MeanFlow-TSE: One-Step Generative Target Speaker Extraction with Mean Flow
MeanFlow-TSE: 一步生成目标说话人提取方法
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 MeanFlow-TSE通过均值流目标实现一步生成，提升实时目标说话人提取的效率和质量。
Comments 6 pages, 2 figures, 2 tables
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 效率与蒸馏 2557 篇
An adaptive finite element multigrid solver using GPU acceleration
一种利用GPU加速的自适应有限元多重网格求解器
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本研究开发了一种利用GPU加速的自适应有限元多重网格求解器，通过线性代数操作实现高效计算，显著提升了求解非稳态纳维-斯托克斯方程等复杂问题的速度。
A Short Report on Importance Sampling for Rare Event Simulation in Diffusions
关于扩散过程中稀有事件模拟中重要性采样的简要报告
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于谱参数化和交叉熵方法的重要性采样技术，用于高效模拟扩散过程中的稀有事件。
Hadamard Langevin dynamics for sampling the l1-prior
Hadamard Langevin动态用于采样l1先验
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出Hadamard Langevin动态方法，用于采样l1先验，通过非光滑对数密度的参数化，实现精确后验恢复，并建立理论基础。
Multi-Fidelity Delayed Acceptance: hierarchical MCMC sampling for Bayesian inverse problems combining multiple solvers through deep neural networks
多保真度延迟接受：用于贝叶斯反问题的分层MCMC采样，通过深度神经网络结合多个求解器
机构 * The Alan Turing Institute, London, NW1 2DB, UK（艾伦·图灵研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出多保真度延迟接受方法，通过深度神经网络结合多个求解器，提升贝叶斯反问题的计算效率和精度。
Comments 28 pages, 8 tables, 3 algorithms, 16 figures
Fast and Accurate Causal Parallel Decoding using Jacobi Forcing
快速且准确的因果并行解码使用雅可比强迫
机构 * UC San Diego（UC圣迭戈大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snowflake（Snowflake公司）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出雅可比强迫方法，通过渐进蒸馏将AR模型转化为高效的并行解码器，实现3.8倍的速度提升并保持性能，同时引入多块解码与拒绝回收进一步提升效率。
Transition to Petschek Reconnection in Subrelativistic Pair Plasmas: Implications for Particle Acceleration
亚相对论等离子体中向佩斯切克重联转变：对粒子加速的启示
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究亚相对论等离子体中重联几何转变及其对粒子加速的影响，揭示佩斯切克几何与等离子体链在能量谱上的差异。
Comments 13 pages, 9 figures, accepted to ApJ. Comments welcome
Tracking large chemical reaction networks and rare events by neural networks
通过神经网络追踪大规模化学反应网络和罕见事件
机构 * Institute of Data Science, University of Hong Kong, Hong Kong（数据科学研究所，香港大学） ； Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University, Zhuhai 519087, China（艺术与科学学院系统科学系，北京师范大学） ； School of Physics, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学物理学院） ； School of Physical Science and Technology, Beijing University of Posts and Telecommunications, Beijing 102206, China（邮电大学物理科学与技术学院） ； Institute of Theoretical Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院理论物理研究所） ； School of Cyber Science and Technology, University of Science and Technology of China, Hefei 230027, China（科学技术大学网络科学与技术学院） ； School of Fundamental Physics and Mathematical Sciences, Hangzhou Institute for Advanced Study, UCAS, Hangzhou 310024, China（杭州高等研究院基础物理与数学科学学院） ； Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学基础与前沿科学研究所） ； Non-classical Information Science Basic Discipline Research Center of Sichuan Province, University of Electronic Science and Technology of China, Chengdu 611731, China（四川省非经典信息科学基础学科研究中心，电子科学与技术大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出通过神经网络高效追踪大规模化学反应网络及罕见事件的方法，结合优化算法和增强采样策略，实现显著加速和高精度建模。
SuperGen: An Efficient Ultra-high-resolution Video Generation System with Sketching and Tiling
SuperGen: 一种高效的超高清视频生成系统，支持草图和分块
机构 * Rice University（里士满大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯农工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco（思科公司） ； NVIDIA（英伟达公司） ； University of Washington（华盛顿大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 SuperGen通过分块技术实现高效超高清视频生成，无需额外训练，降低计算和内存成本，提升生成速度和质量。
Training-Time Action Conditioning for Efficient Real-Time Chunking
训练时的动作条件化以实现高效的实时分块
机构 * Physical Intelligence（物理智能）
专题命中 效率与蒸馏 ：inpainting(abstract)
AI总结 本研究提出在训练时模拟推理延迟并直接条件化动作前缀，以实现更高效、计算成本更低的实时机器人控制。
Flatten Graphs as Sequences: Transformers are Scalable Graph Generators
将图扁平化为序列：Transformer是可扩展的图生成器
机构 * Max Planck Institute of Biochemistry（马克斯·普朗克生物化学研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 AutoGraph利用Transformer模型将图扁平化为序列，实现高效可扩展的图生成，生成速度比扩散模型快100倍，并展示出良好的迁移能力。
Comments Camera-ready version published at NeurIPS 2025
Taylor Approximation Variance Reduction for Approximation Errors in PDE-constrained Bayesian Inverse Problems
偏微分方程约束贝叶斯反问题中近似误差的泰勒近似方差缩减
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于泰勒展开的高维PDE约束贝叶斯反问题中近似误差方差缩减方法，通过线性化PDE求解高效计算均值和协方差，提升计算效率。
Plug-and-Play Homeostatic Spark: Zero-Cost Acceleration for SNN Training Across Paradigms
即插即用的稳态火花：跨范式的零成本加速SNN训练
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 AHSAR通过保持层活动在适度范围内，实现跨范式的零成本加速SNN训练。
Comments 12 pages, 4 figures
Mitigating Intra- and Inter-modal Forgetting in Continual Learning of Unified Multimodal Models
缓解统一多模态模型持续学习中的模态内和模态间遗忘
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 本文提出MoDE，通过解耦模态以缓解统一多模态模型中的模态内和模态间遗忘问题。
Comments NeurIPS 2025
TARFVAE: Efficient One-Step Generative Time Series Forecasting via TARFLOW based VAE
TARFVAE：通过TARFLOW基于VAE实现高效的单步生成时间序列预测
机构 * Meituan（美团）
专题命中 效率与蒸馏 ：image synthesis(abstract)
AI总结 TARFVAE结合Transformer自回归流与VAE，实现高效单步生成时间序列预测，提升预测效率与性能。
Non-equilibrium Annealed Adjoint Sampler
非平衡退火共轭采样器
机构 * Georgia Institute of Technology（佐治亚理工学院） ； FAIR at Meta（Meta的FAIR）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 非平衡退火共轭采样器通过引入退火参考动力学，提升扩散模型在学习控制的稳定性和效率，适用于多种采样任务。
Comments 26 pages, 8 figures
Pixellated Posterior Sampling of Point Spread Functions in Astronomical Images
像素化的点扩散函数后验采样在天文学图像中
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于生成扩散模型的像素级PSF后验采样方法，通过结合高斯似然与生成模型先验，实现对天文学图像中点扩散函数的高精度建模，提升后续分析的不确定性传播能力。
Comments 17 pages, 10 figures
L1 Sample Flow for Efficient Visuomotor Learning
L1样本流用于高效视觉-运动学习
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 L1流通过结合去噪模型的多模分布捕捉能力与L1回归的高效性，实现高效的视觉-运动学习。
Physical interactions enable energy-efficient Turing patterns
物理相互作用使能效 Turing 模式
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本研究通过引入热力学一致的 Turing 系统模型，发现排斥相互作用显著降低能量需求，揭示物理相互作用在形成自然模式中的关键作用。
Comments 11 pages, 10 figures
Integrating Atomic Scale Catalyst Design with Transport Engineering for Stable and Efficient CO2 Electrolysis to CO in a Membrane Electrode Assembly
专题命中 效率与蒸馏 ：diffusion(abstract)
Comments 32 pages, 7 figures
PID-controlled Langevin Dynamics for Faster Sampling of Generative Models
机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling Laboratory, Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（深圳 ubiquitous 数据赋能实验室，深圳国际研究生院，清华大学，深圳） ； Department of Electronic Engineering, Tsinghua University, Beijing 100084, China（电子工程系，清华大学，北京） ； Pengcheng Laboratory, Shenzhen 518055, China（鹏城实验室，深圳）
专题命中 效率与蒸馏 ：image generation(abstract)
Comments NeurIPS 2025 poster paper
An Efficient Unconditionally Energy-Stable Numerical Scheme for Bose--Einstein Condensate
专题命中 效率与蒸馏 ：diffusion(abstract)
Fractional neural attention for efficient multiscale sequence processing
机构 * School of Physics, University of Sydney（物理学院，悉尼大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
Rebalancing Markov jump processes for non-reversible continuous-time sampling
专题命中 效率与蒸馏 ：diffusion(abstract)
Comments 25 pages, 13 figures; completely revised
Compact Artificial Neural Network Models for Predicting Protein Residue -- RNA Base Binding
机构 * University of Bedfordshire（贝福德郡大学）
专题命中 效率与蒸馏 ：image generation(abstract)
Parallel Sampling via Autospeculation
专题命中 效率与蒸馏 ：diffusion(abstract)
Cosmic ray transport and acceleration in an evolving shock landscape
专题命中 效率与蒸馏 ：diffusion(abstract)
Journal ref A&A 703, A51 (2025)
Efficient probabilistic surrogate modeling techniques for partially-observed large-scale dynamical systems
专题命中 效率与蒸馏 ：diffusion(abstract)
An efficient asymptotic preserving Monte Carlo method for frequency-dependent radiative transfer equations
专题命中 效率与蒸馏 ：diffusion(abstract)
Efficient space-time reduced order model for linear dynamical systems in Python using less than 120 lines of code
专题命中 效率与蒸馏 ：diffusion(abstract)
Comments 24 pages, 18 figures
Journal ref Mathematics, 9(14):1690, 2021
