图像生成

Improving Sampling for Masked Diffusion Models via Information Gain

通过信息增益改进掩码扩散模型的采样

Kaisen Yang, Jayden Teoh, Kaicheng Yang, Yitong Zhang, Alex Lamb

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Massachusetts Institute of Technology（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北航） ； College of AI, Tsinghua University（清华大学人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 提出一种无需训练的Info-Gain采样器，利用掩码扩散模型的双向结构平衡即时不确定性与剩余掩码位置的信息增益，在推理、编码、创意写作和图像生成任务中优于现有采样器。

Comments https://github.com/yks23/Information-Gain-Sampler Accepted by ICML2026 Accepted by ICML2026

Support-Proximity Augmented Diffusion Estimation for Offline Black-Box Optimization

支持接近增强的扩散估计用于离线黑盒优化

Yonghan Yang, Ye Yuan, Zipeng Sun, Linfeng Du, Bowei He, Haolun Wu, Can Chen, Xue Liu

机构 * MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（MBZUAI - 摩擦 bin Zayed 大学） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（Mila - 加拿大AI研究所） ； Amazon AGI（亚马逊人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SPADE框架，通过条件生成建模重新想象前向替代建模，利用扩散模型建模前向似然p(y|x)，并引入校准扩散估计模块和支撑接近正则化机制，以提高优化性能。

Comments Accepted by ICML 2026. First two authors contributed equally

Noise Schedule Design for Diffusion Models: An Optimal Control Perspective

扩散模型的噪声调度设计：一个最优控制视角

Seo Taek Kong, Weina Wang, R. Srikant

机构 * ECE & CSL University of Illinois Urbana-Champaign（电子工程与计算机科学实验室，伊利诺伊大学厄巴纳-香槟分校） ； Computer Science Department Carnegie Mellon University（计算机科学系，卡内基梅隆大学） ； ECE, CSL & NCSA University of Illinois Urbana-Champaign（电子工程、计算机科学实验室及国家计算科学中心，伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文从最优控制的角度出发，提出了一种分析和设计扩散模型噪声调度的框架，通过将噪声调度问题转化为最优控制问题，推导出噪声调度的充分条件，实现了更优的采样误差，并通过参数调整得到新的噪声调度方案，提升了图像生成的FID分数。

MDM-Prime-v2: Binary Encoding and Index Shuffling Enable Scaling of Diffusion Language Models

MDM-Prime-v2：二进制编码和索引洗牌使扩散语言模型能够扩展

Chen-Hao Chao, Wei-Fang Sun, Junwei Quan, Chun-Yi Lee, Rahul G. Krishnan

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； NVIDIA AI Technology Center（NVIDIA AI技术中心） ； National Taiwan University（国立台湾大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出MDM-Prime-v2，通过二进制编码和索引洗牌技术改进扩散语言模型，解决了子分词器功能形式与BPE分词器结合导致的交叉熵损失增加以及子分词器粒度超参数选择缺乏工具的问题，从而提升了模型在常识推理基准上的零样本准确率。

Bringing Stability to Diffusion: Decomposing and Reducing Variance of Training Masked Diffusion Models

为扩散模型带来稳定性：分解和减少训练掩码扩散模型的方差

Mengni Jia, Mengyu Zhou, Yihao Liu, Xiaoxi Jiang, Guanjun Jiang

机构 * University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Qwen Large Model Application Team, Alibaba（阿里巴巴通义大模型应用团队） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了掩码扩散模型（MDMs）训练方差高导致不稳定的问题，通过分解方差来源并提出六种方差减少方法，显著提升了模型在复杂推理任务中的准确率，并将运行间变异性降低至自回归模型（ARMs）水平。

Mobile UMI: Cross-View Diffusion Policy with Decoupled Kinematics for Mobile Manipulation

Mobile UMI: 用于移动操作的跨视角扩散策略与解耦动力学

Haoran Huang, Haonan Dong, Huixu Dong

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需硬件的演示框架Mobile UMI，通过三个组件解决移动模仿学习中的两个瓶颈问题：运动污染的动作标签和推理导致的执行延迟。核心方法是通过双摄像头捕捉全局和局部上下文，结合空间锚点统一视觉-惯性框架，并利用异步递推地执行器进行在线状态匹配，从而实现解耦的动力学和基座轨迹。

Membership Inference Attacks on Discrete Diffusion Language Models

对离散扩散语言模型的成员推断攻击

Shailesh Kasivelrajan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了对微调后的MDLMs的成员推断攻击，发现其比现有灰盒基线更易受攻击，并设计了阴影模型转移攻击以证明其有效性。

Comments Citations and Co Authors need to be verified and updated. Will submit a new version soon

Machine Unlearning for Masked Diffusion Language Models

针对掩码扩散语言模型的机器去学习

Georu Lee, Seungwon Jeong, Hoki Kim, Jinseong Park, Woojin Lee

机构 * Dongguk University-Seoul（东国大学-首尔） ； Chung-Ang University（Chung-Ang 大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种针对掩码扩散语言模型的去学习框架MDU，通过重新审视扩散过程中的知识学习，实现了高效的去学习性能。

Comments 20 pages, 8 figures, appendix included

Elastic-dLLM: Position Preserving Context Compression and Augmentation of Diffusion LLMs

Elastic-dLLM: Diffusion LLMs的弹性上下文压缩与增强

Junyi Wu, Tianchen Zhao, Shaoqiu Zhang, Linfeng Zhang, Guohao Dai, Yu Wang

机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Infinigence AI 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 本文针对扩散大语言模型中上下文压缩和增强问题，提出了一种位置保持的上下文压缩和终端感知增强方法，以提高解码效率并实现长上下文扩展。

Locally Coherent Parallel Decoding in Diffusion Language Models

局部相干并行解码在扩散语言模型中

Michael Hersche, Nicolas Menet, Ronan Tanios, Abbas Rahimi

机构 * IBM Research - Zurich（IBM瑞士研究实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出CoDiLA方法，通过引入小型辅助自回归模型来解决扩散语言模型在并行解码中的相干性问题，从而在代码生成任务中实现更高的准确性和速度。

Comments Accepted at ICML 2026

DyDiff: Long-Horizon Rollout via Dynamics Diffusion for Offline Reinforcement Learning

DyDiff: 通过动力学扩散实现离线强化学习中的长周期 rollout

Hanye Zhao, Xiaoshen Han, Zhengbang Zhu, Minghuan Liu, Yong Yu, De-Chuan Zhan, Weinan Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学计算机科学学院） ； Department of Computer Science, Nanjing University, Nanjing 210093, China（南京大学计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DyDiff，一种通过动力学扩散模型实现离线强化学习中长周期轨迹生成的方法，通过迭代注入学习策略信息，解决行为策略与学习策略不一致的问题，提升长周期rollout的准确性。

Comments 18 pages, 10 figures, 9 tables. The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52028-5}

Constrained Code Generation with Discrete Diffusion

带有离散扩散的约束代码生成

Lize Shao, Michael Cardei, Zichen Xie, Ferdinando Fioretto, Wenxi Wang

机构 * University of Virginia（弗吉尼亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需训练的神经符号推理框架CDC，通过将约束满足直接整合到反向去噪过程中，提升代码生成中功能正确性、安全性和语法的约束满足能力。

Global Convergence of Sampling-Based Nonconvex Optimization through Diffusion-Style Smoothing

通过扩散风格平滑实现采样基于非凸优化的全局收敛

Zeji Yi, Chaoyi Pan, Guanya Shi, Guannan Qu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过平滑视角分析采样优化，揭示平滑在逃逸局部极小值中的作用，并提出DIDA算法实现全局收敛。

Comments 57 pages, 5 figures

Systematic Optimization of Real-Time Diffusion Model Inference on Apple M3 Ultra

苹果M3 Ultra上的实时扩散模型推断系统优化

Yoichi Ochiai

机构 * University of Tsukuba, Faculty of Library, Information and Media Science（筑波大学图书馆、信息与媒体科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文针对苹果M3 Ultra平台系统性优化扩散模型实时推断，通过多种技术结合实现22.7 FPS的实时图像转换，揭示了与NVIDIA GPU不同的优化特性。

Polynomial Neural Sheaf Diffusion: A Spectral Filtering Approach on Cellular Sheaves

多项式神经束扩散：基于细胞束的谱过滤方法

Alessio Borgi, Fabrizio Silvestri, Pietro Liò

机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Computer, Control and Management Engineering, Sapienza University（计算机、控制与管理工程系，萨皮恩扎大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出PolyNSD方法，通过多项式运算和谱过滤提升神经束扩散的稳定性与效率，实现无需大维度stalk的高性能表现。

BlockVLA: Accelerating Autoregressive VLA via Block Diffusion Finetuning

BlockVLA: 通过块扩散微调加速自回归VLA

Ruiheng Wang, Shuanghao Bai, Haoran Zhang, Badong Chen, Xiangyu Xu

机构 * Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出BlockVLA框架，通过块扩散方法将预训练自回归模型转化为高效离散扩散策略，减少推理延迟并提升训练效率，实验证明在复杂长周期任务中性能显著提升。

DiffusionHijack: Supply-Chain PRNG Backdoor Attack on Diffusion Models and Quantum Random Number Defense

DiffusionHijack: 供应链PRNG后门攻击针对扩散模型和量子随机数防御

Ziyang You, Liling Zheng, Xiaoke Yang, Xuxing Lu

机构 * School of Electronics, Electrical Engineering and Physics, Fujian University of Technology（福建工程学院电子工程与物理学院） ； School of Humanities, Fujian University of Technology（福建工程学院人文学院） ； Institute of Applied Physics and Materials Engineering, University of Macau（澳门大学应用物理与材料工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出DiffusionHijack攻击通过供应链注入恶意PRNG控制扩散模型生成图像，采用量子随机数生成器有效防御该攻击，降低输出相似度至随机基线水平。

Comments This work has been submitted to the IEEE for possible publication

Backbone-Equated Diffusion OOD via Sparse Internal Snapshots

基于稀疏内部快照的扩散模型异常检测

Yadang Alexis Rouzoumka, Jean Pinsolle, Eugénie Terreaux, Christèle Morisseau, Jean-Philippe Ovarlez, Chengfang Ren

机构 * ONERA ； SONDRA ； Université Paris-Saclay（巴黎-萨克雷大学） ； CentraleSupélec（中央理工-巴黎高等学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种互化背骨等效协议，通过冻结扩散背骨使用少量内部激活来构建检测器，证明异常信号集中在稀疏内部状态而非完整去噪轨迹。

Stopping Computation for Converged Tokens in Masked Diffusion-LM Decoding

在掩码扩散语言模型解码中停止收敛令牌的计算

Daisuke Oba, Danushka Bollegala, Masahiro Kaneko, Naoaki Okazaki

机构 * Institute of Science Tokyo（东京科学研究所） ； University of Liverpool（利物浦大学） ； Amazon（亚马逊） ； MBZUAI 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SureLock方法，通过锁定稳定位置以减少计算开销，提升解码效率，实验证明在LLaDA-8B上节省30-50%的FLOPs同时保持生成质量。

Comments Accepted to ICLR 2026

Elucidating Representation Degradation Problem in Diffusion Model Training

阐明扩散模型训练中的表示退化问题

Zhipeng Yao, Dazhou Li, Zitong Zhang, Durude Mahee, Fan Zhu, Wenbin Zhang, Xinwei He, Yeying Jin, Rui Yu

机构 * University of Louisville（路易斯维尔大学） ； National University of Singapore（新加坡国立大学） ； Florida International University（佛罗里达国际大学） ； Shenyang University of Chemical Technology（沈阳化学工业大学） ； Huazhong Agricultural University（华中农业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究扩散模型训练中的表示退化问题，提出ERD框架通过动态分配优化资源提升收敛速度和生成质量。

Brownian Bridge Diffusion for Sequential Recommendation

布朗桥扩散用于序列推荐

Yimeng Bai, Yang Zhang, Sihao Ding, Shaohui Ruan, Han Yao, Danhui Guan, Fuli Feng, Tat-Seng Chua

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文提出基于偏好桥接的扩散推荐(BBDRec)，通过构建目标物品与用户历史之间的结构化扩散轨迹，改进传统基于噪声的序列推荐方法，实验表明其在多个公开数据集上表现优越。

Edit-Based Refinement for Parallel Masked Diffusion Language Models

基于编辑的平行掩码扩散语言模型精炼

Houxing Ren, Mingjie Zhan, Zimu Lu, Ke Wang, Yunqiao Yang, Haotian Hou, Junting Pan, Hongsheng Li

机构 * CUHK MMLab（香港中文大学多模态实验室） ； SenseTime Research（商汤科技研究院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ME-DLM框架，通过轻量级后编辑步骤提升平行生成质量与鲁棒性，基于LLaDA实现HumanEval和GSM8K性能提升。

Comments Accepted to ICML 2026

DiffATS: Diffusion in Aligned Tensor Space

DiffATS: 在对齐张量空间中的扩散

Jinhua Lyu, Tianmin Yu, Brian Kim, Lizhuo Zhou, Chanwook Park, Naichen Shi

机构 * Northwestern University（西北大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiffATS，一种基于对齐张量空间的生成框架，通过构建数据依赖的张量原始元来高效生成高分辨率时空场，实现压缩比达3.9至210倍的生成性能。

Geometry-Aware Discretization Error of Diffusion Models

具有几何意识的扩散模型离散化误差

Samuel Hurault, Thomas Moreau, Gabriel Peyré

机构 * Univ. Gustave Eiffel, CNRS, LIGM（法国埃菲尔大学、国家科学研究中心、LIGM实验室） ； Univ. Paris-Saclay, Inria, CEA（巴黎-萨克雷大学、法国国家信息与自动化技术研究院、法国原子能委员会） ； CNRS, ENS, PSL Université（国家科学研究中心、巴黎高等师范学院、巴黎-萨克雷大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文研究了扩散模型中离散化误差的几何适应性，通过推导Euler-Maruyama方法的弱和Fréchet离散化误差的一阶渐进行为，揭示了数据几何结构与扩散参数的交互作用，为几何感知参数优化提供可操作的目标。

Inference-Time Attribute Distribution Alignment for Unconditional Diffusion

推理时属性分布对齐用于无条件扩散

Hao Luan, See-Kiong Ng, Chun Kai Ling

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文提出在推理时对齐属性分布的方法，通过最优控制问题优化扩散过程，实现更灵活的属性分布对齐，无需重新训练模型。

Comments Preprint. 35 pages, 13 figures

Forecasting implied volatility surface with generative diffusion models

用生成扩散模型预测无套利隐含波动率面

Chen Jin, Ankush Agarwal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散概率模型的生成模型，通过条件化市场变量预测无套利隐含波动率面，采用信号噪声比无参数加权方案解决训练数据中的套利问题，实验显示其在波动率预测上优于现有方法。

Conditional Diffusion Under Linear Constraints: Langevin Mixing and Information-Theoretic Guarantees

在线性约束下条件扩散：兰杰文混合与信息论保证

Ahmad Aghapour, Erhan Bayraktar, Asaf Cohen

机构 * University of Michigan（密歇根大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)

AI总结 本文研究预训练扩散模型在零样本条件下对线性逆问题（如修复和超分辨率）的采样，提出通过投影-切线分解分析得分函数，证明误差上界与条件互信息关系，提出投影-兰杰文初始化和引导反向去噪方法提升修复和超分辨率性能。

Repurposing Image Diffusion Models for Adversarial Synthetic Structured Data: A Case Study of Ground Truth Drift

将图像扩散模型用于对抗性合成结构数据：真实值漂移的案例研究

Adam Arthur, Christopher Schwartz

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨了利用现有图像扩散模型生成对抗性合成数据的可能性，分析了模型在空间局部性上的归纳偏差，并提出合成证据作为新类别，探讨了真实值漂移的产生机制。

Comments 2 figures

EmDT: Embedding Diffusion Transformer for Tabular Data Generation in Fraud Detection

EmDT：用于欺诈检测中的表格数据生成的嵌入扩散变换器

En-Ya Kuo, Sebastien Motsch

机构 * Arizona State University – School of Mathematical and Statistical Sciences（亚利桑那州立大学数学与统计科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 EmDT通过UMAP聚类识别欺诈模式，并利用Transformer去噪网络生成欺诈样本，提升分类性能，同时保持隐私保护和特征相关性。

Comments Updated the first page to include the IEEE submission notice required for previously posted electronic preprint versions

AID: Agent Intent from Diffusion for Multi-Agent Informative Path Planning

AID: 从扩散模型中获取代理意图用于多代理信息路径规划

Jeric Lew, Yuhong Cao, Derek Ming Siang Tan, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出AID框架，利用扩散模型生成非自回归长时轨迹，通过行为克隆和强化学习优化，提升多代理信息路径规划效率与信息获取能力。