图像生成

CoDiMAD: Diffusion-Based Privileged Distillation for Communication-Free Multi-Robot Coordination

CoDiMAD：基于扩散的特权蒸馏用于无通信多机器人协调

Jiyue Tao, Shunheng Xin, Tongsheng Shen, Dexin Zhao, Feitian Zhang

机构 * Peking University（北京大学） ； National Innovation Institute of Defense Technology（国防科技创新研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究无通信多机器人协调问题，提出CoDiMAD三阶段框架，先训练特权预言机，再构建数据集，最后将预言机蒸馏到学生智能体中，通过扩散反向过程采样动作，实验证明其性能优于基线。

Autoregressive latent diffusion for 3D molecule generation

用于3D分子生成的自回归潜扩散

Federico Ottomano, Gaopeng Ren, Yingzhen Li, Kim E. Jelfs, Alex M. Ganose

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究3D分子生成问题，提出KRONOS潜自回归扩散框架，联合建模分子图拓扑和几何，引入混合训练策略。实验表明其在自回归方法中无条件生成性能领先，与扩散模型竞争，单一架构可支持两种生成范式。

ReGen: Hierarchical Multi-Prompt Representation Generation for Efficient Waveform Diffusion Models

ReGen：用于高效波形扩散模型的分层多提示表示生成

Sang-Hoon Lee, Ha-Yeong Choi

机构 * Department of Artificial Intelligence, Ajou University, Suwon, Korea（人工智能系，全州大学） ； KT Corp., Seoul, Korea（KT公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散训练中中间表示正则化问题，提出ReGen框架联合估计向量场，引入GFM提高泛化能力。在波形扩散模型及文本到语音模型上验证，提升了波形生成质量、语音清晰度等，实现高效训练与采样。

Comments Accepted to ICML 2026

Quantum Circuits in Diffusion Models: A Fair-Comparison Study and a Mechanistic Analysis of Angle-Embedding Failures

扩散模型中的量子电路：角度嵌入失败的公平比较研究与机理分析

Jaeuk Kim, Sanghoon Yoo

机构 * NextITS Co., Ltd.（NextITS有限公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究变分量子电路与扩散模型集成，通过多实验发现量子核心在FID上与经典控制相当但未证明参数效率优势，还识别出基于分数的NCSN的结构故障及角度嵌入失败问题，提供了公平比较协议和机理说明。

Comments 13 pages, 4 figures, 8 tables

BlockServe: Block-Grained Continuous Batching for High-Throughput Diffusion LLM Serving

BlockServe：用于高吞吐量扩散语言模型服务的块粒度连续批处理

Yuanjie Zhu, Liangwei Yang, Ke Xu, Weizhi Zhang, Shanghao Li, Zihe Song, Philip S. Yu

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服务的收敛异质性问题，提出BlockServe框架，集成块粒度调度、混合状态执行及计算感知准入控制器，在五个基准测试中实现高吞吐量，确立块粒度调度为高吞吐量离线dLLM推理基础。

Two observables of one wall: how surface relaxivity can bias the diffusion intra-axonal fraction and the myelin water fraction

一壁的两个可观测值：表面弛豫率如何影响轴突内扩散分数和髓磷脂水分数

Rutger H. J. Fick

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究表面弛豫率对轴突内扩散分数和髓磷脂水分数的影响，推导有髓圆柱体表面速率封闭形式并验证，量化偏差，发现生理白质中表面弛豫率使轴突内信号加权过高，还揭示了相关物理原理及不同偏差特点。

Chemical Frequency Combs in Reaction-Diffusion Oscillators

反应扩散振荡器中的化学频率梳

Krishnesh Krishnakumar Nair, Madhurendra Mishra, Zhen Qi, Adarsh Ganesan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究振荡化学反应中频率梳的产生，利用布鲁塞尔振子模型推导霍普夫分岔条件，模拟发现目标波模式有频率梳结构，改变参数仍成立，通过实验验证，证明反应扩散化学是产生频率梳的新平台。

Comments 18 pages, 5 figures

Diffusion Monte Carlo study of deuteron-like fully light hexaquarks

氘核状全轻六夸克的扩散蒙特卡罗研究

M. C. Gordillo, J. Segovia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在组分夸克模型中对全轻六夸克进行扩散蒙特卡罗研究，考虑紧凑和重子 - 重子状排列，发现紧凑六夸克态不受青睐，部分重子 - 重子状构型接近阈值且有类似分子态结构，一种构型类似氘核，能量略超阈值。

Comments 5 pages, 2 figures

MobiDiff: Semantic-Aware Multi-Channel Discrete Diffusion for Human Mobility Data Generation

MobiDiff：用于人类移动性数据生成的语义感知多通道离散扩散

Rongchao Xu, Lin Jiang, Dahai Yu, Ximiao Li, Taichi Liu, Desheng Zhang, Yuan Tian, Guang Wang

机构 * Florida State University（佛罗里达州立大学） ； Rutgers University（罗格斯大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究旨在解决人类移动性数据生成难题，提出MobiDiff框架，通过直接对多通道语义骨架去噪生成数据，避免复杂管道。该框架能分解事件通道并采用掩码捕获移动模式与依赖性，实验证明其在保真度、隐私保护和效率上表现出色。

Expressivity and Statistical Trade-offs in Diffusion Policy Learning

扩散策略学习中的表达能力与统计权衡

Viet Vu, Renyuan Xu, Jiacheng Zhang, Yufei Zhang

机构 * Stanford University（斯坦福大学） ； Chinese University of Hong Kong（香港中文大学） ； Imperial College London（伦敦帝国理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散策略学习中表达能力与统计权衡，确定漂移Lipschitz预算K为核心量，通过近似量化表达能力，证明其与统计复杂性的关系，给出有限样本性能差距，数值实验验证，还提出根据样本大小选K及对应神经网络架构的实现原则。

3D Virtual Element Method for Advection-Diffusion-Reaction Problems with Variable Coefficients on Locally Quasi-Uniform Polytopes

局部拟均匀多面体上变系数对流扩散反应问题的三维虚拟单元法

M. Trezzi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对三维对流扩散反应方程，提出CIP稳定的VEM，克服二维分析依赖全局网格拟均匀性和恒定物理参数的局限，引入新拟插值建立双曲极限下误差估计，经三维数值实验验证理论收敛率且无物理振荡。

An exact information theory of generalization phase transitions in Bayesian diffusion models

贝叶斯扩散模型中泛化相变的精确信息理论

Henry Hunt, Mason Kamb, Surya Ganguli

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 研究扩散模型如何从有限训练集学习复杂分布，引入BIRD模型，通过贝叶斯后验推断实现时间反转扩散，确定记忆与泛化的信息理论相变边界，实验证实理论预测，揭示信息受限在生成式AI中规避维度灾难的作用。

Thermodynamic Structure and Composition in Nonlinear Convection-Diffusion

非线性对流扩散中的热力学结构与组成

J. J. Segura

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究非线性对流扩散系统中热力学平衡问题，开发连续优先框架，将热力学一致性表述为自由能平衡。证明相关操作下平衡可保持，推导线性模型，以实例说明，贡献了组合输运框架，使第二定律贯穿各环节。

Comments Published in Open Transport. Author-prepared arXiv version. Version of Record available at DOI: 10.1515/ot-2026-0013

Journal ref Open Transport, 2026

A Variational-Flow Analysis of Diffusion-Based Speech Enhancement under Noise-Power Mismatch

噪声功率失配下StoRM的变分流分析

Shuubham Ojha

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语音增强中SI-SDR退化曲线在训练噪声幅度处的非光滑转折，通过变分流分析将非光滑性定位到预测器阶段，并给出参数灵敏度的精确分解。

DRIFT: Risk-Constrained Diffusion with Imitation Priors for Mixed-Autonomy Traffic Generation

DRIFT: 基于模仿先验的风险约束扩散用于混合自主交通生成

Yaoshen Yu, Minghui Liwang, Wenbo Zhu, Xinlei Yi, Zhang Liu, Yiguang Hong, Xianbin Wang, Seyyedali Hosseinalipour

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DRIFT框架，通过风险约束扩散和模仿先验，生成混合自主交通中人类与自动驾驶车辆的多样化可执行轨迹，实现安全-效率权衡。

Comments 19 pages, 8 figures, 16 tables

Training and Evaluating Diffusion Policies with Long Context Lengths

训练和评估具有长上下文长度的扩散策略

Abhinav Agarwal, Adam Wei, Taylan Kargin, Michael Zeng, Cole Becker, Arif Kerem Dayi, Pablo Parrilo, Asuman Ozdaglar, Russ Tedrake

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文首次详细研究模仿学习中上下文长度的影响，发现简单扩展上下文长度并不脆弱，并提出联合训练多上下文长度策略的方法以降低样本复杂度。

Feller diffusion in an interval: Inhomogeneous fluctuation-induced asymmetric escape

区间内的费勒扩散：非均匀涨落诱导的不对称逃逸

Prashanta Bauri, Debasish Mondal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究费勒扩散在有限区间内的非均匀涨落诱导不对称逃逸，通过设置特定出口点，发现平均逃逸时间对初始条件等非单调依赖，逃逸时间涨落主导均值，其不对称性影响随机决策中的速度 - 精度权衡。

Comments 10 pages, 8 figures. Presented as a poster at two conferences.. Submitted to The Journal of Chemical Physics

DiPhon: Diffusion on Graphons for Scalable Graph Generation

DiPhon：基于图子上的扩散用于可扩展图生成

Sergio Rozada, Yiming Qin, Manuel Madeira, Pascal Frossard, Alejandro Ribeiro

机构 * King Juan Carlos University（金 Juan 卡洛斯大学） ； EPFL（苏黎世联邦理工学院） ； 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 研究如何将扩散模型扩展到大型图，通过图子提出DiPhon框架，制定连续扩散过程并推导逆时间过程，证明其与连续图子过程的矩匹配，实验展示了在小图训练后生成大图的可扩展性。

Tensor Train Diffusion: Leveraging Low-Rank Structures for High-Dimensional Score-Based Sampling

张量列车扩散：利用低秩结构进行高维基于分数的采样

Robert Gruhlke, Julius Berner, David Sommer, Lorenz Richter

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究如何利用低秩结构进行高维基于分数的采样，提出基于函数张量列车格式求解HJB方程的方法，结合反向迭代方案，克服现有技术瓶颈，实现从复杂目标分布高效高保真采样。

Journal ref ICML 2026

Hypergraph Neural Stochastic Diffusion: An SDE Framework for Uncertainty Estimation

超图神经随机扩散：一种用于不确定性估计的SDE框架

Zhiheng Zhou, Mengyao Zhou, Dengyi Zhao, Xingqin Qi, Guiying Yan

机构 * School of Mathematics and Statistics, Shandong University, Weihai（山东大学（威海）数学与统计学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究超图神经网络预测不确定性，提出超图神经随机扩散框架HyperNSD，将超图表示建模为随机过程，通过可学习函数量化不确定性，经理论分析和实验验证，能可靠估计不确定性并保持预测精度，提供随机动力学框架。

Comments 26 pages,6 figures

HPG-Diff: Hierarchical physics-guided diffusion with differentiable connectivity constraints for topology optimization

HPG-Diff：具有可微连通性约束的分层物理引导扩散用于拓扑优化

Jinbo Yang, Mingyue Yuan, Boyuan Zhang, Yoshifumi Kitamura, Shikai Jing

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） ； Research Institute of Electrical Communication, Tohoku University（东北大学电气通信研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对深度生成模型用于拓扑优化缺乏物理引导的问题，提出HPG-Diff框架，通过分层物理引导策略和浮动材料抑制损失增强物理一致性，经定量评估和案例研究验证了该方法在降低误差和适应特定域方面的有效性。

PriGo: Test-Time Primitive Guidance to Diffusion and Flow Policies for Adaptive Robotic Manipulation

PriGo：用于自适应机器人操作的扩散和流策略的测试时原语引导

Zezeng Li, Enda Xiang, Thuy Tran, Di Huang, Momath Thiam, Liming Chen

机构 * École Centrale de Lyon（里昂中央理工学院） ； Beihang University（北京航空航天大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对机器人操作中现有策略泛化性不足问题，提出PriGo框架，引入PANet模块及可微原语引导机制，能在测试时无缝集成到预训练策略，实验证明其提升了扩散和流策略的鲁棒性、执行及泛化能力。

Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata

通过有限自动机上的高效推理实现扩散语言模型的约束解码

Meihua Dang, Stefano Ermon

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 研究扩散语言模型的约束解码问题，提出基于有限自动机高效推理的算法，能保证约束满足，支持多种解码方式，经实验验证在多种任务上提升准确率且推理开销小。

Intrinsic-Noise Consolidation: A Doob-Barrier-Conditioned Diffusion Turns Analog Device Noise into a Continual-Learning Resource

内在噪声整合：一种杜布障碍条件扩散将模拟设备噪声转化为持续学习资源

Gunner Levi Howe

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨模拟神经形态硬件中内在设备噪声能否整合记忆，提出将突触整合视为杜布h变换的方法，经实验验证该方法能使内在噪声成为整合红利，如在Split - MNIST和BrainScaleS - 2芯片实验中展现独特效果。

Comments 14 pages, 9 figures. Includes a proof-of-concept training run on real BrainScaleS-2 neuromorphic silicon (hardware-in-the-loop). Code, and data

Generative Diffusion Models of Stochastic Graph Signals

随机图信号的生成扩散模型

Yiğit Berkay Uslu, Samar Hadou, Sergio Rozada, Shirin Saeedi Bidokhti, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） ； King Juan Carlos University（胡安·卡洛斯国王大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究图上随机信号采样问题，提出用去噪扩散框架统一解决，核心方法是由图神经网络参数化反向扩散过程，通过U-GNN架构实现，在股票价格预测和无线资源分配任务中取得广泛数值结果。

Comments Submitted to and under review by IEEE Transactions on Signal Processing

Diffusion enabled Optimal Transport distances for graph matching

用于图匹配的扩散增强最优传输距离

Iman Seyedi, Francesco Archetti

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出用于图匹配的DsrFGW方法，通过纳入扩散过程统一节点特征与结构连通性。在合成成对图匹配任务评估中，该方法相比srFGW优势明显，能降低对噪声等的敏感度，适应问题难度，是结构不确定下图比较的稳健框架。

How Much Spatial Control Is Enough? Subdomain Optimal Control of Reaction-Diffusion Systems in Synthetic Developmental Biology

多少空间控制就足够了？合成发育生物学中反应扩散系统的子域最优控制

Mohamed Amine Ouchdiri, Hamza Faquir, Saad Benjelloun, Adnane Saoud

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究反应扩散系统子域最优控制问题，通过推导最优性损失上界得出达到目标模式所需控制区域最小尺寸公式，还探讨分布式控制情况，数值例证表明约40%域的控制区域可高精度驱动系统转变模式。

Essential spectrum for Brox-type diffusion processes

布罗克斯型扩散过程的本质谱

Yuichi Shiozawa, Jian Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究多维布罗克斯扩散过程在两种随机介质下马尔可夫半群的本质谱与紧性，通过多种理论和准则分析，给出高斯和列维环境下相关结论，建立样本路径与谱特征联系框架并提出大势指数开放问题。

Taming nonlinear energy diffusion: The case of time-crystal energy condensates

驯服非线性能量扩散：时间晶体能量凝聚体的情况

P. I. Hurtado, G. Cortés-Guillén

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究随机能量扩散的Kipnis-Marchioro-Presutti模型的体驱动非线性变体，通过局部平衡近似推导流体动力学描述，经动力学蒙特卡罗模拟验证，展示该驱动机制能控制非线性能量输运，诱导时间晶体相及行进能量凝聚体。

Comments 12 pages, 4 figures

Sensor-Adaptive Infrared Spectral Reconstruction with Plug-and-Play Diffusion Priors

基于即插即用扩散先验的传感器自适应红外光谱重建

Alireza Siyavashi, Jon Schlipf, Sebastian Reiter, Inga Fischer, Christian Wenger, Christian Herglotz

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有光谱仪局限，提出用伪逆引导扩散模型从窄带光电流进行稀疏光谱重建，利用去噪扩散概率模型学习光谱先验，具传感器自适应能力，平均估计误差低，为资源受限平台光谱恢复提供准确紧凑方案。