图像生成

Seeing the End at Step Zero: Accelerating Diffusion MLLMs via MLP Sparsity-Aware Truncation

从零步洞察终点：通过MLP稀疏感知截断加速扩散多模态大语言模型

Qicheng Zhao, Qi Sun, Zheyu Yan

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散多模态大语言模型推理效率受固定长度生成约束影响的问题，提出Seer框架，利用MLP激活稀疏性变化检测有效语义边界，进行冗余截断及采用混合执行策略，实验表明其可加速吞吐量并维持性能甚至提升复杂视觉任务准确性。

Comments Accepted to ACM Multimedia (ACM MM) 2026

A Continuous-Time Reinforcement Learning Framework for Fine-Tuning Discrete Diffusion Models

用于微调离散扩散模型的连续时间强化学习框架

Zikun Zhang, Jiayuan Sheng, David D. Yao, Wenpin Tang

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出连续时间强化学习框架，推导策略梯度方法得到PPO和GRPO的连续时间变体。以此开发框架微调离散扩散模型，无需奖励信号可微，能纳入中间奖励或优势信号，还为MDM提供统一视角，用轨迹子采样技术降低计算成本，在相关任务中验证了方法有效性。

Comments 36 pages, 5 figures

Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling

基于约束优化和自适应调度的基于模型扩散的运动规划

Zhilin He, Bowei Li, Jianlin Dou, Yuner Zhang, Changliu Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高度非凸约束环境下单机器人运动规划难题，提出MD-COAS方法，统一软扩散先验与硬投影算子，自适应调度并共同优化安全约束及扩散调度，实验证明其在多方面优于基线规划器。

Integration Matters: Rollout-Based Training for Constrained Diffusion Models

集成很重要：基于展开的受限扩散模型训练

Xiaoxuan Liang, Saeid Naderiparizi, Berend Zwartsenberg, Frank Wood

机构 * University of British Columbia（英属哥伦比亚大学） ； Inverted AI（Inverted AI公司） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究受限生成模型，提出将在线展开获得约束指导纳入训练过程的微调框架，通过微分固定噪声时间表使训练与采样对齐，实验表明该方法能提高约束满足度且保持采样质量。

MIDiff: Tackling Sparsity and Imbalance in Mobile Usage Generation via Multivariate-Imaging Diffusion

MIDiff：通过多变量成像扩散解决移动使用生成中的稀疏性和不平衡问题

Yilai Liu, Shiyuan Zhang, Hongyang Du

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对移动使用数据存在的稀疏性、变量异构及使用不平衡问题，提出多变量成像扩散框架MIDiff，通过C-GASF转换数据，在U-Net中用三重注意力保持一致性和依赖性，实验表明该方法在生成移动使用轨迹上性能优异。

Polestar: Drift-Aware Cache Calibration and Token Commitment for Efficient Inference of Diffusion LLMs

北极星：用于扩散语言模型高效推理的漂移感知缓存校准和令牌承诺

Mingyu Lee, Akshat Ramachandran, Souvik Kundu, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel AI Group（英特尔人工智能集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散语言模型推理效率受双向注意力和静态阈值影响的问题，提出北极星框架，利用令牌表示漂移信号，由北极星缓存和北极星提交两组件构成，大幅提升了模型在准确性-吞吐量方面的表现及解码并行性。

Token Time Continuous Diffusion for Language Modeling

用于语言建模的令牌时间连续扩散

Parikshit Bansal, Sujay Sanghavi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出令牌时间连续扩散（TTCD）语言模型，其在连续空间运行，引入令牌时间概念。该模型避免多令牌并行采样，能更好建模条件生成。实验表明，在高速加速时TTCD优于离散模型，在无条件和条件生成上有优势，数独求解也有类似成果。

Measuring Spatial Clustering via Metropolis-Hastings Diffusion Distance

通过Metropolis-Hastings扩散距离测量空间聚类

Thomas Weighill, Chidinma Williams

机构 * Department of Mathematics and Statistics, University of North Carolina at Greensboro（数学与统计学系，北卡罗来纳州格林斯堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出用Metropolis-Hastings扩散距离衡量图上概率分布差异，当第二个分布均匀时可测空间聚类，扩展了Moran's \(I\)。建立相关理论并给出统计检验方法，实验表明其在合成数据和实际数据上比Moran's \(I\)更具优势。

Tensor Network Methods for Advection-Diffusion-Reaction Systems Using Quantum-Inspired Representations

使用量子启发表示的对流-扩散-反应系统的张量网络方法

Nahid Binandeh Dehaghani, Rafal Wisniewski, A. Pedro Aguiar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对对流-扩散-反应偏微分方程，提出量子启发张量网络框架，将离散解场编码为MPS，微分算子表示为MPOs，用显式欧拉更新进行时间积分。通过与高精度解比较，验证其在多维度问题上保持紧凑、稳定、准确，展现了张量网络用于PDE模拟的潜力。

Comments 6 pages, 7 figures

Vortex-Beam Transient Absorption Microspectroscopy Resolves Ultrafast Free-Exciton and Polaron Diffusion in 2D Perovskites

涡旋光束瞬态吸收显微术解析二维钙钛矿中超快自由激子和声子扩散

Ju-Young Kim, Anirban Mondal, Gi Rim Han, Kwang Jin Lee, Jong Min Lim, Myeongsam Jen, Minhaeng Cho

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用涡旋光束瞬态吸收显微术平台VTAM，通过编码空间扩散信息到泵浦探测信号，以亚皮秒时间分辨率解析二维钙钛矿超快载流子输运动力学，推导扩散模型并提取相关参数，为研究钙钛矿等半导体系统载流子输运提供强大无成像平台。

Self-organized defect clustering and concentration-dependent vacancy diffusion in MoS$_2$

二硫化钼中自组织缺陷聚集和浓度依赖的空位扩散

Aaron Flötotto, Benjamin Spetzler, Martin Ziegler, Erich Runge, Christian Dreßler

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究MoS₂中硫空位团簇集体行为，用基于机器学习原子间势分子动力学模拟跃迁速率的动力学蒙特卡洛模拟，识别出三种输运状态，揭示空位扩散系数与平均缺陷浓度的强依赖关系，为MoS₂忆阻行为起源提供新见解。

Avoiding Dilution: Using Diffusion and Vision Transformers to resolve Majorana Features in Nanowires at High Temperature

避免稀释：利用扩散和视觉变压器解析高温下纳米线中的马约拉纳特征

Jacob R. Taylor, Haining Pan, Jay D. Sau, Sankar Das Sarma

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用扩散和视觉变压器，通过生成高低温电导模拟并训练神经网络，从高温电导数据恢复和推断低温马约拉纳纳米线特征，为早期筛选不良器件提供实用途径，加速马约拉纳纳米线器件开发的实验反馈循环。

Comments 3 Figures, 6 Pages

The Open Cluster Chemical Abundances and Mapping Survey: IX. Measuring the Effects of Stellar Diffusion in the Open Clusters NGC 752 and Ruprecht 147 using APOGEE

开放星团化学丰度与测绘巡天：IX. 使用APOGEE测量开放星团NGC 752和鲁普雷希特147中恒星扩散的影响

Diogo Souto, Taylor Spoo, Peter M. Frinchaboy, Katia Cunha, Jamie Tayar, Alessa Ibrahim Wiggins, Natalie Myers

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用SDSS/APOGEE数据研究开放星团NGC 752和鲁普雷希特147中恒星的原子扩散，分析多种元素丰度差异，拟合观测模式获星团年龄，碳为关键诊断元素，结果进一步约束原子扩散模型，影响主序拐点附近恒星年龄估计。

Comments Accepted for publication in the ApJ

Kaleido: Algorithm-Hardware Co-Design for Video Diffusion Transformers by Exploiting Latent Space Correlations

Kaleido：通过利用潜在空间相关性对视频扩散变压器进行算法-硬件协同设计

Wenxuan Miao, Haosong Liu, Weiming Hu, Zihan Liu, Aiyue Chen, Jianlin Yu, Yiwu Yao, Yiming Gan, Jieru Zhao, Jingwen Leng, Minyi Guo, Yu Feng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Jiao Tong University, Shanghai Qi Zhi Institute（上海交通大学、上海颀智研究所） ； Huawei Technologies（华为技术有限公司） ； ICT, Chinese Academy of Sciences（信息科技研究所、中国科学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对视频扩散变压器计算成本高的问题，提出Kaleido算法-硬件协同设计，利用潜在空间通道级时空相关性加速操作，有轻量级重用算法，设计了加速器，实验表明其相比现有加速器有显著加速和节能效果。

Discrete Diffusion Models: A Unified Framework from Tokenization to Generation

离散扩散模型：从词元化到生成的统一框架

Ye Yuan, Weien Li, Rui Song, Zeyu Li, Haochen Liu, Xiangyu Kong, Zixuan Dong, Linfeng Du, Zipeng Sun, Weixu Zhang, Jiaxin Huang, Changjiang Han, Yonghan Yang, Zichen Zhao, Xiuyuan Hu, Haolun Wu, Yankai Chen, Fengran Mo, Jikun Kang, Bowei He, Philip S. Yu, Xue Liu

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Tsinghua University（清华大学） ； Rochester Institute of Technology（罗彻斯特理工学院） ； Salesforce（Salesforce公司） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究离散扩散模型，引入统一框架从离散状态空间构建审视该模型，让现有公式成为共同设计空间实例，揭示训练、推理等方面权衡，为未来研究提供方向。

Propagation dynamics of an acid-mediated invasion model with degenerate tumor diffusion

具有退化肿瘤扩散的酸介导侵袭模型的传播动力学

Xinyue Cao, Quentin Griette, Xiong Li, Yang Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有密度依赖退化扩散的酸介导肿瘤侵袭模型的行波前沿，通过引入非线性变量变换等方法，证明了特定波速下行波前沿存在，连接肿瘤主导与健康状态，并建立了相关估计。

Comments 27 pages

Non-local evolution equations with Lévy diffusion: Well-posedness and limiting behavior

具有 Lévy 扩散的非局部演化方程：适定性与极限行为

Xi Huang, Li Peng, Yong Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有 Lévy 扩散的时间非局部演化方程，通过从属原理和松弛函数理论，在相关条件下探讨非局部线性演化问题经典解存在性、向广义 Rayleigh - Stokes 方程的极限情况及非线性问题温和解的性质。

Estimation of Elastic Parameters with Guidance-based Diffusion model

基于引导扩散模型的弹性参数估计

Anjali Dixit, Francesco Brandolin, Tariq Alkhalifah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对弹性参数从角度叠加地震数据中可靠估计的难题，提出基于引导扩散模型的反演工作流程，经无监督训练学习参数耦合，用扩散后验采样近似似然函数，在两个数据集上评估，相比基线能恢复更好剖面并实现不确定性量化。

Towards compressed baryonic matter densities: D meson diffusion

迈向压缩重子物质密度：D介子扩散

Dani Rose J Marattukalam, Manpreet Kaur, Arvind Kumar, Sabyasachi Ghosh

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过动力学理论弛豫时间近似，在手征SU(3)强子模型中计算D介子在致密核介质中的空间扩散和动量传输系数，用不同近似估算弛豫时间，其结果对评估未来重离子碰撞实验中的压缩重子物质密度有重要意义。

Condition for $1/f$ noise to occur along with an example for a diffusion equation

1/f噪声出现的条件及扩散方程示例

H. Mouri

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究1/f噪声出现条件，通过分析扩散方程找到例子，得出其出现的充要条件，即由两个常数频率表征且特定频率范围无其他常数参数，该条件适用于任何系统，解释了1/f噪声普遍性及部分其他噪声系统。

Comments 7 pages, to appear in Physical Review E

Journal ref PRE, 114, 024106 [2026]

An exactly solvable macroscopic fluctuation theory of single-file diffusion

单文件扩散的一个可精确求解的宏观涨落理论

Sandeep Jangid, Soumyabrata Saha, Kapil Sharma, Jitendra Kethepalli, Benjamin Guiselin, Jacopo De Nardis, Tridib Sadhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究单文件扩散，通过正则变换求解扩展BHR气体及有限体积排斥晶格气体的宏观涨落理论，计算示踪剂位置和积分电流的大偏差统计量，并用罕见事件模拟验证结果。

Comments 8 pages, 3 figures + 8 pages of supplement

Audio-Native Speech Recognition with a Frozen Discrete-Diffusion Language Model

使用冻结离散扩散语言模型的音频原生语音识别

Harsha Vardhan Khurdula, Abhinav Kumar Singh, Yoeven D Khemlani, Vineet Agarwal

机构 * Interfaze AI（Interfaze人工智能公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 探讨离散扩散语言模型能否用于语音识别，训练音频原生接口，用冻结Whisper编码器等，约42M参数。自然训练目标遇问题，连接主义时间分类损失打破僵局，模型在LibriSpeech test-clean上字错误率6.6%，能并行转录多种语言。

Comments 10 pages, 2 figures, 6 tables

Accelerating Masked Diffusion Large Language Models: A Survey of Efficient Inference Techniques

加速掩码扩散大语言模型：高效推理技术综述

Daehoon Gwak, Minhyung Lee, Junwoo Park, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Yonsei University（延世大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 综述介绍用于扩散大语言模型的统一延迟分解框架，以理清算法、架构和系统因素对推理速度的影响，将加速技术分类，提供可重复基准测试指导方针并强调实现并行生成潜力的挑战。

Comments Accepted at IJCAI-ECAI 2026 (Survey Track)

UD-ASD: A Unified Diffusion Model for Anomalous Sound Detection

UD-ASD：一种用于异常声音检测的统一扩散模型

Pengxiang Gao, Yu Qiu, Yanzhi Song

机构 * 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 研究针对异常声音检测，提出含轻量级模块的统一扩散模型，先将音频转对数梅尔频谱图，通过嵌入机器ID引导模型为特定机器重建数据，经高斯混合模型拟合误差分布，实验验证该模型在DCASE2022任务2中相比基线有显著提升。

Comments 5 pages, 3 figures, Interspeech 2026

Model-Based Diffusion Optimal Control for Multi-Robot Motion Planning

基于模型的扩散最优控制用于多机器人运动规划

Zhilin He, Yorai Shaoul, Jiaoyang Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对多机器人运动规划难题，介绍基于模型的扩散最优控制（MDOC），它不依赖数据，通过结合动力学模型与控制障碍函数约束投影，利用基于冲突搜索的安全机制，在模拟实验中展现出优于基线规划器的性能。

Accepted Prefixes Are Not All You Need: A Negative Result on PEFT-Based Block-Diffusion Drafting

接受前缀并非全部所需：基于PEFT的块扩散草稿生成的负面结果

Abdurrahman Javat, Allan Kazakov

机构 * Bahçeşehir University（巴赫切希尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究基于PEFT - BD的推测性解码方法，虽有避免分词器不匹配等优点，但在Qwen3 - 0.6B实验中未实现实际加速，因草稿生成器计算不高效。结果表明成功推测性解码需草稿生成器执行成本远低于验证器。

ReDiTT: Retrieval Augmented Conditional Diffusion Transformers for Asynchronous Time Series

ReDiTT：用于异步时间序列的检索增强条件扩散变压器

Saiyue Lyu, Zhitian Zhang, Ruizhi Deng, Thibaut Durand

机构 * University of British Columbia（英属哥伦比亚大学） ； RBC Borealis（加拿大皇家银行北极星） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对异步时间序列预测问题，提出ReDiTT模型，通过在潜在空间运行并从记忆库检索相似潜在序列作为参考条件，利用交叉注意力机制，实现稳定的长期预测并提高样本多样性，在多个数据集上取得最优性能。

Comments Accepted at TMLR 2026

Generating Developable 3D Molecules via Pocket-Conditioned Diffusion and Property-Aware Optimization

通过口袋条件扩散和性质感知优化生成可开发的3D分子

Ruoxi Gao, Jiangweizhi Peng, Ziqi Chen, Frazier N. Baker, David C. Kombo, John L. Kane, Andrew A. Scholte, Yi Li, Matthew J. LaMarche, Luigi I. Iconaru, Hans-Peter Biemann, Mingyi Hong, Xia Ning

机构 * The Ohio State University（俄亥俄州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对药物发现难题，提出基于条件扩散的SBDD框架conDitar-dev，含msPRL、conDitar和paOPT三个模块。在新基准上表现出色，在ADMET属性上性能提升显著，应用于两个靶点验证了其生成可开发分子的能力，还发现了新抑制剂及药物重新定位机会。

TraceSynth: Generating Production-Quality Kernel Traces with Constraint-Guided Diffusion Models

TraceSynth：使用约束引导扩散模型生成生产质量的内核跟踪

Yuvraj Sehgal, Sneh Patel, Mahsa Panahandeh, Naser Ezzati-Jivan, Francois Tetreault

机构 * Department of Computer Science, Brock University（布罗克大学计算机科学系） ； School of Electrical Engineering and Computer Science, University of Ottawa（Ottawa 大学电气工程与计算机科学学院） ； Ciena Corporation（Ciena 公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对工业系统收集内核执行跟踪成本高的问题，提出TraceSynth框架，利用基于Transformer的去噪扩散过程及约束引导修复生成合成内核跟踪，在六个基准测试中验证效果，显示其能经济高效增强跟踪并助于判断合成数据替代真实跟踪的时机。

Comments 11 pages, 2 figures, 6 tables. Author's accepted version. Published in the Industry Track of the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion '26), Montreal, QC, Canada. Code: https://github.com/17YuvrajSehgal/SyntheticLogGeneration

Journal ref FSE Companion '26: Companion Proceedings of the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering, Montreal, QC, Canada, 2026

Learning to Discretize: Diffusion-Based Adaptive Mesh with Spectral Guidance

学习离散化：基于扩散的具有谱引导的自适应网格

Zixuan Shen, Bingchuan Wang, Zhi Wang, Yong Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出能否让替代模型在预测场演化前学习分辨率位置的问题，构建两阶段扩散框架解决自适应离散化，通过多种约束使网格生成器正则化，结果显示该方法在五个PDE regime有竞争力，表明离散化应依 regime学习，重构了自适应网格划分问题。

Comments 19 pages, 11 figures, 9 tables