图像生成

A hybrid proper orthogonal decomposition and diffusion framework for reduced-order forecasting of turbulent flow dynamics

一种用于湍流动力学降阶预测的本征正交分解与扩散混合框架

Rodrigo Abadia-Heredia, Xiangrui Zou, Manuel Lopez-Martin, Petros Koumoutsakos, Soledad Le Clainche

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出结合本征正交分解（POD）与有效动力学生成学习（G-LED）的混合框架，实现高效湍流预测，对比三种配置验证其降阶后大幅降低计算成本且保留关键流动结构。

Divide-and-Conquer: Towards Generalizable Amortized Bayesian Inference for the Drift Diffusion Model

分而治之：面向漂移扩散模型的可推广摊销贝叶斯推断

Yufei Wu, Shanqing Gao, Andreas Voss, Francis Tuerlinckx

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对摊销贝叶斯推断无法推广至不同研究设计的局限，提出分而治之框架，将DDM数据集分解为成对数据片后单独推断再用共识MCMC结合，在保持与MCMC相当性能的同时大幅降低计算成本，为ABI方法提供通用优化策略。

Should the Boundary Term Be Learned in Reflected Diffusion? Conormal Trace and Reflection Masking

在反射扩散中是否应学习边界项？余法迹与反射掩蔽

Ziyue Wang, Takafumi Kanamori

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究探讨有界域反射扩散的分数学习，提出无需额外参数的超矩形等域参数化方法，发现硬反射可掩盖边界分数误差，实验验证反射频率等因素对误差分离的影响。

MDLMPE: Distribution Aware Positional Encoding for Masked Diffusion Language Models

MDLMPE：面向掩码扩散语言模型的分布感知位置编码

Tong Ling, Hang Lei, Feng Xiao, Changhui Sun, Jiahang Xie, Hao Liu, Lu Liu, Yanlong Du

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型位置编码对动态标记可用性结构不敏感的问题，提出MDLMPE，通过编码标记可用性等实现分布感知，在LLaDA、DREAM等实验中性能优于传统方法。

LLaDA MoE v2: Scaling Mixture-of-Experts Diffusion Language Models

LLaDA MoE v2：扩展混合专家扩散语言模型

Fengqi Zhu, Shaoxuan Xu, Jingyang Ou, Zebin You, Yipeng Xing, Huabin Liu, Xiaolu Zhang, Jun Zhou, Zhenzhong Lan, Yankai Lin, Wayne Xin Zhao, Jianguo Li, Chongxuan Li, Ji-Rong Wen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究明确MoE扩散语言模型的扩展规律，训练30B-A3B的LLaDA MoE v2，其预训练令牌量为Qwen3的65%，经微调后在多数推理编码基准上优于SDAR Chat且接近Qwen3。

ED-DiT: Physics-Guided Diffusion Pretraining for Transferable Molecular Representations from Electron Density

ED-DiT：用于从电子密度学习可迁移分子表示的物理引导扩散预训练

Liang Shuang, Haocheng Wang, Jiayi Song, Shuquan Ye, Ben Fei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出ED-DiT，一种物理引导的扩散Transformer，通过电子密度点云自监督预训练学习可迁移分子表示，在6项EDBench任务及低监督场景下均优于基线，展现出良好效果。

Comments 16 pages, 9 figures, 7 tables, including supplementary material

UniNav: A Unified World-Action Diffusion Model for Visual Navigation

UniNav：用于视觉导航的统一世界-动作扩散模型

Changqing Zhou, Yueru Luo, Zeyu Jiang, Changhao Chen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 UniNav是统一世界-动作扩散模型，通过单扩散过程生成未来视觉观测与航路点轨迹，其变体UniNav-Fast延迟0.1秒且精度无明显下降，在导航基准上ATE优于最强基线。

Accelerating Human-Aware Robot Trajectory Generation via Diffusion and Consistency Distillation

基于扩散模型与一致性蒸馏的人机感知机器人轨迹生成加速方法

Byeong-Il Ham, Hyun-Bin Kim, Kyung-Soo Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究针对人机交互场景下机器人轨迹生成的约束与效率问题，结合RRT/RRT*算法、扩散模型与一致性蒸馏技术，实现了快速、低加加速度的机器人轨迹生成。

Comments 8 pages, 4 figures

Simulation-free and finite-time diffusion model

无模拟且有限时间的扩散模型

Kentaro Kaba, Masayuki Ohzeki, Yuki Sughiyama

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种参考过程设计框架，可同时实现无模拟训练与有限时间生成，还揭示得分匹配并非扩散模型训练的基础，且条件流匹配是该框架的小噪声极限。

SynEnergy: Anomaly Semantic-Guided Diffusion for Synthetic Energy Data Generation

SynEnergy：面向合成能源数据生成的异常语义引导扩散模型

Lin Jiang, Dahai Yu, Ravikumar Gelli, Guang Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SynEnergy，一种两阶段扩散框架，通过HG-ASL提取异常语义、AS-Diff生成数据，在四个真实能源数据集上较11种基线提升异常保留与下游质量，可扩展至城市级场景。

Comments 24 pages, 44 figures

DDSynth-RL: Audio Synthesizer Inversion via Discrete Diffusion with Reinforcement Learning

DDSynth-RL：结合强化学习的离散扩散音频合成器逆问题求解

Tristan Wu, Daniel Chin, Junan Zhang, Junyan Jiang, Yansen Jing, Gus Xia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对合成器逆问题的两大挑战，提出结合掩码离散扩散与GRPO风格音频域奖励微调的DDSynth-RL方法，在Dexed上验证了其性能优势。

Comments Accepted to the 27th International Society for Music Information Retrieval Conference (ISMIR 2026). 8 pages, 3 figures, 1 table

Speculative Correction: Draft-then-Refine Decoding for Diffusion Language Models

推测校正：扩散语言模型的草稿后精炼解码

Brian K Chen, Chong Wu, Kenji Kawaguchi

机构 * National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散语言模型提出草稿后精炼解码方案，通过 Flash-Flash 和 Mini-Flash 配置在 GSM8K、MBPP、MATH 数据集上提升准确率并加快推理速度，为双向精炼及快速生成提供新路径。

Comments 25 pages, 3 figures

The intermediate scattering function of an interacting adlayer as a characteristic function: a closed-form theory of Ising lattice-gas surface diffusion

作为特征函数的相互作用吸附层中间散射函数：Ising格气表面扩散的闭式理论

S. Miret-Artés

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出了Ising格气表面扩散的闭式理论，推导了中间散射函数的闭式形式，经KMC模拟验证，可用于Na/Cu(111)和H/Pt(111)等体系的分析。

Comments 34 pages; 9 figures, 2 tables

Exact Resonances Are Not Sufficient for Phonon Energy Diffusion

精确共振不足以实现声子能量扩散

Wei Lin, Yong Zhang, Hong Zhao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究指出精确共振匹配等运动学条件不足以实现声子能量扩散，需准共振维持能量扩散，且热力学与弱非线性极限不可交换，明确了声子能量扩散的动力学判据。

Comments 8 pages, 5 figures

Chaos and Diffusion in Twisted Bilayer Graphene

扭曲双层石墨烯中的混沌与扩散

Olga Arroyo-Gascón, Manuel Pino

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过数值分析实验相关的扭曲双层石墨烯模型，发现公度与非公度旋转角下的有限系统均存在混沌，边界作为单粒子散射机制强于单层石墨烯，可诱导混沌与扩散。

Music Restoration via Latent Operator Optimization and Diffusion Model Priors

基于潜在算子优化与扩散模型先验的音乐修复

Michal Švento, Eloi Moliner, Valtteri Kallinen, Lauri Juvela, Vesa Välimäki, Pavel Rajmic

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出LOUDAR方法，将未知失真建模为可学习潜在算子，结合预训练音频自编码器与潜在扩散模型先验，在歌声、吉他失真修复任务上表现优于退化输入且具竞争力。

Comments Accepted to the the 27th International Society for Music Information Retrieval Conference (ISMIR 2026)

AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling

AURORA-LM：用于连续潜在扩散语言建模的统一表示自动编码

Jiajun Liang, Yucheng Liao, Yukang Cao, Jiazhe Wei, Ken Li, Wende Tan, Jiankun Zhang, ZY Cui, Jingkang Yang, Liucheng Guo, Shiqi Yang, B. Yang, Caifeng Shan, Ziwei Liu, Chenyang Si

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 AURORA-LM是一种分离文本表示构建与分布建模的连续潜在扩散语言模型，通过特定技术优化后，在OpenWebText自由生成和XSum摘要任务中性能优于同类模型。

Comments 40 pages, 17tables, project page: https://aurora-lm-project.github.io/

CMuon: Accelerating and Stabilizing Diffusion Transformer Training via Chunked Momentum Orthogonalization

CMuon：通过分块动量正交化加速并稳定扩散Transformer的训练

Chuyan Chen, Peng Sun, Kun Yuan

机构 * Peking University（北京大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散Transformer训练计算成本高、普通Muon优化器存在后期收敛问题的瓶颈，提出CMuon策略，通过分块权重实现训练加速与收敛优化，在ImageNet 256上200个epoch达FID1.18，训练速度超AdamW2倍

Comments ECCV 2026

xPress: Parallel Refinement for Diffusion Drafters in Speculative Decoding

xPress：推测解码中扩散草稿模型的并行优化

Zheng Wang, Davis Wertheimer, Yu Chin Fabian Lim, Mudhakar Srivatsa, Raghu K. Ganti, Minjia Zhang, Naigang Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； IBM（国际商业机器公司（IBM）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 xPress是恢复扩散草稿模型因果依赖的并行优化方法，在Qwen3-8B的7个基准上，可提升推测解码的接受长度与端到端吞吐量。

Diffusion Policy with Behavioral Advantage Correction for Offline Reinforcement Learning

面向离线强化学习的带行为优势修正的扩散策略

Botao Dong, Longyang Huang, Ning Pang, Hongtian Chen

机构 * School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University（南洋理工大学化学、化学工程与生物技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对离线强化学习中分布偏移导致的Q值估计偏差问题，提出带行为优势修正的扩散策略（DPBAC）算法，结合BAC-PE与扩散模型，在D4RL任务上实现优于SOTA的性能。

REFLEX: Rethinking MoE Inference as Refinement-Aware Compute Allocation in Diffusion Language Models

REFLEX：将MoE推理重新思考为扩散语言模型中的感知细化的计算分配

Xiang Xia, Cheng Yan, Yiming Zhang, Jiazheng Liu, Hongyu Zhang, Wuyang Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 REFLEX是一种无需训练的MoE推理方法，通过粗到细的专家预算分配和前沿进度分数，在扩散语言模型中平均减少15%专家计算量，同时保持或提升生成质量，实现更优的质量-计算权衡。

Disagree to Accelerate: Closing the Loop on Diffusion Feature Forecasts

弃权以加速：闭合扩散特征预测的循环

Yanchao Li, Jiaqing Xie, Ben Gao, Wanhao Liu, Yanbo Wang, T. Y. Tsui, Jinfei Liu, Yuqiang Li, Tianfan Fu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出无需训练的闭环控制器RACER，利用预测分歧信号调整对扩散特征预测的信任度，在多模型多数据集上实现了相同评估次数下的性能提升或同等质量下的更快采样。

Beyond On-Policy Exploration: Integrating External Policy Rollouts for Reinforcement Learning in Diffusion Language Models

超越在线策略探索：将外部策略 rollout 整合用于扩散语言模型中的强化学习

Wonseok Lee, Jimyeong Kim, Jungmin Ko, Wonjong Rhee

机构 * Seoul National University（首尔大学） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔大学人工智能交叉项目） ； Artificial Intelligence Institute, Seoul National University（首尔大学人工智能研究院） ； Department of Intelligence and Information, Seoul National University（首尔大学智能与信息系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散大语言模型强化学习中在线策略 rollout 稀缺的问题，提出 ERILS 方法整合外部策略 rollout，在数独等任务上显著提升性能，验证了 rollout 构建与奖励处理的重要性。

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

分离与检测：通过潜在扩散实现统一鼓转录与音轨生成

Wei-Han Hsu, Chih-Cheng Chang, Bo-Yu Chen, Li Su, Yi-Hsuan Yang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出分离与检测框架，以5音轨潜在扩散模型为前端，结合起始点分支等辅助训练，实现鼓转录与音轨生成，性能优于基线，兼具分离音轨能力。

Comments 8 pages, 3 figures, 4 tables. Accepted at the 27th International Society for Music Information Retrieval Conference (ISMIR 2026)

Escaping Confidence Trap: Evolutionary Decoding for Mathematical Reasoning in Diffusion LLMs

逃离置信陷阱：扩散大语言模型数学推理的进化解码

Zhenhong Sun, Hanqing Zhao, Yatao Bian, Rongcheng Tu, Liuyue Xie, Xu Zhang, Jue Wang, Davide Modolo, Daoyi Dong, Dacheng Tao

机构 * Australian National University（澳大利亚国立大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） ； University of Technology Sydney（悉尼科技大学） 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数学推理的置信陷阱，提出无训练的进化解码框架，通过逐步选择与分块变异提升LLaDA 2.0的数学推理可靠性。

DLLM-TTS: Block Discrete Diffusion Language Model for Text-to-Speech Synthesis

DLLM-TTS：用于文本到语音合成的块离散扩散语言模型

Wasim Madha, Nityanand Mathur, Hamees Sayed, Apoorv Singh, Sameer Khurana, Akshat Mandloi, Sudarshan Kamath

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出 DLLM-TTS 框架，将 TTS 建模为基于 X-Codec2 的条件块离散扩散，通过块内掩码扩散与并行预测实现高效语音生成，在 Seed-TTS-eval 基准上取得良好性能，兼具实用性与数据效率。

A Unified Kullback--Leibler Divergence Analysis of Generative Diffusion Models via Entropy Production Rate

基于熵产生率的生成扩散模型的统一Kullback-Leibler散度分析

Han Wu, Zhiwen Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出基于熵产生率的生成模型误差分析统一框架，将终端KL散度分解为三类误差，为Euler-Maruyama采样器得出$\boldsymbol{\textit{O}}(h^2)$收敛速率，统一三类生成模型分析并经实验验证。

Comments 37 pages, 15 figures

Equilibration versus Localization in a Diffusion-Relaxation System

扩散-弛豫系统中的平衡化与局域化

Aseel AlNajjar, Hoyoun Kim, Athanasios Tzavaras

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散-弛豫系统，通过能量耗散结构、不变区域估计及几何奇异摄动理论，严格刻画了平衡化与局域化的参数转变条件及对应解的行为。

Numerical approximation of fractional diffusion equations on metric graphs

度量图上分数阶扩散方程的数值逼近

David Bolin, Lenin Riera-Segura, Alexandre B. Simas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对紧度量图上由平移Kirchhoff-Laplacian分数次幂控制的分数阶扩散方程，建立严格数学框架，提出结合向后欧拉与有限元的完全离散格式，采用有理近似实现高效求解，推导误差估计并通过实验验证收敛性。

Stochastic heat equation with nondegenerate Hölder diffusion coefficient: uniqueness below the three-fourth threshold

非退化Hölder扩散系数的随机热方程：四分之三阈值以下的唯一性

Yi Han

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对非退化Hölder扩散系数的随机热方程，证明当β>2/3时弱唯一性成立，此前同类研究仅在β>3/4时成立，该结果填补了β∈(2/3,3/4]区域内的弱唯一性研究空白。