图像生成

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/

A Convergent Geometry-Aware Reduction for Diffusion in Branched Tubular Networks

一种收敛的几何感知降维方法用于分支管状网络中的扩散

Zachary M. Miksis, Gillian Queisser

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的几何感知降维方法，解决了Fick-Jacobs方程在大径向梯度下的不稳定性问题，通过局部泰勒展开获得具有几何无关误差的模型，并在分支网络中实现了高效数值方案。

Comments 20 pages, 9 figures

DiffuMamba: High-Throughput Diffusion LMs with Mamba Backbone

DiffuMamba：基于Mamba架构的高吞吐量扩散语言模型

Vaibhav Singh, Oleksiy Ostapenko, Pierre-André Noël, Eugene Belilovsky, Torsten Scholak

机构 * ServiceNow Research, Montreal, Canada（ServiceNow研究机构，加拿大蒙特利尔） ； Concordia University（Concordia大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffuMamba基于Mamba架构，通过结合扩散目标与线性序列建模，实现了高吞吐量的扩散语言模型，在长序列任务中表现出色。

Comments 9 pages, 3 figures

Dichotomous Diffusion Policy Optimization

二元扩散策略优化

Ruiming Liang, Yinan Zheng, Kexin Zheng, Tianyi Tan, Jianxiong Li, Liyuan Mao, Zhihao Wang, Guang Chen, Hangjun Ye, Jingjing Liu, Jinqiao Wang, Xianyuan Zhan

机构 * Fundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Xiaomi EV（小米电动车） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DIPOLE是一种新的RL算法，通过二元策略分解实现稳定可控的扩散策略优化，适用于复杂现实应用。

EmbodiedDiffusion: End-to-End Traversability-Guided Visual Diffusion for Heterogeneous Robot Navigation

EmbodiedDiffusion：用于异构机器人导航的端到端可通行性引导视觉扩散

Iana Zhura, Sausar Karaf, Faryal Batool, Nipun Dhananjaya Weerakkodi Mudalige, Valerii Serpiva, Ali Alridha Abdulkarim, Aleksey Fedoseev, Didar Seyidov, Hajira Amjad, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Center for Digital Engineering, Skolkovo Institute of Science and Technology（智能空间机器人实验室，数字工程中心，斯克尔科沃科学与技术研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对自主导航中视觉可通行性估计问题，EmbodiedDiffusion框架利用无规划器合成监督等，同时预测可通行性地图与生成可行轨迹，经训练提炼语义到轻量级模型，能快速适应新平台，在多机器人室内环境中实现高效导航与轨迹生成。

Comments This work has been submitted for publication and is currently under review

Adapting Diffusion-Based Music Synthesis to Speech and Singing Voice Conversion

将基于扩散的音乐合成模型应用于人类语音转换

Ben Maman, Frank Zalkow, Hans-Ulrich Berendes, Paolo Sani, Christian Dittmar, Meinard Müller

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将基于扩散的音乐合成模型用于语音转换，通过扩展条件设定、重新解释音色条件等方法，使模型在自然度等方面表现良好，还发现纳入乐器数据的问题及现成特征提取器的作用，凸显跨域模型转移对统一音频生成系统的潜力。

Comments Accepted to International Conference on Digital Audio Effects (DAFx) 2026

FlashDiff: Efficient Regional Execution and Scheduling for Diffusion Model Serving

FlashDiff：用于扩散模型服务的高效区域执行与调度

Yaqi Qiao, Ping He, Songrun Xie, Ayush Barik, Chensong Zhang, Zhengzhong Tu, Fan Lai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Vanderbilt University（范德比大学） ； HKUST（香港科技大学） ； NVIDIA（英伟达） ； Texas A&M University（德克萨斯农工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散模型服务效率低的问题，提出FlashDiff系统，通过自适应区域执行和调度，利用扩散细化特性及三种机制，有效降低端到端服务延迟，提高吞吐量。

An optimal local theory for reaction-diffusion equations driven by non-trace-class noise

非迹类噪声驱动的反应扩散方程的最优局部理论

Antonio Agresti, Fabian Germ, Mark Veraar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对乘性有色噪声驱动的反应扩散方程，建立了粗糙噪声与高度不规则初值下解的局部存在唯一性理论，确定了临界初值空间，并应用于Allen-Cahn、Burgers等模型。

Comments 46 pages

Diffusion in quantum state preparation: From passive cooling to system-bath engineering

量子态制备中的耗散扩散：从被动冷却到系统-环境工程

Tim Pokart, Lukas König, Sebastian Diehl, Jan Carl Budich

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了两种粒子数守恒协议在制备拓扑非平凡态中的性能，发现耗散诱导扩散限制了冷却能力，并通过分析验证了冷却时间与系统尺寸的二次方关系。

Comments 12 pages, 11 figures, includes supplementary material

Journal ref Phys. Rev. Research 8, 023336. Published 25 June, 2026

Walk based Laplacians for Modeling Diffusion on Complex Networks

基于游走的拉普拉斯算子用于复杂网络上的扩散建模

Francesca Arrigo, Fabio Durastante

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究开发了用于复杂网络扩散建模的新框架，通过构造基于游走的拉普拉斯算子，引入含记忆效应的参数族，包含多种变体，证明其扩展了标准拉普拉斯算子定义及性质，提出高效算法并经实验验证其灵活性与计算效率。

The Effect of Stochasticity in Score-Based Diffusion Sampling: a KL Divergence Analysis

基于分数的扩散采样中随机性的影响：KL散度分析

Bernardo P. Schaeffer, Ricardo M. S. Rosa, Glauco Valle

机构 * Instituto de Matemática, Universidade Federal do Rio de Janeiro（数学研究所，里约热内卢联邦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究基于分数的扩散采样中随机性对生成过程的影响，通过KL散度演变分析，得出对精确和近似分数函数的不同影响，经实验验证理论，还给出解析示例及最优随机性函数表征。

Comments 43 pages

Asymptotic Preservation and Uniform Accuracy of Diffusion and Flow-Matching Samplers

扩散与流匹配采样器的渐近保持后验分析

Shiheng Zhang

机构 * University of Washington（华盛顿大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将最小标准差视为奇异摄动参数，通过后验审计确定固定步长采样器的渐近保持性，分析不同时钟在终端层的稳定性及准确性，在特定模型上验证确定性和随机采样器特性，并用于EDM CIFAR-10检查点分析。

From Sparse X-rays to 3D CT: Training-Free Reconstruction with Diffusion Priors

从稀疏X射线到三维CT：基于扩散先验的无训练重建

Zhenkai Zhang, Markus Hiller, Krista A. Ehinger, Tom Drummond

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出TF-PRDiT，一种无需训练的条件采样框架，利用冻结的3D扩散Transformer先验解决多种医学逆问题，通过可微DRR投影器实现从稀疏X射线到高质量CT重建，支持任意数量输入X射线。

Comments Accepted at DGM4MICCAI 2026. Code available at https://github.com/Fredy-Zhang/TF-PRDiT

PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner

PC-Diffuser: 基于路径一致的胶囊CBF安全过滤器用于基于扩散的轨迹规划器

Eugene Ku, Yiwei Lyu

机构 * Texas A&M University（德克萨斯A&M大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PC-Diffuser通过在扩散规划中嵌入可认证的路径一致屏障函数，实现轨迹生成中的安全性和路径一致性，提升复杂交通环境下的自动驾驶安全性。

Quasi-Monte Carlo methods for uncertainty quantification of tumor growth modeled by a parametric semi-linear parabolic reaction-diffusion equation

用于参数半线性抛物型反应扩散方程肿瘤生长不确定性量化的小麦-蒙特卡洛方法

Alexander D. Gilbert, Frances Y. Kuo, Dirk Nuyens, Graham Pash, Ian H. Sloan, Karen E. Willcox

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用准蒙特卡洛方法对参数半线性抛物型反应扩散方程建模的肿瘤生长进行不确定性量化，通过理论分析和数值实验验证了其在计算感兴趣量方面的有效性。

Follow the Latent Roadmap: Navigating Revocable Decoding for Diffusion LLMs with Anchor Tokens

遵循潜在路径：利用锚定令牌导航扩散LLM的可撤销解码

Yizhen Yao, Qinglin Zhu, Runcong Zhao, Xiangxiang Dai, Yanzheng Xiang, Yulan He, Lin Gui

机构 * King's College London（伦敦国王学院） ； The Chinese University of Hong Kong（香港中文大学） ； The Alan Turing Institute, UK（英国艾伦·图灵研究所） 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解码速度与质量的权衡，提出无训练框架ASRD，通过锚定令牌解耦上下文，结合锚定引导生成与锚定扰动验证，在数学和编码基准上提升准确率6.4%，加速推理7.2倍。

Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models

注意力折扣自适应采样器用于掩码扩散语言模型

Yusuf Sahin, Ahmed Rockey Saikia, Volkan Cevher, Paolo Favaro

机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。

DiffAU: Diffusion-Based Ambisonics Upscaling

DiffAU: 基于扩散的Ambisonics升阶

Amit Milstein, Nir Shlezinger, Boaz Rafaely

机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiffAU方法，利用扩散模型和空间音频适配，从一阶Ambisonics生成三阶Ambisonics，实现快速可靠的升阶。

On a Universal Strictly Decreasing Nonparametric Estimator Applied to the Drift Function of a Recurrent Diffusion Process Estimation

关于递归扩散过程漂移函数的严格递减非参数估计器

Nicolas Marie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种严格递减的非参数估计器，用于估计递归扩散过程的漂移函数，通过非渐近L1风险界和带宽选择方法提高估计精度。

Comments 17 pages, 2 figures

Diffusion Denoiser-Aided Gyrocompassing

扩散去噪器辅助的陀螺罗经法

Gershy Ben-Arie, Daniel Engelsman, Rotem Dror, Itzik Klein

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对低成本陀螺仪准确及时陀螺罗经法的挑战，提出扩散去噪器辅助的陀螺罗经法，集成扩散去噪框架与航向估计模型，处理原始传感器信号，实验证明相比其他方法显著提高了陀螺罗经精度，对自主平台导航意义重大。

Comments 8 pages, 8 figures

Journal ref Measurement, Measurement, Volume 287, 2026, Article 122370

Spectral Diffusion Processes

谱扩散过程

Angus Phillips, Thomas Seror, Michael Hutchinson, Valentin De Bortoli, Arnaud Doucet, Emile Mathieu

机构 * University of Oxford（牛津大学） ； ENS, CNRS, PSL University Paris（巴黎高等师范学院、国家科学研究中心、巴黎大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将扩散模型应用于函数空间上的随机过程，通过谱表示分离随机部分与时空结构，用有限维扩散模型建模谱系数，经截断确保模型有效性，投影回原空间对应相关噪声扩散模型，还展示了方法在多模态数据建模及条件采样上的有效性。

Comments This version (v3) extends the previous workshop version (v2) with conditional sampling and theoretical results. Work carried out in 2022/23. V2 appeared in Score-based Methods Workshop at the 36th Conference on Neural Information Processing Systems (NeurIPS 2022)

Prompt Compression in Diffusion Large Language Models: Evaluating LLMLingua-2 on LLaDA

在扩散大型语言模型中进行提示压缩：在LLDA上评估LLMLingua-2

Sterling Huang, Abigayle Brown, Jiyoo Noh, Jiakang Xu, Wantong Huo, Kaung Myat Kyaw, Jonathan Chan

机构 * University of Toronto（多伦多大学） ； King Mongkut’s University of Technology Thonburi（泰国科技理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了提示压缩在扩散大型语言模型中的有效性，通过在LLDA上评估LLMLingua-2，发现提示压缩在数学推理任务中效果不佳，而摘要任务相对稳健，表明为扩散模型设计的提示压缩方法并不适用于所有场景。

Comments Accepted to appear in The 14th International Conference on Advances in Information Technology (IAIT2026)