图像生成

WorldDiT: A Unified Diffusion Architecture for World and Action Modeling

WorldDiT：用于世界和动作建模的统一扩散架构

Sen Wang, R. Gnana Praveen, Bidhan Roy, Marcos Villagra

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出WorldDiT统一扩散架构，结合动作生成与视觉世界建模，不依赖大型预训练VLM动作主干，在四个LIBERO模拟套件中表现出色，处于帕累托前沿，为未来扩展研究提供了低于十亿参数的基线。

Comments 9 pages, 4 figures

Predict-then-Diffuse: Adaptive Response Length for Compute-Budgeted Inference in Diffusion LLMs

预测后扩散：面向扩散大语言模型的自适应响应长度计算

Michael Rottoli, Subhankar Roy, Stefano Paraboschi

机构 * IEEE 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Predict-then-Diffuse框架，通过自适应响应长度预测器和安全机制，实现计算预算下的高效推理，减少计算成本并保持输出质量。

Comments Accepted for publication in IJCNN 2026 (International Joint Conference on Neural Networks)

Expert-Data Alignment Governs Generation Quality in Decentralized Diffusion Models

专家-数据对齐决定去中心化扩散模型的生成质量

Marcos Villagra, Bidhan Roy, Raihan Seraj, Zhiying Jiang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 专家-数据对齐决定去中心化扩散模型生成质量，而非数值稳定性。

Comments 15 pages, 4 figures. DeLTa@ICLR2026 and Sci4DL@ICLR2026

RAPiD: Reward-Guided Consistency Distillation of Diffusion Planners for Real-Time Autonomous Driving

RAPiD: 通过扩散行为先验实现安全高效的实时确定性轨迹规划

Ruturaj Reddy, Hrishav Bakul Barua, Junn Yong Loo, Thanh Thi Nguyen, Ganesh Krishnasamy

机构 * School of Information Technology, Monash University, Malaysia（墨尔本大学信息科技学院） ； Faculty of Information Technology, Monash University, Australia（墨尔本大学信息技术学院） ； TCS Research, India（印度TCS研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 RAPiD通过扩散行为先验实现高效安全的实时轨迹规划，优于现有方法。

Provable Diffusion Posterior Sampling for Bayesian Inversion

可证明的扩散后验采样用于贝叶斯反问题

Jinyuan Chang, Chenguang Duan, Yuling Jiao, Ruoxuan Li, Jerry Zhijian Yang, Cheng Yuan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于扩散的可证明后验采样方法，通过数据学习分数以捕捉先验分布结构，并提供非渐近误差界以确保复杂多模态后验分布的收敛性。

In-situ Autoguidance: Eliciting Self-Correction in Diffusion Models

原位自引导：激发扩散模型的自校正能力

Enhao Gu, Haolin Hou

机构 * Xinjiang University, Urumqi, Xinjiang, China（新疆大学） ； Ocean University of China, Qingdao, Shandong, China（中国海洋大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出原位自引导方法，无需辅助模型，通过随机前向传播动态生成次优预测，实现零成本的扩散模型自校正引导，为高性价比引导建立了新基准。

Comments ICML 2025 Workshop Accepted

Unsupervised Single-Channel Speech Separation with Diffusion under Speaker-Embedding Guidance

基于说话人嵌入引导的无监督单通道语音分离扩散模型

Runwu Shi, Kai Li, Yiyan Wang, Jiang Wang, Chang Li, Ragib Amin Nihal, Sihan Tan, Kazuhiro Nakadai

机构 * Institute of Science Tokyo（东京科学研究所） ； Tsinghua University（清华大学） ； 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 该研究针对无监督单通道语音分离问题，提出说话人嵌入引导与分离导向求解器，提升了基于源模型的无监督语音分离性能。

DIPHINE: Diffusion-based $Φ$-ID Neural Estimator

DIPHINE: 基于扩散的 $\Phi$ID 神经估计器

Simon Pedro Galeano Munoz, Mustapha Bounoua, Giulio Franzese, Pietro Michiardi, Maurizio Filippone

机构 * KAUST（卡塔尔科学与技术部） ； EURECOM（欧雷康） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出首个基于扩散模型的神经估计器 DIPHINE，用于计算连续非高斯动力系统的集成信息分解（$\Phi$ID），通过单个摊销网络联合估计所有互信息项，并利用 Möbius 逆变换恢复十六个原子。

SeedPolicy: Horizon Scaling via Self-Evolving Diffusion Policy for Robot Manipulation

SeedPolicy: 通过自进化扩散策略实现机器人操控的水平扩展

Youqiang Gui, Yuxuan Zhou, Shen Cheng, Xinyang Yuan, Haoqiang Fan, Peng Cheng, Shuaicheng Liu

机构 * Sichuan University（四川大学） ； Dexmal Inc.（Dexmal公司） ； Independent Researcher（独立研究员） ； UESTC 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SEGA模块，通过门控注意力机制提升扩散策略在长时域操控中的表现，实验表明其在RoboTwin 2.0基准上优于现有方法，具有更高的效率和性能。

Comments 17 pages, 13 figures

REFINE-DP: Diffusion Policy Fine-tuning for Humanoid Loco-manipulation via Reinforcement Learning

REFINE-DP：通过强化学习实现人形机器人的动态-操作协调政策微调

Zhaoyuan Gu, Yipu Chen, Zimeng Chai, Alfred Cueva, Thong Nguyen, Yifan Wu, Huishu Xue, Minji Kim, Isaac Legene, Fukang Liu, KyoungMok Kim, Ayan Barula, Yongxin Chen, Ye Zhao

机构 * The Institute for Robotics and Intelligent Machines（机器人与智能机械研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出REFINE-DP框架，通过联合优化扩散政策高层规划器和基于强化学习的低层动态-操作控制器，提升人形机器人在复杂环境中的任务成功率与执行稳定性。

Beyond Block Boundaries: Multi-Block Editing for Diffusion Large Language Models

超越块边界：扩散大语言模型的多块编辑

Xingyu Mou, Zijin Huang, Tianze Zhang, Yuxin Ma, Lanning Wei, Zengfeng Huang, Da Zheng, Lun Du

机构 * Ant Group（蚂蚁集团） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对块扩散语言模型的块边界问题，提出多块编辑（MBE）方法。通过无需训练的解码算法编辑前序块令牌，引入监督微调策略，扩展SGLang提升效率。实验表明该方法在保持吞吐量时优于基线，在长程一致性任务上有显著性能提升。

Projective Graph Residualization: Variation-Allocation Frontiers for Control-Function IV

用于控制函数工具变量的图扩散残差

Rui Wu, Zongyuan Chen, Hong Xie, Defu Lian, Enhong Chen

机构 * School of Computer Science and Engineering, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出自适应各向异性工具热流（A-IHF），一种基于图扩散的残差提取方法，用于灵活控制函数，通过检测处理跳跃并调整图传导性，在合成基准测试中优于多种基线方法。

Comments Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 33 pages, 9 figures, including supplementary material

The Score Hamiltonian: Mapping Diffusion Models to Adiabatic Transport

得分哈密顿量：将扩散模型映射到绝热输运

Peter Halmos, Boris Hanin

机构 * Computer Science Department, Princeton University（普林斯顿大学计算机科学系） ； ORFE Department, Princeton University（普林斯顿大学ORFE系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过构建得分哈密顿量，建立了基于得分的扩散模型采样与薛定谔算子基态绝热输运之间的精确对应关系，并利用绝热定理推导了密度重建误差界和退火调度方案。

Comments 26 pages, 10 figures. v3: Expanded supplementary discussion in appendix of application to various score-based parameterizations. Main results and main text unchanged

Beyond directions: Symmetry-aware rotation sets for triaxial diffusion encoding by geometric filter optimization

超越方向：通过几何滤波优化的对称感知旋转集用于三轴扩散编码

Sune Nørhøj Jespersen, Filip Szczepankiewicz

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出几何滤波优化方法，通过利用扩散信号的内在二面体对称性，生成最优旋转集以提高扩散编码中粉末平均信号的准确性和精度，适用于轴对称和三轴配置。

Comments 25 pages, 8 figures This is a preprint of an article published in Magnetic Resonance in Medicine 2026, available online at http://doi.org/10.1002/mrm.70489

Graph Signal Diffusion Models for Wireless Resource Allocation

图信号扩散模型用于无线资源分配

Yigit Berkay Uslu, Samar Hadou, Shirin Saeedi Bidokhti, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用图信号扩散模型进行无线网络资源优化，通过生成对抗性策略实现近最优资源分配，展示了在功率控制中的高效与泛化能力。

Comments Accepted for presentation at 2026 IEEE SPAWC (Signal Processing Advances in Wireless Communications)

Effects of Dynamic Disorder on Diffusion in Rugged Energy Landscapes

动态无序对粗糙能量景观中扩散的影响

Biman Bagchi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究探讨了动态无序对粗糙能量景观中扩散的影响，通过分析波动率变化，揭示了从陷阱主导到运动缩小的连续过渡。

Comments 53 pages, 1 figure, Revised version: discussion expanded, presentation clarified, and references updated. Main conclusions unchanged

Optimal Control of McKean--Vlasov Branching Diffusion Processes

McKean-Vlasov 分支扩散过程的最优控制

Julien Claisse, Jiazhi Kang, Tianxu Lan, Xiaolu Tan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了 McKean-Vlasov 分支扩散过程的最优控制问题，通过建立动态规划原理和 HJB 主方程，推导了线性-二次分支过程的显式解。

CSI Prediction Using Diffusion Models

基于扩散模型的信道状态信息（CSI）预测

Mehdi Sattari, Javad Aliakbari, Alexandre Graell i Amat, Tommy Svensson

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散模型的新型概率CSI预测框架，分解任务为时间编码器与扩散生成器，研究多种推理方案与骨干，仿真显示其性能优于现有最先进基线模型。

Comments Accepted, IEEE Transactions on Wireless Communications

ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions

ReDiSC：用于结构化预测可扩展节点分类的重参数化掩码扩散模型

Yule Li, Yifeng Lu, Zhen Wang, Zhewei Wei, Yaliang Li, Bolin Ding

机构 * Sun Yat-sen University（中山大学） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有节点分类方法未建模图节点标签相关性的问题，提出ReDiSC重参数化掩码扩散模型，通过变分EM框架学习，在同构/异构图上性能优异且可扩展至大规模数据，优于多数基线方法。

Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-60545-6}

Jumping for diffusion in random metastable systems

随机亚稳态系统中的扩散跳跃

Cecilia González-Tokman, Joshua Peters

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究针对随机亚稳态系统，通过时齐马尔可夫链跳跃分布近似其跳跃分布及可观测量扩散系数，并将结果应用于Horan随机配对帐篷映射，为相关系统的涨落分析提供了近似方法。

Diffusion Disambiguation Models for Partial Label Learning

用于部分标签学习的扩散消歧模型

Jinfu Fan, Xiaohui Zhong, Kangrui Ren, Jiangnan Li, Linqing Huang, Min Gan, C. L. Philip Chen

机构 * College of Computer Science and Technology, Qingdao University（青岛大学计算机科学与技术学院） ； Department of Control Science and Engineering, College of Electronics and Information Engineering, Tongji University（电子信息工程学院控制科学与工程系，同济大学） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究从模糊标签学习的问题，基于扩散模型提出用于部分标签学习的扩散消歧模型（DDMP），利用实例与标签互补信息构建伪干净标签，引入过渡感知矩阵估计潜在真实标签，经实验验证了DDMP在部分标签学习中的优势。

Comments Accepted by IEEE TCSVT

Fractional diffusion without disorder in two dimensions

二维无无序的分数扩散

Nilotpal Chakraborty, Markus Heyl, Roderich Moessner

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究二维中简单局部约束使缺陷呈现可调亚扩散，通过冰型和二聚体型模型揭示丰富动力学现象及有效分数扩散方程，缺陷路径分形维数为5/4，该研究对人工自旋冰和量子模拟器等平台有重要意义。

Comments 5+2 pages; 5 figures. v2 is the published version

Journal ref Phys. Rev. Research 8, 033118 (2026)

G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance

G2DP: 基于时空网格引导的扩散规划

Hang Yu, Ye Jin, Alessandro Canevaro, Julian Schmidt, Julian Jordan, Peizheng Li, Marc Kaufeld, Silvan Lindner, Johannes Betz, Wilhelm Stork

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； TU Munich（慕尼黑工业大学） ； University of Tübingen（图宾根大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对自动驾驶扩散规划器随机性导致的安全与路线保持问题，提出G2DP，通过可微时空代价体积在去噪过程中注入密集梯度，实现无碰撞与路径最优的轨迹生成，在nuPlan等基准上取得最优性能。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Accelerating Frequency Domain Diffusion Models with Error-Feedback Event-Driven Caching

通过误差反馈事件驱动缓存加速频域扩散模型

Dong Liu, Yanxuan Yu, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Yale University（耶鲁大学） ； East China Normal University（华东师范大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出E²-CRF方法，利用频域扩散模型的频谱局部化和镜像对称性，通过事件驱动的残差动态实现自适应缓存，提升推理速度2.2倍并保持样本质量。

FRIGID: Scaling Diffusion-Based Molecular Generation from Mass Spectra at Training and Inference Time

FRIGID：在训练和推理时通过质谱进行扩散分子生成的扩展

Montgomery Bohde, Hongxuan Liu, Mrunali Manjrekar, Magdalena Lederbauer, Shuiwang Ji, Runzhong Wang, Connor W. Coley

机构 * Massachusetts Institute of Technology, Cambridge, MA, United States ； Texas A\&M University, College Station, TX, United States 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 FRIGID通过中间指纹表示和确定的化学式生成分子结构，利用扩散模型在大规模无标签数据上训练，推理时通过碎片修复提升准确性，达到18%的Top-1准确率。

Diffusion Models for SU(2) Lattice Gauge Theory in Two Dimensions

二维SU(2)晶格规范理论中的扩散模型

H. Alharazin, J. Yu. Panteleeva, B. -D. Sun

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型生成二维SU(2)晶格规范场，通过四元数参数化和U-Net架构实现高精度模拟，验证了其在非阿贝尔规范场生成中的有效性。

Journal ref Phys. Rev. D 114, 014522 (2026)

Damping-Diffusion-Noise Interactions in the Stochastic Camassa-Holm Equation

随机 Camassa-Holm 方程中的阻尼-扩散-噪声相互作用

Diego Alonso-Orán, Peter H. C. Pang, Hao Tang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究含时非齐次阻尼、非局部扩散和噪声相互作用对 Camassa-Holm 方程经典解的影响，建立局部时间理论，确定保证解全局正则性和长期行为的条件，证明测度演化系统存在，推广不变测度概念。

Journal ref Journal of the London Mathematical Society, Volume114, Issue2, 2026

Multi-Mask Diffusion Language Models for Few-Step Generation

用于少步生成的多掩码扩散语言模型

Sijin Chen, Yinuo Ren, Heyang Zhao, Ziheng Cheng, Quanquan Gu, Lexing Ying

机构 * ByteDance Seed（字节跳动种子） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对掩码扩散模型少步生成难的问题，提出多掩码扩散模型MultiMDM，通过特定前向过程使反向过程有起草能力，推导训练目标并制定蒸馏方案，经实验验证其为少步生成提供了有效基础。

Comments Needs corporate approval

Constrained Zero-Sum Stochastic Linear-Quadratic Differential Game for Jump-Diffusion Systems with Random Coefficients

具有随机系数的跳扩散系统约束零和线性二次微分博弈

Yanyan Tang, Xun Li, Jie Xiong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有随机系数和 regime switching 的跳扩散系统中带锥约束的零和线性二次微分博弈，通过FBSDEs建立了开环解的存在性并推导了闭式解表达式。

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis

SurvDiff：用于生存分析中生成合成数据的扩散模型

Marie Brockschmidt, Maresa Schröder, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SurvDiff是一种专为生存分析设计的端到端扩散模型，通过联合生成协变量、事件时间和删失机制，提升合成数据的分布忠实度和生存模型评估性能。