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。

2026-04-30 至 2026-04-30 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 2 篇

2510.18165 2026-04-30 cs.AI cs.CL cs.LG cs.SE 78%

Saber: An Efficient Sampling with Adaptive Acceleration and Backtracking Enhanced Remasking for Diffusion Language Model

Saber: 一种高效的采样方法，具有自适应加速和回溯增强的重新遮蔽，用于扩散语言模型

Yihong Dong, Zhaoyu Ma, Xue Jiang, Zhiyuan Fan, Jiaru Qian, Yongmin Li, Jianha Xiao, Zhi Jin, Rongyu Cao, Binhua Li, Fei Huang, Yongbin Li, Ge Li

机构 * School of Computer Science, Peking University（北京大学计算机科学系）； Tongyi Lab, Alibaba Group（阿里云实验室）

专题命中效率与蒸馏：diffusion(title,abstract)

AI总结本文提出Saber算法，通过动态调整每步未遮蔽令牌数量和回溯机制提升代码生成的推理速度和输出质量，实验显示在多个基准上Pass@1准确率提升1.9%，推理速度提升251.4%。

Comments Accepted to ACL 2026 (main)

2604.25943 2026-04-30 cs.LG cs.AI physics.comp-ph 50%

A Randomized PDE Energy driven Iterative Framework for Efficient and Stable PDE Solutions

一种基于随机PDE能量的迭代框架，用于高效稳定的PDE求解

Yi Bing, Zheng Ran, Fu Jinyang, Liu Long, Peng Xiang

机构 * School of Traffic and Transportation Engineering, Central South University（中南大学交通与运输工程学院）； School of Civil Engineering, Central South University（中南大学土木工程学院）； National Engineering Research Center of High-speed Railway Construction Technology（高速铁路建设技术国家工程研究中心）； School of Urban Construction and Transportation, Hefei University（合肥大学城市建设与交通学院）； College of Mechanical Engineering, Zhejiang University of Technology（浙江工业大学机械工程学院）

专题命中效率与蒸馏：diffusion(abstract)

AI总结本文提出了一种基于PDE能量驱动的迭代框架，通过物理约束的扩散迭代和高斯平滑解决PDE问题，无需传统矩阵有限元组装或数据驱动神经网络训练，实现了高效稳定的求解。