图像生成

Cross-reality location privacy protection in 6G-enabled vehicular metaverses: an LLM-enhanced hybrid generative diffusion model-based approach

6G赋能车联网元宇宙中的跨现实位置隐私保护：一种基于LLM增强混合生成扩散模型的方法

Xiaofeng Luo, Jiayi He, Jiawen Kang, Ruichen Zhang, Zhaoshui He, Ekram Hossain, Dong In Kim

机构 * School of Automation, Guangdong University of Technology（自动化学院，广东技术大学） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） ； Department of Electrical and Computer Engineering, University of Manitoba（电气与计算机工程系，曼尼托巴大学） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（电气与计算机工程系，成均馆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于LLM增强混合生成扩散模型的方法，用于6G赋能车联网元宇宙中的跨现实位置隐私保护，通过混合动作优化平衡隐私保护、延迟降低和服务质量维护。

Comments 16 pages, 8 figures

Generating Samples of Stationary Distributions of Weakly Interacting Diffusion Models Without Finite Particle Truncation: A Weak Generative Approach

在无有限粒子截断情况下生成弱相互作用扩散模型平稳分布的样本：一种弱生成方法

Zhiqiang Cai, Chengyu Liu, Xiang Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对计算弱相互作用扩散粒子平均场模型平稳分布及样本的难题，提出基于弱偏微分方程公式的生成框架，能同时计算平稳分布并生成样本，揭示真实分布，数值实验验证了该方法的有效性。

Comments 29 pages, 12 figures

Conditional Entropy of Heat Diffusion on Temporal Networks

时间网络上热扩散的条件熵

Samuel Koovely, Alexandre Bovet

机构 * Department of Mathematical Modeling and Machine Learning（数学建模与机器学习系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了时间网络上热扩散的条件熵，提出了一种新的方法来检测时间网络中的相变点，并展示了其在信息论中的意义，类似于热力学第二定律。

Dimension-Free Convergence of Discrete Diffusion Models: Adjoint Equations Induce the Right Space

离散扩散模型的维度无关收敛性：伴随方程诱导了正确的空间

Kelvin Kan, Xingjian Li, Benjamin J. Zhang, Tuhin Sahai, Stanley Osher, Markos A. Katsoulakis

机构 * Department of Mathematics（数学系） ； Oden Institute School of Data Science and Society（数据科学与社会学院） ； UCLA（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Computational and Applied Sciences Group（计算与应用科学组） ； Department of Mathematics and Statistics（数学与统计学系） ； SRI International（SRI国际） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于伴随方程的统一框架，实现了任何积分概率度量（IPM）下的维度无关收敛保证，克服了传统KL和TV方法在处理大规模状态空间时的局限性。

Understanding and Accelerating the Training of Masked Diffusion Language Models

理解并加速掩码扩散语言模型的训练

Chunsan Hong, Sanghyun Lee, Chieh-Hsin Lai, Satoshi Hayakawa, Yuhta Takida, Yuki Mitsufuji, Seungryong Kim, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； Sony AI（索尼人工智能） ； University of Tokyo（东京大学） ； Sony Group Corporation（索尼集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了掩码扩散模型训练缓慢的原因，提出bell-shaped时间采样策略，显著提升训练效率和模型性能。

Comments Preprint

LaDA-Band: Language Diffusion Models for Vocal-to-Accompaniment Generation

LaDA-Band：语言扩散模型用于人声到伴奏生成

Qi Wang, Zhexu Shen, Meng Chen, Guoxin Yu, Chaoxu Pang, Weifeng Zhao, Wenjiang Zhou

机构 * State Key Lab of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（中国科学院计算技术研究所人工智能安全国家重点实验室） ； Lyra Lab, Tencent Music Entertainment（腾讯音乐娱乐集团Lyra实验室） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LaDA-Band通过引入离散掩码扩散模型，解决了人声到伴奏生成中保持音质真实、维持全局连贯性和产生动态编曲的三重挑战，提升了长距离结构一致性和时间同步性。

Comments Accepted by ACMMM 2026

DynFOA: Generating First-Order Ambisonics with Conditional Diffusion for Dynamic and Acoustically Complex 360-Degree Videos

DynFOA: 基于条件扩散的动态和声学复杂的360度视频生成一阶混响

Ziyu Luo, Lin Chen, Qiang Qu, Xiaoming Chen, Yiran Shen

机构 * School of Computer and Artificial Intelligence, Beijing Technology and Business University, Beijing, China（计算机与人工智能学院，北京技术与商业大学） ； School of Computer Science, The University of Sydney, Sydney, NSW, Australia（计算机科学学院，悉尼大学） ； School of Software, Shandong University, Jinan, China（软件学院，山东大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DynFOA通过动态声学感知和条件扩散生成高质量的360度视频一阶混响，提升沉浸式音频体验。

Comments Revised version with updated content.This submission is the intended replacement of arXiv:2602.06846

Simple Policy Gradients for Reasoning with Diffusion Language Models

为扩散语言模型进行推理的简单策略梯度

Anthony Zhan

机构 * Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出 AGRPO 算法，通过优化 dLLM 的去噪步骤提升推理性能，实现多个任务上的显著增益。

Comments 19 pages. ICML 2026

PILD: Physics-Informed Learning via Diffusion

PILD：通过扩散进行物理引导学习

Tianyi Zeng, Tianyi Wang, Jiaru Zhang, Zimo Zeng, Feiyang Zhang, Yiming Xu, Sikai Chen, Junfeng Jiao, Christian Claudel, Xinbo Chen

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校） ； Zhejiang University, Hangzhou, Zhejiang, China（浙江大学） ； Tongji University, Shanghai, China（同济大学） ； University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PILD通过引入虚拟残差观测和条件嵌入模块，结合物理约束与扩散模型，提升工程和科学任务中生成模型的准确性、稳定性和泛化能力。

Comments 34 pages, 13 figures, 14 tables

Privatization of Synthetic Gaze: Attenuating State Signatures in Diffusion-Generated Eye Movements

合成眼动的私有化：减弱扩散生成眼动中的状态特征

Kamrul Hasan, Oleg V. Komogortsev

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模型的合成眼动方法，通过分析合成眼动特征与主观报告之间的相关性，证明生成方法能有效抑制与隐私相关的内部状态特征，同时保留真实数据的信号特征。

Comments Accepted at IEEE International Joint Conference on Biometrics (IJCB) 2026

CLOAK: Contrastive Guidance for Latent Diffusion-Based Data Obfuscation

CLOAK：基于潜在扩散的数据混淆的对比引导

Xin Yang, Omid Ardakanian

机构 * University of Alberta（阿尔伯塔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对数据混淆问题，提出基于潜在扩散模型的Cloak框架，用对比学习提取解纠缠表示，指导潜在扩散过程平衡隐私与效用。实验表明该框架优于现有技术，能降低效用和隐私损失，适合资源受限环境。

Journal ref Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, Volume 10, Issue 3, Article 184, September 2026

Quantitative and Qualitative Comparison of Generative Models for Subject-Specific Gaze Synthesis: Diffusion vs GANs

特定主体注视合成生成模型的定量与定性比较：扩散模型与生成对抗网络

Kamrul Hasan, Dmytro Katrychuk, Mehedi Hasan Raju, Oleg V. Komogortsev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究特定主体注视合成，对扩散模型和GAN进行修改，前者纳入用户嵌入，后者引入特定主体条件模块，通过眼动信号质量指标评估，发现扩散模型生成的注视序列更优，推进了对合成注视相关特性的理解及生物识别应用发展。

Comments Accepted at IEEE International Joint Conference on Biometrics (IJCB) 2026

LaCache: Exact Caching and Precision-Adaptive Inference for Diffusion Large Language Models

LaCache：用于扩散大语言模型的精确缓存和精度自适应推理

Xingru Chen, Zelang Liang, Yongjia Ma, Jiqing Zhan, Shuling Yang, Lian Wen, Kun Zhan

机构 * Li Auto Inc.（理想汽车公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散大语言模型算子级冗余问题，提出LaCache加速框架，通过无损缓存中间结果及集成FP8量化策略，无需训练，单独使用可实现约1.3倍端到端加速，与现有方法结合可达40.2倍加速且保持任务精度。

On the Separability of Information in Diffusion Models

关于扩散模型中信息分离性

Akhil Premkumar

机构 * Department of Applied Physics, Yale University, New Haven, CT 06511, USA（应用物理系，耶鲁大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究扩散模型中信息的分离性，发现模型大部分信息用于重建图像细节，而类别标签相关性由语义内容决定，从而解释了无分类器指导的有效性。

Comments 30 pages + references, 19 figures. v5: Camera-ready version from ICML 2026

Diffusion-based Annealed Boltzmann Generators : benefits, pitfalls and hopes

基于退火的玻尔兹曼生成器：益处、陷阱与希望

Louis Grenioux, Maxence Noble

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了基于退火蒙特卡洛的玻尔兹曼生成器，探讨了扩散模型在其中的应用及其在高维多模态目标中的性能表现。

Comments TMLR camera ready version

Subliminal Clocks: Latent Time Modelling in Diffusion Language Models

潜意识时钟：扩散语言模型中的潜在时间建模

Maximo Eduardo Rulli, Thomas Vaitses Fontanari, Simone Petruzzi, Federico Alvetreti, Giorgio Strano, Donato Crisostomi, Giorgos Nikolaou, Tommaso Mencattini, Andrea Santilli, Emanuele Rodolà, Simone Scardapane, Alessio Devoto

机构 * Sapienza University of Rome（罗马大学） ； EPFL（洛桑联邦理工学院） ； Independent researcher（独立研究者） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文发现扩散语言模型在残差流中编码了与扩散时间步相关的潜在表示，可通过探针提取，并通过沿推断时间步的低维子空间引导来调节去噪进度，影响模型置信度和熵。

Comments Equal contribution: Thomas Vaitses Fontanari and Simone Petruzzi

Discrete Diffusion with Sample-Efficient Estimators for Conditionals

用于条件的离散扩散与高效样本估计器

Karthik Elamvazhuthi, Abhijith Jayakumar, Andrey Y. Lokhov

机构 * Theoretical Division, Los Alamos National Laboratory, Los Alamos, NM 87545（洛斯阿拉莫斯国家实验室理论 division） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于高效样本估计器的离散扩散方法，用于生成离散状态空间的数据，实验表明其在多个数据集上优于现有方法。

ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning

ImplicitRDP：一种具有结构快慢学习的端到端视觉-力扩散策略

Wendi Chen, Han Xue, Yi Wang, Fangyuan Zhou, Jun Lv, Yang Jin, Shirun Tang, Chuan Wen, Cewu Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（诺姆矩阵有限公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究人类水平接触操作中视觉与力感测信号整合难题，提出ImplicitRDP策略，用结构快慢学习机制及虚拟目标表示正则化，经实验验证其在丰富接触任务中显著优于基线，有卓越反应性与成功率。

Comments Accepted to RA-L 2026. Project page: https://implicit-rdp.github.io

Unified numerical analysis for thermoelastic diffusion and thermo-poroelasticity of thin plates

薄板热弹性扩散和热孔弹性的统一数值分析

Neela Nataraj, Ricardo Ruiz-Baier, Aamir Yousuf

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究薄板热弹性扩散和热孔弹性的耦合双曲-抛物系统，用伽辽金方法建立可解性，采用多种数值方法离散，证明全离散格式收敛，通过数值实验验证二维模型有效性及理论收敛率。

Comments accepted for publication

Journal ref Mathematical Models and Methods in Applied Sciences, 2026

Induction in Both Directions: A Mechanistic Analysis of In-Context Learning in Masked Diffusion Language Models

双向归纳：掩码扩散语言模型中上下文学习的机制分析

Andy Catruna, Emilian Radoi

机构 * National University of Science and Technology POLITEHNICA Bucharest（布加勒斯特理工大学国家科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散语言模型（DLM）中归纳机制，对比仅注意力AR模型和吸收掩码DLM。发现DLM学习双向归纳电路，方向对称，掩码两侧可见时归纳更强，还证明其能计算掩码令牌比例作隐式时间步长。

Interfaces and non-uniqueness in a cross-diffusion system with independent drifts

具有独立漂移的交叉扩散系统中的界面与非唯一性

Charles Elbar, Guy Parker

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维交叉扩散系统中两个种群在独立外部势作用下，从单界面分离初值出发，发现解依赖于所选解的概念，粘性消失解产生重叠而分离弱解也存在，导致柯西问题在弱解类中不适定。

Comments Added: References and Appendix. 26 Pages, 1 figure

FAIR-Calib: Frontier-Aware Instability-Reweighted Calibration for Post-Training Quantization of Diffusion Large Language Models

FAIR-Calib：面向扩散大语言模型训练后量化的前沿感知不稳定重加权校准

Haoyu Huang, Linlin Yang, Sheng Xu, Boyu Liu, Guodong Guo, Zhongqian Fu, Hang Zhou, Baochang Zhang

机构 * FAIR 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型训练后量化中前沿决策易翻转并永久锁定放大的问题，提出两阶段PTQ框架FAIR-Calib，通过前沿命中与掩码阶段可靠性估计位置先验，并利用重加权隐状态MSE校准优先保护脆弱前沿状态，理论证明其作为输出KL散度代理，实验显著优于基线。

Comments Accepted as a poster at the 43rd International Conference on Machine Learning (ICML 2026)

Autoregressive Diffusion World Models for Off-Policy Evaluation of LLM Agents

自回归扩散世界模型用于LLM智能体的离线评估

Kaixuan Liu, Guojun Xiong, Weinan Zhang, Shengpu Tang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出ADWM框架，通过自回归扩散世界模型从预收集轨迹中模拟环境响应，实现无需在线交互的LLM智能体策略离线评估。

Geometry Adaptive Counterfactual Distribution Learning with Diffusion-Guided Smoothing

几何自适应反事实分布学习与扩散引导平滑

Kwangho Kim

机构 * Department of Statistics, Korea University（韩国大学统计系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高维反事实分布学习，提出两种基于扩散引导的几何自适应平滑估计器，通过有效维度降低误差，并在CelebA实验验证。

RADD: Retrieval-Augmented Discrete Diffusion for Multi-Modal Knowledge Graph Completion

RADD：基于检索的离散扩散用于多模态知识图谱补全

Guanglin Niu, Bo Li

机构 * School of Artificial Intelligence, Beihang University（北航人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出RADD框架，通过分离检索与重排序过程，提升多模态知识图谱补全的性能，实验表明其在多个基准上表现最佳。

Comments 13 pages, 3 figures, 8 tables

First-Hitting Location Laws as Boundary Observables of Drift-Diffusion Processes

首次击中位置定律作为漂移扩散过程的边界可观测量

Yen-Chi Lee

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究漂移扩散过程中首次击中位置统计特性，探讨边界定律如何作为内在信息可观测量。通过几何和动态分析，揭示漂移与几何如何共同塑造边界测度，并展示非零漂移如何抑制尾部波动。

Comments 16 pages, 7 figures. Accepted for publication in Physical Review E. This revised and expanded version adds an exact exterior-circle benchmark and clarifies the dimensional convention and notation

Breaking the Factorization Barrier in Diffusion Language Models

突破扩散语言模型的分解障碍

Ian Li, Zilei Shao, Benjie Wang, Rose Yu, Guy Van den Broeck, Anji Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CoDD通过引入轻量级概率推理层，突破扩散语言模型的分解障碍，实现高效且连贯的生成性能。

Bayesian Signal Component Decomposition via Diffusion-within-Gibbs Sampling

通过扩散-于-吉布斯采样进行贝叶斯信号分量分解

Yi Zhang, Rui Guo, Yonina C. Eldar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种结合吉布斯采样与插件式扩散先验的贝叶斯信号分量分解方法，能够统一整合模型驱动与数据驱动的先验知识，实现高效准确的信号分解。

Comments 16 pages, 6 figures. Submitted to journal

Rapid and Safe Trajectory Planning over Diverse Scenes through Diffusion Composition

通过扩散合成在多样场景中进行快速且安全的轨迹规划

Wule Mao, Zhouheng Li, Yunhao Luo, Fangguo Zhao, Lei Xie

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。

SplatSearch: Instance Image Goal Navigation for Mobile Robots using 3D Gaussian Splatting and Diffusion Models

SplatSearch：使用3D高斯点云和扩散模型的移动机器人实例图像目标导航

Siddarth Narasimhan, Matthew Lisondra, Haitong Wang, Goldie Nejat

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究移动机器人的实例图像目标导航问题，提出SplatSearch架构，利用3D高斯点云重建和多视角扩散模型，结合前沿探索策略，在多种环境实验中验证其性能优于现有方法。

Comments Project Page: https://splat-search.github.io/