图像生成

Efficient Learning of Stationary Diffusions with Stein-type Discrepancies

高效学习平稳扩散的Stein型不一致度

Fabian Bleile, Sarah Lumpp, Mathias Drton

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出Stein型KDS方法，用于高效学习平稳扩散，通过凸优化减少计算成本并提升性能。

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations

扩展混沌：用于随机（偏）微分方程的神经算子

Dai Shi, Lequan Lin, Andi Han, Luke Thompson, José Miguel Hernández-Lobato, Zhiyong Wang, Junbin Gao

机构 * University of Cambridge（剑桥大学） ； University of Sydney（悉尼大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于Wiener-chaos展开的神经算子，用于高效求解随机微分方程和随机偏微分方程，通过参数化混沌系数实现快速轨迹重建，并在多个任务中展示了其有效性。

NEAT: Neighborhood-Guided, Efficient, Autoregressive Set Transformer for 3D Molecular Generation

NEAT：基于邻域指导、高效、自回归的集合变换器用于3D分子生成

Daniel Rose, Roxane Axel Jacob, Johannes Kirchmair, Thierry Langer

机构 * Department of Pharmaceutical Sciences, University of Vienna（维也纳大学药学系） ； Christian Doppler Laboratory for Molecular Informatics in the Biosciences（生物医学分子信息学克里斯蒂安·多普勒实验室） ； Vienna Doctoral School of Pharmaceutical, Nutritional and Sport Sciences（维也纳药学、营养学和运动科学博士学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 NEAT是一种基于邻域指导、高效、自回归的集合变换器，用于3D分子生成，通过不依赖顺序的分布学习实现原子排列不变性，提升生成性能。

One Step Is Enough: Dispersive MeanFlow Policy Optimization

一步即可：分散均流策略优化

Guowei Zou, Haitao Wang, Hejun Wu, Yukun Qian, Yuhang Wang, Weibing Li

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（大数据分析与处理广东省重点实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 DMPO通过单步生成、分散正则化和强化学习微调，在实时机器人控制中实现高效动作生成，性能超越多步基线。

Comments Code and project page: https://guowei-zou.github.io/dmpo-page/

ProFlow: Zero-Shot Physics-Consistent Sampling via Proximal Flow Guidance

ProFlow：通过近端流引导实现零样本物理一致采样

Zichao Yu, Ming Li, Wenyi Zhang, Difan Zou, Weiguo Gao

机构 * University of Science ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China ； Department of Electronic Engineering ； Information Science, University of Science ； School of Computing ； Data Science, The University of Hong Kong ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China \& Shanghai Key Laboratory of Contemporary Applied Mathematics, Shanghai 200433, China 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 ProFlow通过近端引导框架实现零样本物理一致采样，有效平衡物理约束与生成先验的统计结构。

EuleroDec: A Complex-Valued RVQ-VAE for Efficient and Robust Audio Coding

EuleroDec：一种用于高效且鲁棒音频编码的复值RVQ-VAE

Luca Cerovaz, Michele Mancusi, Emanuele Rodolà

机构 * Sapienza University of Rome（萨皮恩扎罗马大学） ； Moises Systems Inc.（莫伊塞斯系统公司） ； Paradigma（帕拉迪玛） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种复值RVQ-VAE音频编解码器，通过保持幅度-相位耦合，无需对抗判别器和扩散模型，实现了高效且高质量的音频编码。

Comments Accepted at ICASSP 2026

An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data

一种高效的基于小波的物理信息残差神经网络用于极稀疏数据下的流场重构

Biswanath Barman, Rajendra K. Ray

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种高效的基于小波的物理信息残差神经网络，用于极稀疏数据下的流场重构，并在正向和逆向问题中实现了高精度的PDE求解。

Comments total 48 pages, 33 figures, 10 tables

Bell Instability and Cosmic-Ray Acceleration in Active Galactic Nuclei Ultrafast Outflow Shocks

贝勒不稳定性与活动星系核超快速喷流反冲激波中的宇宙射线加速

Rei Nishiura, Tsuyoshi Inoue

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究贝勒不稳定性在活动星系核超快速喷流反冲激波中对宇宙射线加速的影响，揭示磁场强度变化对加速效率的决定性作用。

Comments Published for ApJ. 20 pages, 11 figures

One-Step Generative Channel Estimation via Average Velocity Field

通过平均速度场实现一步生成式信道估计

Zehua Jiang, Fenghao Zhu, Siming Jiang, Chongwen Huang, Zhaohui Yang, Richeng Jin, Zhaoyang Zhang, Merouane Debbah

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出通过平均速度场实现一步生成式信道估计，有效降低延迟并提升性能

Comments 5 pages, 4 figures. Accepted by IEEE Wireless Communications and Networking Conference (WCNC) 2026

Efficient semantic uncertainty quantification in language models via diversity-steered sampling

通过多样性引导采样实现语言模型中的高效语义不确定性量化

Ji Won Park, Kyunghyun Cho

机构 * Prescient Design, Genentech（普森设计，基因泰克） ； Center for Data Science, New York University（数据科学中心，纽约大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种多样性引导采样方法，通过注入语义相似性惩罚提升语言模型在问答任务中的不确定性估计效率，实现样本效率提升并覆盖更多语义簇。

Comments 10 pages (+7 appendix), 7 figures. Accepted at NeurIPS 2025

Enhanced Representation-Based Sampling for the Efficient Generation of Datasets for Machine-Learned Interatomic Potentials

增强的基于表示的采样：用于机器学习相互原子势高效数据集生成的方法

Moritz René Schäfer, Johannes Kästner

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出ERBS方法，通过增强采样生成高效数据集，提升机器学习相互原子势的训练效果和自扩散系数模拟精度。

Training-Efficient Text-to-Music Generation with State-Space Modeling

基于状态空间建模的高效文本到音乐生成

Wei-Jaw Lee, Fang-Chih Hsieh, Xuanjun Chen, Fang-Duo Tsai, Yi-Hsuan Yang

机构 * Graduate Institute of Communication Engineering, National Taiwan University（通讯工程研究所，国立台湾大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于状态空间模型的高效文本到音乐生成方法，通过减少参数和计算资源实现更高效率，同时保持与基准模型相当的性能。

Comments 9 pages, 3 figures. This is a preprint of a paper submitted to IEEE/ACM TASLP

Transport-Coupled Bayesian Flows for Molecular Graph Generation

耦合贝叶斯流的分子图生成

Yida Xiong, Jiameng Chen, Kun Li, Hongzhi Zhang, Xiantao Cai, Jia Wu, Wenbin Hu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Computing, Macquarie University（麦考瑞大学计算系） ； Wuhan University Shenzhen Research Institute（武汉大学深圳研究院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 TopBF通过连续参数分布和准瓦瑟斯坦最优传输耦合，实现分子图生成的高效可控生成。

An Efficient and Multi-Modal Navigation System with One-Step World Model

一种高效且多模态的导航系统与一步世界模型

Wangtian Shen, Ziyang Meng, Jinming Ma, Mingliang Zhou, Diyun Xiang

机构 * Tsinghua University（清华大学） ； Xiaomi (China)（小米（中国）） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种高效多模态导航系统，通过一步世界模型和3D U-Net骨干网络，提升导航效率和鲁棒性。

${\bf \frac{h}{e}}$ flux quantization in metals due to Berry phase coherence

${\f \ rac{h}{e}}$ 通量量子化在金属中的现象源于 Berry 阶段相干

Chandra M. Varma

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究揭示了 Berry 阶段相干如何在金属中通过 chiral 一维态与本征态的相互作用导致宏观尺度的通量量子化现象。

Noise-induced resonant acceleration of a charge in an intermittent magnetic field: an exact solution for ergodic and non-ergodic fluctuations

噪声诱导的磁场所致电荷共振加速：对 ergodic 和非 ergodic 振荡的精确解

Gerardo Aquino, Mauro Bologna

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究噪声诱导共振加速机制，揭示其在非 ergodic 情况下的精确解析解及高效电荷加速特性。

Comments 13 pages, 6 figures

Journal ref Chaos, Solitons and Fractals 203,117670 (2026)

Strong Solutions and Quantization-Based Numerical Schemes for a Class of Non-Markovian Volatility Models

强解与基于量化的方法在一类非马尔可夫波动模型中的应用

Martino Grasselli, Gilles Pagès

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于扩展Lamperti变换的函数量化方案，用于解决非马尔可夫波动模型中的强解存在性和唯一性问题。

High-accuracy and dimension-free sampling with diffusions

高精度和无维度的扩散采样

Khashayar Gatmiry, Sitan Chen, Adil Salim

机构 * UC Berkeley（伯克利大学） ； Harvard University（哈佛大学） 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低次近似与插值方法的扩散模型求解器，实现了高精度采样且不依赖环境维度。

An efficient probabilistic scheme for the exit time probability of $α$-stable Lévy process

一种高效的概率方案用于α-稳定莱维过程的退出时间概率

Minglei Yang, Diego del-Castillo-Negrete, Guannan Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效方法，通过结合布朗运动与复合泊松过程，计算α-稳定莱维过程的退出时间概率，提升异常传输问题的计算效率。

ReflexDiffusion: Reflection-Enhanced Trajectory Planning for High-lateral-acceleration Scenarios in Autonomous Driving

ReflexDiffusion：面向自动驾驶高侧向加速度场景的反射增强轨迹规划

Xuemei Yao, Xiao Yang, Jianbin Sun, Liuwei Xie, Xuebin Shao, Xiyu Fang, Hang Su, Kewei Yang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 ReflexDiffusion通过反射调整机制提升自动驾驶在高侧向加速度场景下的轨迹规划安全性与可靠性。

Comments Accepted by AAAI 2026

Time-complexity of sampling from a multimodal distribution using sequential Monte Carlo

使用序贯蒙特卡罗方法从多模分布中采样的时间复杂度

Ruiyu Han, Gautam Iyer, Dejan Slepčev

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究探讨了在低温下使用序贯蒙特卡罗方法从多模分布采样的时间复杂度，分析了几何退火调度与兰格-丹德扩散的效率，并得出了收敛性的数学结果。

Comments 65 pages, 5 figures

Non-thermal particle acceleration in multi-species kinetic plasmas: universal power-law distribution functions and temperature inversion in the solar corona

多物种等离子体中非热粒子加速机制：通用幂律分布函数与日冕温度倒置

Uddipan Banik, Amitava Bhattacharjee

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种自洽的准线性理论，解释了多物种等离子体中非热幂律分布的形成及日冕温度倒置现象。

Comments Submitted to Physics of Plasmas (invited paper for the 67th Annual Meeting of the APS Division of Plasma Physics); 20 pages, 7 figures, 1 table; comments welcome

PorousGen: An Efficient Algorithm for Generating Porous Structures with Accurate Porosity and Uniform Density Distribution

PorousGen: 一种高效的生成多孔结构的算法，具有准确的孔隙率和均匀的密度分布

Shota Arai, Takashi Yoshidome

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 PorousGen通过高效算法生成具有准确孔隙率和均匀密度分布的多孔结构，显著提升孔隙率控制精度和计算效率。

Comments 15 pages, 5 figures

Journal ref Computational Materials Science, 264, (2026) 114478

Model-free Optical Processors using In Situ Reinforcement Learning with Proximal Policy Optimization

无模型光学处理器使用原位强化学习与近端策略优化

Yuhang Li, Shiqi Chen, Tingyu Gong, Aydogan Ozcan

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

AI总结 本文提出利用近端策略优化的无模型强化学习方法，实现衍射光学处理器的原位训练，有效解决物理系统优化与对齐问题，提升收敛速度和性能。

Comments 19 Pages, 7 Figures

Journal ref Light: Science & Applications (2026)

70% Size, 100% Accuracy: Lossless LLM Compression for Efficient GPU Inference via Dynamic-Length Float (DFloat11)

Tianyi Zhang, Mohsen Hariri, Shaochen Zhong, Vipin Chaudhary, Yang Sui, Xia Hu, Anshumali Shrivastava

机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Department of Computer and Data Sciences, Case Western Reserve University（计算机与数据科学系，凯斯西储大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

Comments Published in NeurIPS 2025

Effect of Magnetised Discontinuity on Diffusive Shock Acceleration

磁化不连续性对扩散冲击加速的影响

Anshuman Verma, Saksham Chandna, Divyansh Tripathi, Ritam Mallick

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究探讨了磁化不连续性对扩散冲击加速中粒子能量谱的影响，发现磁化能增强粒子约束并提高能量增益，pitch角依赖扩散显著降低谱陡度。

Comments 21 pages, 7 figures and have substantial changes from previous version

AudioGAN: A Compact and Efficient Framework for Real-Time High-Fidelity Text-to-Audio Generation

AudioGAN: 一种用于实时高保真文本到音频生成的紧凑高效框架

HaeChun Chung

机构 * KT Corporation（KT公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 AudioGAN通过单次通过生成音频，以更少的参数和更快的速度实现高保真文本到音频生成。

Comments 10 pages, 6 figures, Accepted to AES AIMLA 2025

Tilt Matching for Scalable Sampling and Fine-Tuning

倾斜匹配用于可扩展的采样与微调

Peter Potaptchik, Cheuk-Kit Lee, Michael S. Albergo

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯普纳研究所） ； IAIFI 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倾斜匹配的算法，用于高效且可扩展地进行生成模型采样与微调，无需奖励梯度或轨迹反向传播。

Variationally correct operator learning: Reduced basis neural operator with a posteriori error estimation

变分正确的算子学习：带有后验误差估计的降阶神经算子

Yuan Qiu, Wolfgang Dahmen, Peng Chen

机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mathematics（数学系） ； University of South Carolina（南卡罗来纳大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种变分正确的降阶神经算子，通过FOSLS目标函数和后验误差估计提升PDE兼容性，实现高效准确的算子学习。

SA-DiffuSeq: Addressing Computational and Scalability Challenges in Long-Document Generation with Sparse Attention

SA-DiffuSeq：通过稀疏注意力解决长文档生成中的计算和可扩展性挑战

Alexandros Christoforos, Chadbourne Davis

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 SA-DiffuSeq通过稀疏注意力机制提升长文档生成的效率和可扩展性，有效降低计算成本并增强生成质量。

Comments Under submission