图像生成

Diffusive Scaling Limits of Forward Event-Chain Monte Carlo: Provably Efficient Exploration with Partial Refreshment

扩散尺度极限下的前向事件链蒙特卡洛方法：具有部分刷新的可证明高效探索

Hirofumi Shiba, Kengo Kamatani

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文研究了前向事件链蒙特卡洛方法在高维下的扩散尺度极限，证明其在效率上优于最优调优的BPS，通过部分刷新实现高效探索。

Comments 43 pages, 5 figures

FreqPolicy: Efficient Flow-based Visuomotor Policy via Frequency Consistency

FreqPolicy: 通过频率一致性实现高效的基于流的视觉-运动策略

Yifei Su, Ning Liu, Dong Chen, Zhen Zhao, Kun Wu, Meng Li, Zhiyuan Xu, Zhengping Che, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； NLPR, MAIS, Institute of Automation of Chinese Academy of Sciences（神经语言处理实验室、人工智能研究所、中国科学院自动化研究所） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 FreqPolicy通过频率一致性约束提升基于流的视觉-运动策略的效率与质量，实现高效、高质量的动作生成。

Comments NeurIPS 2025

Syndrome-Flow Consistency Model Achieves One-step Denoising Error Correction Codes

综合征流一致性模型实现一步去噪纠错编码

Haoyu Lei, Chin Wa Lau, Kaiwen Zhou, Nian Guo, Farzan Farnia

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Theory Lab（理论实验室） ； Noah’s Ark Lab（诺亚实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 ECCFM通过软综合征条件重新参数化PF-ODE，实现单步高保真纠错解码，提升效率与精度。

Efficient Personalization of Generative Models via Optimal Experimental Design

通过最优实验设计实现生成模型的高效个性化

Guy Schacht, Ziyad Sheebaelhamd, Riccardo De Santi, Mojmír Mutný, Andreas Krause

机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工人工智能中心） ； Broad Institute, Boston, USA（Broad研究所） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)

AI总结 本文通过最优实验设计方法，高效地利用人类反馈优化生成模型的个性化，减少偏好查询的数量。

Qronos: Correcting the Past by Shaping the Future... in Post-Training Quantization

Qronos：通过塑造未来修正过去……在训练后量化中

Shihao Zhang, Haoyu Zhang, Ian Colbert, Rayan Saab

机构 * Department of Mathematics University of California, San Diego（数学系加州大学圣地亚哥分校） ； Software Architecture Advanced Micro Devices, Inc.（软件架构先进微器件公司） ； Department of Mathematics & HDSI University of California, San Diego（数学系及HDSI加州大学圣地亚哥分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 Qronos通过迭代优化框架在训练后量化中显式纠正误差并超越现有方法，提升模型精度。

Nonlinear diffusive shock acceleration with upstream escape reproduces DAMPE observations

非线性扩散激波加速与上游逃逸再现DAMPE观测

Han-Xiang Hu, Xing-Jian Lv, Xiao-Jun Bi, Tian-Lu Chen, Kun Fang, Peng-Fei Yin

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究提出非线性扩散激波加速模型，结合宇宙射线反作用与上游逃逸机制，成功再现DAMPE观测到的质子能谱特征。

Comments 10 pages, 3 figures

Delocalisation explains efficient transport and charge generation in neat Y6 organic photovoltaics

局域化解释了纯Y6有机光伏器件中高效的输运和电荷生成

Daniel Balzer, Paul A. Hume, Geoffrey R. Weal, Justin M. Hodgkiss, Ivan Kassal

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过局域化动能蒙特卡罗模拟揭示纯Y6有机光伏器件中高效输运和电荷生成的机制，证明局域化对提高载流子迁移率和电荷生成效率的关键作用。

Toward Resource-Efficient Collaboration of Large AI Models in Mobile Edge Networks

迈向移动边缘网络中大人工智能模型资源高效协作

Peichun Li, Liping Qian, Dusit Niyato, Shiwen Mao, Yuan Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种多阶段扩散框架，用于在移动边缘网络中实现大AI模型的资源高效协作，提升数据生成的效率和适应性。

Comments Accepted by IEEE Network. 9 pages, 4 figures

Categorical Flow Maps

分类流映射

Daan Roos, Oscar Davis, Floor Eijkelboom, Michael Bronstein, Max Welling, İsmail İlkan Ceylan, Luca Ambrogioni, Jan-Willem van de Meent

机构 * UvA-Bosch Delta Lab, University of Amsterdam, Amsterdam, Netherlands（阿姆斯特丹大学） ； Department of Computer Science, University of Oxford, Oxford, UK（牛津大学计算机科学系） ； Donders Institute for Brain, Cognition and Behaviour, Radboud University（拉德堡德大学大脑与行为研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 分类流映射通过自我蒸馏实现加速的少步生成，适用于图像、分子图和文本，取得最佳性能。

BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data

BrainSymphony: 一种参数高效、多模态的基础模型，用于在有限数据下的脑动态

Moein Khajehnejad, Forough Habibollahi, Devon Stoliker, Adeel Razi

机构 * Turner Institute for Brain and Mental Health（大脑与心理健康Turner研究所） ； School of Psychological Sciences, Monash University（墨尔本大学心理学科学学院） ； Cortical Labs（皮层实验室） ； CIFAR Azrieli Global Scholars Program（CIFAR阿兹里埃利全球学者计划） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 BrainSymphony是一种参数高效、多模态的基础模型，通过整合fMRI和扩散MRI数据，实现有限数据下的脑动态分析，优于更大模型并提升神经科学应用。

Comments 32 pages, 14 figures

An Efficient Energy Stable Structure Preserving Method for The Landau-Lifshitz Equation

一种高效的能量稳定结构保持方法用于Landau-Lifshitz方程

Changjian Xie, Yingxi Miao, Haocheng Yang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于Gauss-Seidel、双扩散和Crank-Nicolson迭代的结构保持方法，用于高效稳定地求解Landau-Lifshitz方程的范数约束问题。

Deep Bootstrap

深度Bootstrap

Jinyuan Chang, Yuling Jiao, Lican Kang, Junjie Shi

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于条件扩散模型的深度Bootstrap框架，用于非参数回归，通过统一生成框架实现高效采样和准确估计。

Biologically Plausible Learning via Bidirectional Spike-Based Distillation

通过双向脉冲基于蒸馏实现生物合理的学习

Changze Lv, Yifei Wang, Yanxun Zhang, Yiyang Lu, Jingwen Xu, Xiaohua Wang, Di Yu, Xin Du, Xuanjing Huang, Xiaoqing Zheng

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 本文提出双向脉冲基于蒸馏算法，通过联合训练前馈和反向脉冲网络，实现与反向传播相当的性能，推动生物合理神经网络学习的发展。

Materials discovery acceleration by using condition generative methodology

通过条件生成方法加速材料发现

Caiyuan Ye, Yuzhi Wang, Xintian Xie, Tiannian Zhu, Jiaxuan Liu, Yuqing He, Lili Zhang, Junwei Zhang, Zhong Fang, Lei Wang, Zhipan Liu, Hongming Weng, Quansheng Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出PODGen框架，通过条件生成方法显著提升拓扑绝缘体的发现效率，生成成功率提高5.3倍，识别出多种可合成的拓扑绝缘体。

Journal ref Nat. Commun. 2025, 16, 1930

Improved sampling algorithms and functional inequalities for non-log-concave distributions

改进的采样算法与非对数凹分布的函数不等式

Yuchen He, Zhehan Lei, Jianan Shao, Chihao Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文改进了非对数凹分布采样算法，通过加强假设获得更优的查询复杂度和Poincaré常数界。

Direct Soft-Policy Sampling via Langevin Dynamics

通过 Langevin 动力学实现直接软策略采样

Donghyeon Ki, Hee-Jun Ahn, Kyungyoon Kim, Byung-Jun Lee

机构 * Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Gauss Labs Inc（Gauss实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过引入噪声条件化的 Langevin 动力学，NC-LQL 实现了高效的软策略采样，提升了在线强化学习的性能。

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds

广义流映射用于黎曼流形上的少步生成建模

Oscar Davis, Michael S. Albergo, Nicholas M. Boffi, Michael M. Bronstein, Avishek Joey Bose

机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。

Comments Under review

Path-Guided Flow Matching for Dataset Distillation

路径引导的流匹配用于数据集蒸馏

Xuhui Li, Zhengquan Luo, Xiwei Liu, Yongqiang Yu, Zhiqiang Xu

机构 * Department of Machine Learning, MBZUAI, Abu Dhabi, UAE（机器学习系，MBZUAI，阿布扎赫德，阿联酋） ； Department of Computer Vision, MBZUAI, Abu Dhabi, UAE（计算机视觉系，MBZUAI，阿布扎赫德，阿联酋） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 PGFM通过流匹配框架实现高效数据集蒸馏，以更少的采样步骤和更高的效率生成高质量的合成数据。

Laterally Oscillating Trajectory for Undersampling Slices: LOTUS

横向振荡轨迹用于欠采样切片：LOTUS

Mayuri Sothynathan, Paul I. Dubovan, Corey. A. Baron

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 LOTUS通过受控非相干混叠降低g因子，提升扩散MRI的重建精度和扫描效率。

Comments 31 pages, 8 figures, 3 supplementary figures, submitted to Magnetic Resonance in Medicine

Probabilistic Label Spreading: Efficient and Consistent Estimation of Soft Labels with Epistemic Uncertainty on Graphs

概率标签传播：在图上利用epistemic不确定性进行高效且一致的软标签估计

Jonathan Klees, Tobias Riedlinger, Peter Stehr, Bennet Böddecker, Daniel Kondermann, Matthias Rottmann

机构 * Institute of Computer Science Osnabrück University（计算机科学研究所 奥斯纳布鲁克大学） ； Department of Mathematics Technical University of Berlin（数学系 柏林技术大学） ； Department of Mathematics University of Wuppertal（数学系 威斯巴赫大学） ； Quality Match GmbH Heidelberg, Germany（Quality Match GmbH 海德堡德国） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出概率标签传播方法，通过图扩散技术高效估计软标签的epistemic不确定性，减少标注成本并提升图像分类性能。

Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants

流与扩散的快速采样：懒惰与点质量随机插值法

Gabriel Damsholt, Jes Frellsen, Susanne Ditlevsen

机构 * University of Copenhagen（哥本哈根大学） ； Technical University of Denmark（丹麦技术大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于懒惰和点质量随机插值法的快速采样方法，用于流和扩散模型，通过转换插值计划和扩散系数，提升生成效率。

Bayesian Methods for the Navier-Stokes Equations

贝叶斯方法用于纳维-斯托克斯方程

Nicholas Polson, Vadim Sokolov

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种贝叶斯方法用于求解具有不确定性的纳维-斯托克斯方程，通过粒子学习和随机表示提升计算稳定性与不确定性传播效率。

Efficient Counterfactual Estimation of Conditional Greeks via Malliavin-based Weak Derivatives

通过马尔可夫算子弱导数高效估计条件希腊值

Vikram Krishnamurthy, Luke Snow

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于马尔可夫算子弱导数的高效方法，用于估计稀有事件下的条件希腊值，通过两阶段无核技术提升反事实梯度估计的效率和稳定性。

TabPFN for Zero-shot Parametric Engineering Design Generation

基于TabPFN的零样本参数化工程设计生成

Ke Wang, Yifan Tang, Nguyen Gia Hien Vu, Faez Ahmed, G. Gary Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 基于TabPFN的零样本生成方法，通过少量参考样本实现高效参数化工程设计生成，减少计算和数据需求，提升设计灵活性和实用性。

Comments 14 pages, 8 figures

Generalized Radius and Integrated Codebook Transforms for Differentiable Vector Quantization

通用半径与集成代码本变换用于可微向量量化

Haochen You, Heng Zhang, Hongyang He, Yuqi Li, Baojing Liu

机构 * Columbia University（哥伦比亚大学） ； South China Normal University（南方科技大学） ； University of Warwick（沃里克大学） ； The City College of New York（纽约城市学院） ； Hebei Institute of Communications（河北通信学院） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 GRIT-VQ通过统一的可微框架提升向量量化性能，实现稳定梯度和高效代码本利用。

Comments This paper has been accepted as a conference paper at CPAL 2026

Sampling from multi-modal distributions on Riemannian manifolds with training-free stochastic interpolants

在黎曼流形上采样多模分布的无训练随机插值法

Alain Durmus, Maxence Noble, Thibaut Pellerin

机构 * CMAP, CNRS, Ecole polytechnique（CMAP、法国国家科学研究中心、巴黎高等师范学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种无训练的随机插值方法，用于在黎曼流形上高效采样多模分布，通过非平衡动力学和随机插值实现无需训练的高效采样。

Unconditional flow-based time series generation with equivariance-regularised latent spaces

无条件流基于时间序列生成与等变性正则化潜在空间

Camilo Carvajal Reyes, Felipe Tobar

机构 * Imperial College London（伦敦帝国学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于流的无条件时间序列生成方法，通过等变性正则化潜在空间提升生成质量，同时在计算效率上优于现有扩散基线方法。

Comments Accepted at ICASSP 2026

PocketDP3: Efficient Pocket-Scale 3D Visuomotor Policy

PocketDP3: 高效的微型3D视觉-运动政策

Jinhao Zhang, Zhexuan Zhou, Huizhe Li, Yichen Lai, Wenlong Xia, Haoming Song, Youmin Gong, Jie Mei

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 PocketDP3通过轻量级扩散混合器替代传统解码器，实现高效3D视觉-运动策略，减少参数消耗并提升实时部署性能。

QMeCha: quantum Monte Carlo package for fermions in embedding environments

QMeCha：用于嵌入环境中费米子的量子蒙特卡罗包

Matteo Barborini, Jorge Charry, Matej Ditte, Andronikos Leventis, Georgios Kafanas, Alexandre Tkatchenko

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 QMeCha是一款用于研究嵌入环境中费米子多体相互作用的量子蒙特卡罗软件，支持多种波函数类型和高效优化方法。

Comments 29 pages, 9 Figures, 2 Tables

Thompson Sampling Algorithm for Stochastic Games

带有随机成本的随机博弈的汤普森采样算法

Asaf Cohen, Ruolan He, Yuqiong Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于汤普森采样的算法，用于解决具有随机成本的随机博弈问题，证明该算法在时间范围内具有渐近零的平均遗憾，并达到纳什均衡。