图像生成

InvDesFlow-AL: active learning-based workflow for inverse design of functional materials

InvDesFlow-AL: 基于主动学习的反向设计功能材料工作流程

Xiao-Qi Han, Peng-Jie Guo, Ze-Feng Gao, Hao Sun, Zhong-Yi Lu

机构 * School of Physics, Renmin University of China（中国人民大学物理学院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究提出了一种基于主动学习的反向设计功能材料框架InvDesFlow-AL，通过迭代优化材料生成过程，提高性能特征的准确性，并在低形成能和低Ehull材料设计中取得显著成果，成功发现超导材料Li₂AuH₆。

Comments 29 pages, 11 figures

Journal ref npj Computational Materials 11, 364 (2025)

Quantum Monte Carlo description of correlated electrons in two-dimensional FeSe

二维FeSe相关电子的量子蒙特卡洛描述

S. Azadi, A. Principi, R. V. Belosludov, T. D. Kühne, M. S. Bahramy

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过量子蒙特卡洛方法研究了二维FeSe中电子相关能量，比较了不同几何构型下的相关能量与孤立Fe和Se原子的差异，发现原子贡献主导了相关能量，原子间键合作用影响较小。

Journal ref AIP Advances 16, 055007 (2026)

Mirror Mean-Field Langevin Dynamics

镜像均场 Langevin 动力学

Anming Gu, Juno Kim

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UC Berkeley（伯克利大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出镜像均场 Langevin 动力学（MMFLD），用于优化受限在 $\mathbb{R}^d$ 子集上的概率测度，并通过统一的对数 Sobolev 不等式获得连续 MMFLD 的线性收敛性保证，以及其时间-粒子离散化版本的统一时间传播混沌结果。

Comments ICML 2026

HCLM: A Hierarchical Framework for Cooperative Loco-Manipulation with Dual Quadrupeds

HCLM：一种用于双四足机器人协同运动操作的分层框架

Qixuan Li, Chen Le, Jincheng Yu, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（深圳国际研究生院，清华大学，深圳，中国） ； Department of Electronic Engineering, and the Institute for Embodied Intelligence and Robotics, Tsinghua University, Beijing, China（电子工程系，以及 embodied intelligence and robotics 院，清华大学，北京，中国） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出HCLM框架，通过分层结构实现双四足机器人在复杂环境中的协同运动操作，核心方法是采用集中式联合扩散策略和混合全身控制器，主要贡献是实现了高鲁棒性的多机器人协作控制。

Drift Flow Matching

漂移流匹配

Chenrui Ma, Xi Xiao, Lin Zhao, Tianyang Wang, Ferdinando Fioretto, Yanning Shen

机构 * University of California, Irvine（加州大学伊万斯堡分校） ； University of Virginia（弗吉尼亚大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Northeastern University（东北大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Drift Flow Matching框架，结合漂移生成模型与基于流的迭代生成方法，实现高效生成与多步细化，提升生成质量与效率适应性。

Structure of Molten FeCl2 and FeCl3

熔融FeCl₂和FeCl₃的结构

Fakhrul Hasan Bhuiyan, Jicheng Guo, Christopher James Benmore, Avery Blockmon, Denis Johnson, Alvaro Vazquez Mayagoitia

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过高能X射线衍射、经验势结构精修和分子动力学模拟确定了熔融FeCl₂和FeCl₃的结构，揭示了Fe的八面体到四面体配位转变以及熔融态中聚合度和局部几何的差异，为高温度熔盐的预测建模提供了原子尺度结构基准。

Comments 26 total pages, 11 main figures, 6 supplementary figures

RDDM: A Residual-Driven Drifting Model for High-Fidelity Low-Dose CT Denoising

RDDM: 一种基于残差驱动的高保真低剂量CT去噪模型

Jianxu Wang, Qing Lyu, Ge Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出RDDM模型，通过引入残差漂移场实现高效且高保真的低剂量CT去噪，解决了传统方法在实时应用中的性能限制，实验表明其在去噪效果和速度上均优于现有方法。

Comments Code is available at: https://github.com/Jayx-Wang/RDDM

Contrastive Conceptor Activation Steering (COAST): Unlocking Vision-Language-Action Models through Hidden States

对比性概念激活引导（COAST）：通过隐藏状态解锁视觉-语言-动作模型

Miranda Muqing Miao, Subin Kim, Brandon Yang, Lyle Ungar

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出COAST方法，通过识别成功子空间来提升视觉-语言-动作模型在机器人任务中的性能，其核心方法是利用概念投射来引导模型向成功分布发展，从而提高任务成功率。

Comments Submitted to NeurIPS 2026

Taming Audio VAEs via Target-KL Regularization

通过目标KL正则化驯服音频VAE

Prem Seetharaman, Rithesh Kumar

机构 * Adobe Research（Adobe研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出通过压缩率调节和目标KL正则化训练音频VAE，以解决在音频生成任务中VAE正则化带来的过正则化与欠正则化之间的平衡问题，并构建了音频VAE的率失真曲线。

Comments Accepted at ICASSP 2026 (Barcelona, Spain, 3-8 May 2026). 5 pages, 1 figure, 3 tables

Journal ref Proc. ICASSP 2026

Positive-rate PCA and IPS with stationary Bernoulli measures are rapidly forgetful

具有平稳伯努利测度的正速率PCA和IPS是快速遗忘的

Irène Marcovici, Siamak Taati

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文证明了所有具有严格正转移概率且允许平稳伯努利测度的概率细胞自动机都是指数 ergodic 的，并且此类系统中任意有限区域的混合时间与区域直径呈对数关系。在连续时间中，正速率、有限范围相互作用粒子系统也具有类似结果。证明使用了熵，并依赖于将系统表示为另一个带有噪声的系统的扰动。ergodic 行为源于噪声积累和局部信息交换扩散之间的竞争。在二维及以上维度中，允许平稳伯努利测度的正速率概率细胞自动机在算法上与不允许多的无法区分。

Comments 24 pages

Critical velocity-space mode scalings in linear and nonlinear Landau damping for the Vlasov--Poisson system

线性和非线性Landau阻尼中Vlasov-Poisson系统临界速度空间模数缩放

Noah K. Guberman, J. Coughlin, A. S. Joglekar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究确定了线性和非线性Landau阻尼中Vlasov-Poisson系统所需的速度空间分辨率上限，通过统一的级联平衡论证推导出关键的傅里叶和赫尔米特速度空间模数的分析缩放关系，结果依赖于回旋频率ω_b、波数kλ_D和电子-电子碰撞频率ν。

Spatial curvature in Unimodular Gravity

广义相对论中的空间曲率

Gilberto Aguilar-Pérez, Miguel Cruz, Samuel Lepe

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了单模引力中能量扩散和空间曲率的宇宙学影响，提出了一种经验可行的幂律假设，通过联合统计分析约束参数空间，发现空间曲率和扩散能缓解哈勃张力，同时保持宇宙年龄和声学 horizon 标度。

Comments 24 pages, 6 figures

Discovering interpretable low-dimensional dynamics using maximum entropy

利用最大熵发现可解释的低维动力学

Michael C. Chung, Tarran Mohan, Purushottam D. Dixit, Juan Guan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Edwin框架，通过动态最大熵原理进行降维并发现稀疏符号模型，同时揭示学习特征与外部元数据的耦合，验证了其在多种模拟系统和实验数据中的有效性，实现了从高维数据中直接推断可解释的低维动力学。

Synchronization and metachronal waves in an array of eukaryotic flagella

鞭毛体数组中的同步与次同步波

Yukinori Wakahara, Nariya Uchida

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究鞭毛体数组中同步与次同步波的形成，通过弹性流体动力学模型揭示大数组中稳定的次同步波机制及集体状态与相位差场的关联。

Comments 11 pages, 5 figures

Multiwavelength Probes of Cosmic Ray Transport in Molecular Cloud Structures

多波长探测分子云结构中的宇宙射线传输

Hayden P. H. Ng, Ellis R. Owen, Naomi Tsuji, Szu-Ting Chen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究多波长观测如何探测分子云及子结构中的宇宙射线传输，探讨宇宙射线在密集分子结构中的微物理机制，提出自洽框架分析三种传播场景，展示宇宙射线与密集气体的耦合增强及其对次级产率的影响。

Comments 21 pages, 11 figures, 3 tables. Accepted for publication in PASJ

Deterministic Decomposition of Stochastic Generative Dynamics

确定性分解随机生成动力学

Xingyu Song, Yuan Mei, Naoya Takeishi

机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Bridge Matching框架，通过分解生成动力学中的确定性与随机效应，实现可控的生成模型。

Comments 10 pages main text, 6 figures; appendix included. Code available at: https://github.com/xingyu-song/bridge_matching

Detecting Stochasticity in Discrete Signals via Nonparametric Excursion Theorem

通过非参数逃逸定理检测离散信号中的随机性

Sunia Tanweer, Firas A. Khasawneh

机构 * Dept. of Mechanical Engineering, Michigan State University（密歇根州立大学机械工程系） ； Dept. of Computational Mathematics, Science and Engineering, Michigan State University（密歇根州立大学计算数学、科学与工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于连续半鞅逃逸和穿越定理的非参数方法，通过比较实测逃逸次数与理论期望比值，区分扩散过程与确定性信号，不依赖参数模型。

Using Physics Informed Neural Network (PINN) and Neural Network (NN) to Improve a $k-ω$ Turbulence Model

利用物理信息神经网络（PINN）和神经网络（NN）改进 $k-ω$ 湍流模型

Lars Davidson

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过PINN和NN改进$ k-ω $湍流模型，解决湍流扩散建模不足问题，提升通道流和平板边界层流动预测精度。

Comments 32 pages, 68 figures

Journal ref Journal of Turbulence, p. 1-22, 2026

Boundary Value Problems on $p$-Adic Analytic Manifolds

$p$-adic分析流形上的边界值问题

Patrick Erik Bradley

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究$p$-adic分析流形上的最新边界值问题及其与扩散的关系，引入新的坐标拉普拉斯算子并构造椭圆算子，解决相关狄利克雷问题，拓展了$p$-adic$n$-空间紧子域的结果，并展望数论应用及向超度分析流形的扩展。

Comments 29 pages

Dimension-Uniform Discretization Analysis of Preconditioned Annealed Langevin Dynamics for Multimodal Gaussian Mixtures

预处理退火 Langevin 动力学在多模高斯混合中的维度均匀离散化分析

Lorenzo Baldassari, Josselin Garnier, Knut Solna, Maarten V. de Hoop

机构 * University of Basel（巴塞尔大学） ； Ecole Polytechnique, IP Paris（巴黎高等理工学院） ； University of California Irvine（加州大学尔湾分校） ； Rice University（里德大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了预处理退火 Langevin 动力学在高斯混合中的稳定性问题，通过 Euler-Maruyama 离散化和指数积分方案，证明了在满足特定谱条件时，KL 散度具有维度均匀的上界。

QuantFPFlow: Quantum Amplitude Estimation for Fokker--Planck Policy Optimisation in Continuous Reinforcement Learning

QuantFPFlow：用于连续强化学习中Fokker-Planck策略优化的量子振幅估计

Abraham Itzhak Weinberg

机构 * AI-WEINBERG, AI Experts（AI-WEINBERG人工智能专家） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 QuantFPFlow通过量子振幅估计提升连续强化学习中Fokker-Planck策略优化的效率，实现算法复杂度从O(1/ε²)到O(1/ε)的平方加速，并在多模态奖励景观中发现全局最优解。

CayleyPy RL: Pathfinding and Reinforcement Learning on Cayley Graphs

CayleyPy RL：Cayley图上的路径寻找与强化学习

A. Chervov, M. Obozov, A. Soibelman, S. Lytkin, I. Kiselev, S. Fironov, A. Lukyanenko, A. Dolgorukova, A. Ogurtsov, F. Petrov, S. Krymskii, M. Evseev, L. Grunvald, D. Gorodkov, G. Antiufeev, G. Verbii, V. Zamkovoy, L. Cheldieva, I. Koltsov, A. Sychev, A. Eliseev, S. Nikolenko, N. Narynbaev, R. Turtayev, N. Rokotyan, S. Kovalev, A. Rozanov, V. Nelin, S. Ermilov, L. Shishina, D. Mamayeva, A. Korolkova, K. Khoruzhii, A. Romanov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种结合强化学习与扩散距离方法的新型路径寻找方法，通过基准测试和数学方法验证了对称群Cayley图直径的猜想，并在Kaggle平台发起挑战以促进众包活动。

Comments 32+16 pages

Exact solution to a class of problems for the Burgers' equation on bounded intervals

Burgers方程在有限区间上一类问题的精确解

Kwassi Anani, Mensah Folly-Gbetoula

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过Hopf-Cole变换和线性反应扩散方程的精确操作解，推导出Burgers方程在有限区间上的精确解，展示闭式表达式在计算效率上的优势。

Comments 15

The spread of low-credibility content by social bots

社交机器人传播低可信内容的扩散

Chengcheng Shao, Giovanni Luca Ciampaglia, Onur Varol, Kaicheng Yang, Alessandro Flammini, Filippo Menczer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过分析2016年美国大选期间推特上的40万篇文章传播数据，发现社交机器人在放大低可信内容中扮演了关键角色，且人类用户易受其影响转发低可信内容。

Comments 41 pages, 20 figures, 3 tables

Journal ref Nature Communications, 9: 4787, 2018

Sketch Then Paint: Hierarchical Reinforcement Learning for Diffusion Multi-Modal Large Language Models

草图然后绘画：用于扩散多模态大语言模型的分层强化学习

Siqi Luo, Jianghan Shen, Yi Xin, Huayu Zheng, Haoxing Chen, Yan Tai, Yue Li, Junjun He, Yihao Liu, Guangtao Zhai, Yuewen Cao, Xiaohong Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Peking University（北京大学） 纠错

专题命中 可控生成 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文提出了一种分层强化学习方法HT-GRPO，通过Sketch-Then-Paint训练方案和分层信用分配机制，解决扩散多模态大语言模型在强化学习优化中的关键问题，提升图像质量和审美效果。

Latent Action Control for Reasoning-Guided Unified Image Generation

潜在动作控制用于推理引导的统一图像生成

Fuxiang Zhai, Sixiang Chen, Yingjin Li, Shuaibo Li, Jianyu Lai, Tengjun Huang, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

专题命中 可控生成 ：image generation(title,abstract)；分类 cs.CV

AI总结 本文提出Latent Action Control (LAC)，通过将推理表示为隐藏的连续动作，使推理过程可操作，从而在统一生成器中实现推理引导的图像生成。LAC通过角色结构化的潜在轨迹进行规划、内部视觉草图、诊断和细化，并将这些动作注入到条件流生成的隐藏流中，从而提升生成质量。

PIXLRelight: Controllable Relighting via Intrinsic Conditioning

PIXLRelight: 通过内在条件实现可控的图像重照明

Miguel Farinha, Ronald Clark

机构 * Department of Computer Science（计算机科学系） ； University of Oxford（牛津大学） 纠错

专题命中 可控生成 ：image synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 PIXLRelight通过内在条件将物理基础渲染与学习图像合成相结合，实现对单图像重照明的可控性，其核心方法是利用真实照片或PBR渲染得到的内在条件进行训练和推理，从而在保证图像细节的同时实现高质量的重照明效果。

Comments Project page: https://mlfarinha.github.io/pixl-relight/. Under review

Generative 3D Gaussians with Learned Density Control

具有学习密度控制的生成3D高斯

Runjie Yan, Yan-Pei Cao, Peng Wang, Ding Liang, Yuan-Chen Guo

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出Density-Sampled Gaussians (DeG)，通过学习概率密度函数实现3D表示的自适应密度控制，结合渲染监督优化空间密度和高斯属性，提升单图到3D生成的质量。

Comments 19 pages, 16 figures, SIGGRAPH Conference Papers '26

FUNCanon: Learning Pose-Aware Action Primitives via Functional Object Canonicalization for Generalizable Robotic Manipulation

FUNCanon: 通过功能对象规范化学习姿态感知的动作原语以实现通用的机器人操作

Hongli Xu, Lei Zhang, Xiaoyue Hu, Boyang Zhong, Kaixin Bai, Zoltán-Csaba Márton, Zhenshan Bing, Zhaopeng Chen, Alois Christian Knoll, Jianwei Zhang

机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院TAMS（多模态系统技术）） ； Technical University of Munich（慕尼黑技术大学） ； Agile Robots SE（敏捷机器人有限公司） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出FUNCanon框架，通过功能对象规范化学习姿态感知的动作原语，以实现通用的机器人操作，该方法将长周期操作任务分解为由主体、动词和对象定义的动作片段，从而提升策略的可组合性和可重用性。

Comments project website: https://sites.google.com/view/funcanon, 11 pages

Training-Free Occluded Text Rendering via Glyph Priors and Attention-Guided Semantic Blending

无需训练的遮挡文本渲染：通过字形先验和注意力引导的语义融合

Jingqi Hou, Hongtian Wang

机构 * College of Computer Science, Beijing University of Technology, Beijing, China（北京理工大学计算机学院） 纠错

专题命中 可控生成 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出一种无需训练的遮挡文本渲染框架，通过预训练的FLUX.1-dev模型，解决文本生成中遮挡物位置和文本结构稳定性问题，采用双流推理和字形先验稳定文本结构，提升文本可读性和遮挡对齐效果。

Comments 9 pages, 3 figures, 3 tables