamura

机构 * IEEE 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出 3D-CovDiffusion，将覆盖路径规划转化为条件序列生成问题，采用几何条件扩散框架从三维点云合成轨迹，相比基线方法在轨迹平滑度、覆盖率等指标上实现显著提升。

NetDiff: Graph Diffusion with Improved Global Capabilities to Generate and Update Mobile Network Topologies

NetDiff：具备增强全局能力的图扩散模型，用于生成和更新移动网络拓扑

Félix Marcoccia, Victor Fagoo, Gilles Monzat, Cédric Adjih, Thomas Watteyne, Paul Mühlethaler

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出NetDiff模型，结合ACAM令牌与部分扩散方法，生成更新移动网络拓扑，性能超基线，实现高效全局链路决策与快速重配置。

Polynomial weak approximation for stochastic reaction-diffusion equations near the sharp interface limit

Jianbo Cui, Liying Sun

专题命中 扩散模型 ：diffusion(title,abstract)

Comments 33 pages