多模态大模型 - arXivDaily 专题

2605.26928 2026-05-27 eess.SP 50%

NF-TrackLLM: Joint Prediction of UAV Trajectory and Near-Field Beam for LAE XL-MIMO Systems

NF-TrackLLM：用于LAE XL-MIMO系统的无人机轨迹与近场波束联合预测

Qianfan Lu, Mengyuan Li, Jiachen Tian, Yu Han, Xiao Li, Shi Jin

专题命中多模态生成：multi-modal(abstract)

AI总结提出NF-TrackLLM框架，通过多模态语义感知和GPT-2时空推理，联合预测近场XL-MIMO系统中无人机轨迹和波束，实现高精度跟踪与波束预测。

2605.26800 2026-05-27 math.ST stat.TH 50%

Accelerated Schrödinger-Föllmer samplers

加速的薛定谔-福尔默采样器

Haotian Lin, Xiaojie Wang, Xiaoyan Zhang

专题命中多模态生成：multimodal(abstract)

AI总结提出一种高效的随机龙格-库塔方案来加速薛定谔-福尔默采样器，用于复杂高维多模态分布采样，并证明其L^2-Wasserstein距离下的收敛阶为O(h^{3/2}|ln h|)。

2605.24924 2026-05-26 cs.RO 50%

Dynamic Neural Koopman Distillation for Real-Time Robot Control Using Diffusion Models

动态神经Koopman蒸馏：基于扩散模型的实时机器人控制

Lei Zheng, Peiqi Yu, Zengqi Peng, Changliu Liu, Armin Lederer

机构 * Department of Electrical and Computer Engineering, National University of Singapore（国立新加坡大学电子与计算机工程系）； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电子与计算机工程系）； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology（香港科学与技术大学机器人与自主系统方向）

专题命中多模态生成：multimodal(abstract)

AI总结提出动态神经Koopman蒸馏框架，将多步扩散推理蒸馏为单步前向传递，通过因子化动态Koopman层保留多模态表达能力，在D4RL MuJoCo和物理机器人上实现毫秒级延迟的闭环控制。

Comments 8 pages, 5 figures

2605.20416 2026-05-26 cs.LG physics.comp-ph 50%

Miller-Index-Based Latent Crystallographic Fracture Plane Reasoning and generation with Vision-Language Models

基于米勒指数的潜在晶体学断裂面推理与生成：视觉-语言模型方法

Qinwu Xu, Xiaofu Ma, Yifan Jiang

机构 * Independent research（独立研究）

专题命中多模态生成：multimodal(abstract)

AI总结研究多模态大语言模型能否利用米勒指数作为结构化潜在表示来推理断裂几何，实验表明模型在理想条件下可进行潜在推理，并能拒绝不适用物理的表示。

2507.22345 2026-05-25 cs.RO 50%

A Reconfigured Wheel-Legged Robot for Enhanced Steering and Adaptability

一种增强转向能力和适应性的重构轮腿机器人

Zhicheng Song, Jinglan Xu, Chunxin Zheng, Yulin Li, Zhihai Bi, Jun Ma

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科技大学（广州））

专题命中多模态生成：multi-modal(abstract)

AI总结提出一种名为FLORES的新型轮腿机器人，通过将前腿的髋关节横滚自由度替换为偏航自由度，并设计定制强化学习控制器，实现了高效转向和多地形适应。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7444-7451, June 2026

2509.19707 2026-05-20 stat.ML cs.LG stat.CO stat.ME 50%

Diffusion and Flow-based Copulas: Forgetting and Remembering Dependencies

扩散与流基copula：遗忘与记忆依赖

David Huk, Theodoros Damoulas

机构 * Department of Statistics（统计系）； Department of Computer Science（计算机科学系）； University of Warwick（沃里克大学）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出基于扩散和流原理的copula建模方法，通过遗忘和记忆依赖机制，有效建模多变量依赖，提升了copula模型的表示能力，适用于复杂和高维数据。

Comments Published as a conference paper at ICLR 2026

2605.18959 2026-05-20 astro-ph.IM astro-ph.CO astro-ph.EP astro-ph.GA cs.LG 50%

Hyrax: An Extensible Framework for Rapid ML Experimentation and Unsupervised Discovery in the Era of Rubin, Roman, and Euclid

Hyrax：一个用于快速机器学习实验和无监督发现的可扩展框架，在Rubin、Roman和Euclid时代

Aritra Ghosh, Drew Oldag, Michael Tauraso, Andrew J. Connolly, Peter Ferguson, Derek Jones, Gourav Khullar, Argyro Sasli, Samarth Venkatesh, Gracia Wang, Maxine West, Dylan Berry, Neven Caplar, Colin Orion Chandler, Tanawan Chatchadanoraset, Michael W. Coughlin, Melissa DeLucchi, Alexandra Junell, Diego Miura, Felipe Fontinele Nunes, Wilson Beebe, Doug Branton, Sandro Campos, Liam Cunningham, Mi Dai, Jeremy Kubica, Konstantin Malanchev, Rachel Mandelbaum, Sean McGuire, Imad Pasha, Dan S. Taranu, Tianqing Zhang

机构 * Dept. of Astronomy \& the DiRAC Institute, University of Washington, Box 351580, Seattle, WA 98195, USA ； School of Physics ； Astronomy, University of Minnesota, Minneapolis, MN 55455, USA ； Department of Astronomy ； Planetary Science, Northern Arizona University, Flagstaff, USA ； McWilliams Center for Cosmology ； Astrophysics, Department of Physics, Carnegie Mellon University, Pittsburgh, PA 15213, USA

专题命中多模态生成：multimodal(abstract)

AI总结本文提出Hyrax，一个支持天文领域完整机器学习生命周期的开源框架，通过五个实际应用展示了其在大规模天文数据中的无监督发现和监督检测能力，为下一代天文调查提供了系统化的机器学习基础设施。

Comments 28 pages, 20 figures, submitted to AJ

2605.14757 2026-05-19 eess.SP 50%

ChannelAgent-Empowered Electromagnetic Space World Model: A Case Study on Agent-Driven Channel Generation for 6G AI-Native Air Interface

ChannelAgent-empowered Electromagnetic Space World Model: A Case Study on Agent-Driven Channel Generation for 6G AI-Native Air Interface

Mingyue Li, Li Yu, Yuxiang Zhang, Heng Wang, Jianhua Zhang, Ping Zhang, Guangyi Liu

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出了一种基于ChannelAgent的电磁空间世界模型，用于6G AI原生空气接口中的智能体驱动信道生成，通过多模感知、ChannelAgent智能核心和反馈更新的闭环过程，实现任务感知决策和自主适应。

Comments 6 pages, 7 figures

2601.18442 2026-05-19 cs.RO 50%

SG-CADVLM: A Context-Aware Decoding Powered Vision Language Model for Safety-Critical Scenario Generation

SG-CADVLM: 一种基于上下文感知解码的视觉语言模型，用于安全关键场景生成

Hongyi Zhao, Shuo Wang, Qijie He, Ziyuan Pu

机构 * School of Transportation, Southeast University（东南大学交通学院）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出SG-CADVLM，一种结合上下文感知解码的多模态输入处理框架，用于从事故报告中生成高保真的安全关键场景，通过减少视觉语言模型的幻觉并同时生成道路几何和车辆轨迹，提升了生成场景的准确性和实用性。

2605.16164 2026-05-18 cs.LG 50%

Entropic Auto-Encoding via Implicit Free-Energy Minimization

通过隐式自由能最小化实现熵编码解码

Hazhir Aliahmadi, Irina Babayan, Greg van Anders

机构 * Department of Physics, Engineering Physics & Astronomy, Queen’s University（物理系、工程物理与天文学系、女王大学）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出熵编码解码框架，通过自由能最小化隐式生成潜在变量先验，解决变分自编码器的后验崩溃问题，实现非高斯多模态潜在分布学习。

Comments 22 pages, 5 figures

2602.05319 2026-05-15 cs.LG 50%

Accelerated Sequential Flow Matching: A Bayesian Filtering Perspective

加速的序列流匹配：从贝叶斯过滤视角

Yinan Huang, Hans Hao-Hsun Hsu, Junran Wang, Bo Dai, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出基于贝叶斯过滤的序列贝叶斯流匹配框架，通过学习概率流在时间步间传输后验分布，实现高效采样，提升实时流处理中的推断效率。

2602.06021 2026-05-14 stat.ML cs.LG cs.NA math.NA math.PR 50%

Diffusion Model's Generalization Can Be Characterized by Inductive Biases toward a Data-Dependent Ridge Manifold

扩散模型的泛化能力可以通过数据依赖的ridge流形的归纳偏差来表征

Ye He, Yitong Qiu, Molei Tao

机构 * Georgia Institute of Technology（佐治亚理工学院）； University of Science and Technology of China（中国科学技术大学）

专题命中多模态生成：multimodal(abstract)

AI总结本文研究扩散模型泛化能力的几何机制，通过引入时间依赖的log-density ridge流形，揭示生成样本在流形附近的运动规律，并通过实验验证了其在多模态数据和MNIST中的有效性。

2605.12416 2026-05-13 cs.LG 50%

Aligning Flow Map Policies with Optimal Q-Guidance

对齐流映射策略与最优Q引导

Christos Ziakas, Alessandra Russo, Avishek Joey Bose

机构 * Imperial College London（帝国理工学院伦敦分校）； Mila

专题命中多模态生成：multimodal(abstract)

AI总结本文提出流映射策略，通过学习任意大小的跳跃提升动作生成速度，并引入FMQ和QGBS方法，在12个机器人任务中实现最优性能。

2605.08804 2026-05-13 cs.RO 50%

Constraint-Aware Diffusion Priors for High-Fidelity and Versatile Quadruped Locomotion

具有约束意识的扩散先验用于高保真和多功能四足运动

Jianhui Chen, Ruixin Zhan, Liu Liu, Yang Cai, Ziqiao Li

机构 * Alibaba Group（阿里巴巴集团）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出Diff-CAST框架，利用扩散模型多模态分布建模能力解决传统GAN判别器模式崩溃和运动分布捕捉问题，通过Symmetric Augmented Command Conditioning和Constrained RL实现高保真四足运动控制。

2605.07384 2026-05-12 cs.LG 50%

StreamPhy: Streaming Inference of High-Dimensional Physical Dynamics via State Space Models

StreamPhy: 通过状态空间模型实现高维物理动态的流式推断

Panqi Chen, Yifan Sun, Shikai Fang, Xiao Fu, Lei Cheng

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院）； School of EECS,Oregon State University（俄勒冈州立大学电子工程与计算机科学学院）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出StreamPhy框架，通过自适应观测编码器、结构化状态空间模型和FT-FiLM解码器，实现高效准确的流式推断，实验显示其在复杂动态处理上优于现有方法，精度提升48%以上，速度提升20-100倍。

2605.09999 2026-05-12 cs.RO cs.PF cs.SY eess.SY 50%

Muninn: Your Trajectory Diffusion Model But Faster

Muninn：你的轨迹扩散模型但更快

Gokul Puthumanaillam, Hao Jiang, Ruben Hernandez, Jose Fuentes, Paulo Padrao, Leonardo Bobadilla, Melkior Ornik

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）； Florida International University（佛罗里达国际大学）； Providence College（普罗维登斯学院）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出Muninn，一种无需训练的缓存包装器，通过利用扩散轨迹规划器的两个信号，减少去噪器计算，实现轨迹扩散模型的实时应用，提升速度并保证性能和安全性。

Comments Accepted to Robotics: Science and Systems 2026

2605.09291 2026-05-12 cs.LG stat.AP 50%

dFlowGRPO: Rate-Aware Policy Optimization for Discrete Flow Models

dFlowGRPO：面向离散流模型的速率感知策略优化

Zhengyan Wan, Yidong Ouyang, Panwen Hu, Qiang Sun

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）； East China Normal University（东华大学）； University of California, Los Angeles（加州大学洛杉矶分校）； University of Toronto（多伦多大学）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出dFlowGRPO框架，用于离散流模型的强化学习，支持多种概率路径和非掩码源分布，通过轨迹概率推导和去噪马尔可夫决策过程，提升文本到图像生成和多模态理解任务性能。

2505.09999 2026-05-12 cs.DC 50%

ServeGen: Workload Characterization and Generation of Large Language Model Serving in Production

ServeGen：生产环境中大型语言模型服务的工作负载特征与生成

Yuxing Xiang, Xue Li, Kun Qian, Wenyuan Yu, Ennan Zhai, Xin Jin

专题命中多模态生成：multimodal(abstract)

AI总结本文通过深入分析真实世界中的大型语言模型服务工作负载，提出ServeGen框架，通过按客户端组合生成真实工作负载，有效避免了50%的欠配问题，提升了性能基准测试效果。

Comments 15 pages, NSDI'26

2605.08733 2026-05-12 cs.LG cs.IT math.IT 50%

Generative Actor-Critic with Soft Bridge Policies

生成性动作-批评者与软桥策略

Ke He, Le He, Shunpu Tang, Yafei Wang, Lisheng Fan

机构 * Guangzhou University（广州大学）； Zhejiang University（浙江大学）； Southeast University（东南大学）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出SoftGAC，通过构建可解析的MaxEnt目标，实现高效的生成性策略，仅需单次演员前向传递即可生成动作，提升了连续控制任务的性能与效率。

2605.08233 2026-05-12 eess.SP cs.LG 50%

Inverse Design of Multi-Layer Sub-Pixel-Resolution RF Passives Through Grayscale Diffusion with Flexible S-Parameter Conditioning

通过灰度扩散实现多层子像素分辨率射频被动元件的逆设计

Tommaso Dreossi, Christopher M. Bryant, Hao Liu, Nathan Mirman, Noah Kessler, Michael Frei, Harish Krishnaswamy

机构 * Arena Physica New York, NY, USA（Arena Physica纽约,纽约州,美国）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出一种基于部分S参数输入生成多层铜布局的逆设计方法，实现子像素灰度金属化，解决高维非良提问题，验证了其在实际制造中的有效性。

2605.06091 2026-05-08 math.ST cs.LG math.PR stat.CO stat.TH 50%

Time-Inhomogeneous Preconditioned Langevin Dynamics

时间非齐次预条件拉格朗日动力学

Alexander Falk, Laurenz Nagler, Andreas Habring, Thomas Pock

机构 * Institute of Visual Computing（视觉计算研究所）； Graz University of Technology（格拉茨技术大学）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出TIPreL方法，通过时间与位置依赖的预条件器解决拉格朗日动力学在多模分布中的全局模式覆盖与局部模式探索问题，证明其在Wasserstein-2距离下的收敛性，并在实验中验证其有效性。

2602.01548 2026-05-08 astro-ph.GA astro-ph.CO 50%

Photometric Redshift PDFs via Neural Network Classification for DESI Legacy Imaging Surveys and Pan-STARRS

通过神经网络分类进行光度红移PDFs的估计：DESI遗产成像调查与Pan-STARRS

Da-Chuan Tian, Zhong-Lue Wen, Jun-Qing Xia

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出一种神经网络分类方法，用于生成校准良好的红移概率密度函数，通过离散化红移空间并优化CRPS，提升了红移估计的精度和不确定性量化。

Comments 19 pages, 8 figures, accepted for publication in The Astrophysical Journal Supplement Series. Data available at https://doi.org/10.5281/zenodo.18410731

2604.14082 2026-04-30 cond-mat.mtrl-sci 50%

Generative design of inorganic materials

无机材料的生成设计

Jose Recatala-Gomez, Haiwen Dai, Zhu Ruiming, Nikita Kazeev, Nong Wei, Gang Wu, Maciej Koperski, Tan Teck Leong, Andrey Ustyuzhanin, Gerbrand Ceder, Kostya Novoselov, Kedar Hippalgaonkar

专题命中多模态生成：multi-modal(abstract)

AI总结本文探讨了生成设计在无机材料中的应用，结合多模态学习与高通量实验验证，解决功能材料的数据驱动逆向设计难题。

2604.26065 2026-04-30 cs.RO 50%

FlowS: One-Step Motion Prediction via Local Transport Conditioning

FlowS: 通过局部传输条件实现一步运动预测

Leandro Di Bella, Adrian Munteanu, Bruno Cornelis

机构 * Department of Electronics and Informatics, Vrije Universiteit Brussel（弗拉芒布鲁塞尔自由大学电子与信息系）； IMEC

专题命中多模态生成：multimodal(abstract)

AI总结 FlowS通过局部传输条件实现一步运动预测，结合在线场景条件学习先验和步一致位移场，提升预测精度与效率，达到SOTA性能。

Comments 8 pages

2604.24913 2026-04-29 cs.LG q-bio.PE 50%

Generative diffusion models for spatiotemporal influenza forecasting

生成扩散模型用于时空流感预测

Joseph Lemaitre, Justin Lessler

机构 * Department of Epidemiology, Gillings School of Global Public Health, University of North Carolina at Chapel Hill（流行病学系，全球公共卫生学院，北卡罗来纳大学查佩尔希尔分校）； Department of Epidemiology, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD 21205, USA（流行病学系，约翰·霍普金斯伯恩斯坦公共卫生学院，巴尔的摩，MD 21205, USA）； Carolina Population Center, University of North Carolina at Chapel Hill（卡罗来纳人口中心，北卡罗来纳大学查佩尔希尔分校）

专题命中多模态生成：multimodal(abstract)

AI总结本文提出Influpaint模型，利用扩散模型对流感流行病进行时空预测，通过将流感季节编码为时空图像，学习疾病动态的丰富分布，并在回顾评估中实现了与领先集成方法相当的预测精度。

2604.23609 2026-04-28 cs.RO 50%

Tube Diffusion Policy: Reactive Visual-Tactile Policy Learning for Contact-rich Manipulation

管扩散策略：面向富接触操作的反应式视觉-触觉策略学习

Teng Xue, Alberto Rigo, Bingjian Huang, Jiayi Shen, Zhengtong Xu, Nick Colonnese, Amirhossein H. Memar

机构 * Meta Reality Labs Research（Meta现实实验室）； Idiap Research Institute（Idiap研究机构）； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）； University of Toronto（多伦多大学）； Purdue University（普渡大学）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出Tube Diffusion Policy，通过结合扩散模型与管反馈控制，解决富接触操作中对不确定性和高频触觉反馈的快速反应需求，实验验证其在多种任务中的优越性能。

2604.23524 2026-04-28 eess.SY cs.SY 50%

Physics-Aware LLM-Based Probabilistic Wind Power Scenario Generation under Extreme Icing Conditions

基于物理的LLM风力发电场景生成方法：极端覆冰条件下的概率建模

Lei Wang, Ying Zhang, Di Shi, Fei Ding

专题命中多模态生成：multimodal(abstract)

AI总结本文提出一种基于物理的LLM框架，用于在极端覆冰条件下生成风力发电场景，结合SCADA物理建模、多模态分词和因果Transformer架构，有效约束功率和爬坡限制，提升可再生能源电力系统的韧性评估。

Comments 5 pages, 3 figures, 3 tables. Accepted by the 2026 IEEE Power & Energy Society General Meeting

2602.17477 2026-04-28 cs.LG 50%

Variational Grey-Box Dynamics Matching

变分灰盒动力学匹配

Gurjeet Sangra Singh, Frantzeska Lavda, Giangiacomo Mercatali, Alexandros Kalousis

机构 * University of Geneva（日内瓦大学）； HES-SO Geneva（日内瓦HES-SO）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出一种灰盒方法，将不完整物理模型直接整合到生成模型中，通过变分分布学习动态，无需真实物理参数，在无模拟环境下实现可解释性与性能的平衡。

Comments AISTATS 2026. Code is available at https://github.com/DMML-Geneva/VGB-DM

2604.20370 2026-04-23 cs.LG stat.ML 50%

Cold-Start Forecasting of New Product Life-Cycles via Conditional Diffusion Models

通过条件扩散模型进行新产品生命周期的冷启动预测

Ruihan Zhou, Zishi Zhang, Jinhui Han, Yijie Peng, Xiaowei Zhang

机构 * Guanghua School of Management, Peking University（北京大学光华管理学院）； Department of Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）

专题命中多模态生成：multi-modal(abstract)

AI总结本文提出CDLF模型，利用静态描述、参考轨迹和新观察数据预测新产品生命周期，解决冷启动问题，提升预测准确性与概率预测质量。

2604.17072 2026-04-22 cs.MA 50%

CogGen: A Cognitively Inspired Recursive Framework for Deep Research Report Generation

CogGen：一种受认知启发的递归框架用于深度研究报告生成

Kuo Tian, Pengfei Sun, Zhen Wu, Junran Ding, Xinyu Dai

专题命中多模态生成：multimodal(abstract)

AI总结 CogGen通过递归架构模拟认知写作，实现灵活规划与全局重构，引入抽象视觉表示和认知负荷评估框架，提升多模态内容生成质量。

Comments 28 pages, 3 figures, Accepted to ACL 2026 Findings

1. 多模态生成 4965 篇

NF-TrackLLM: Joint Prediction of UAV Trajectory and Near-Field Beam for LAE XL-MIMO Systems

Accelerated Schrödinger-Föllmer samplers

Dynamic Neural Koopman Distillation for Real-Time Robot Control Using Diffusion Models

Miller-Index-Based Latent Crystallographic Fracture Plane Reasoning and generation with Vision-Language Models

A Reconfigured Wheel-Legged Robot for Enhanced Steering and Adaptability

Diffusion and Flow-based Copulas: Forgetting and Remembering Dependencies

Hyrax: An Extensible Framework for Rapid ML Experimentation and Unsupervised Discovery in the Era of Rubin, Roman, and Euclid

ChannelAgent-Empowered Electromagnetic Space World Model: A Case Study on Agent-Driven Channel Generation for 6G AI-Native Air Interface

SG-CADVLM: A Context-Aware Decoding Powered Vision Language Model for Safety-Critical Scenario Generation

Entropic Auto-Encoding via Implicit Free-Energy Minimization

Accelerated Sequential Flow Matching: A Bayesian Filtering Perspective

Diffusion Model's Generalization Can Be Characterized by Inductive Biases toward a Data-Dependent Ridge Manifold

Aligning Flow Map Policies with Optimal Q-Guidance

Constraint-Aware Diffusion Priors for High-Fidelity and Versatile Quadruped Locomotion

StreamPhy: Streaming Inference of High-Dimensional Physical Dynamics via State Space Models

Muninn: Your Trajectory Diffusion Model But Faster

dFlowGRPO: Rate-Aware Policy Optimization for Discrete Flow Models

ServeGen: Workload Characterization and Generation of Large Language Model Serving in Production

Generative Actor-Critic with Soft Bridge Policies

Inverse Design of Multi-Layer Sub-Pixel-Resolution RF Passives Through Grayscale Diffusion with Flexible S-Parameter Conditioning

Time-Inhomogeneous Preconditioned Langevin Dynamics

Photometric Redshift PDFs via Neural Network Classification for DESI Legacy Imaging Surveys and Pan-STARRS

Generative design of inorganic materials

FlowS: One-Step Motion Prediction via Local Transport Conditioning

Generative diffusion models for spatiotemporal influenza forecasting

Tube Diffusion Policy: Reactive Visual-Tactile Policy Learning for Contact-rich Manipulation

Physics-Aware LLM-Based Probabilistic Wind Power Scenario Generation under Extreme Icing Conditions

Variational Grey-Box Dynamics Matching

Cold-Start Forecasting of New Product Life-Cycles via Conditional Diffusion Models

CogGen: A Cognitively Inspired Recursive Framework for Deep Research Report Generation