Diffusion Fluid Antenna Systems for Resilient ISAC
扩散流体天线系统用于弹性ISAC
专题命中 扩散模型 ：diffusion(title,summary_cn)
AI总结 提出扩散流体天线系统，利用生成式AI驱动的空间自由度选择天线端口，重塑感知特征，实现目标隐身和干扰抑制。
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. 扩散模型 65 篇
PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion
PiD: 基于像素扩散的快速高分辨率潜解码
机构 * NVIDIA
专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 提出像素扩散解码器PiD，将潜解码重构为条件像素扩散，统一解码与上采样，实现低延迟高分辨率图像生成。
Comments Project Page: https://research.nvidia.com/labs/sil/projects/pid/
Diffusion Domain Expansion: Learning to Coordinate Pre-trained Diffusion Models
扩散域扩展：学习协调预训练扩散模型
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)
AI总结 提出扩散域扩展（DDE）方法，通过紧凑可训练网络协调预训练扩散模型的去噪输出，以生成更大对象并处理更复杂条件，在长音频生成和条件图像生成中优于其他方法。
Comments Accepted as poster at ICML 2024 Workshop on Structured Probabilistic Inference and Generative Modeling (SPIGM)
MASQ: Accelerating Masked Diffusion via Stage-Wise Multi-Precision Quantization
MASQ: 通过阶段式多精度量化加速掩码扩散
专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)
AI总结 针对掩码扩散中因全图处理导致的计算冗余问题，提出软硬件协同加速器MASQ，通过阶段式MXINT8/4/2精度分配、时间步感知调度及优化的非矩阵运算，实现高达16.06倍加速和4.18倍能效提升。
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
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）
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
Beyond VLM-Based Rewards: Diffusion-Native Latent Reward Modeling
超越基于VLM的奖励：扩散原生潜在奖励建模
机构 * The Hong Kong University of Science ； Huawei Hong Kong AI Framework \& Data Technologies Lab ； Tsinghua University ； The Australian National University
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出扩散原生潜在奖励模型DiNa-LRM，直接在噪声扩散状态上进行偏好学习，通过噪声校准Thurstone似然和推理时噪声集成，实现高效且鲁棒的奖励建模。
Comments Accepted by ICML 2026. Code: https://github.com/HKUST-C4G/diffusion-rm
Variance Reduction for Expectations with Diffusion Teachers
具有扩散教师的期望方差缩减
机构 * NVIDIA ； University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出CARV框架，通过分层蒙特卡洛估计器（摊销上游计算、时间步重要性采样和分层逆CDF构造）降低扩散模型作为冻结教师时的梯度方差，在文本到3D和蒸馏实验中实现2-3倍有效计算乘数。
Comments Project page: https://research.nvidia.com/labs/sil/projects/CARV/
Using Ensemble Diffusion to Estimate Uncertainty for End-to-End Autonomous Driving
使用集成扩散估计端到端自动驾驶的不确定性
机构 * Norwegian University of Science and Technology（挪威科学技术大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出EnDfuser系统，利用扩散模型作为轨迹规划器，通过集成扩散从单一感知帧生成候选轨迹分布，实现不确定性感知决策，在LAV基准上驾驶评分提升1.7%。
Comments Accepted at NLDL 2026
Diffusion and Flow Matching Models for Tabular Data: A Survey
表格数据的扩散与流匹配模型：综述
机构 * Great Bay University（大湾大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； LIACS, Leiden University（莱顿大学LIACS）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文系统综述了扩散模型和流匹配模型在表格数据生成、缺失值填补、可信数据生成和异常检测等任务中的应用，分析了数据工程挑战、设计选择、评估维度及开放问题。
Comments We substantially updated the previous version "Diffusion Models for Tabular Data: Challenges, Current Progress, and Future Directions" by including flow matching models for tabular data
Precipitation diffusion downscaling and application to out-of-distribution simulations with and without stratospheric aerosol injection
降水扩散降尺度及其在含/不含平流层气溶胶注入的分布外模拟中的应用
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文训练深度学习扩散降尺度模型，将粗分辨率气候模拟降尺度至0.25°美国日降水，并应用于含/不含平流层气溶胶注入的CESM2分布外模拟，评估SAI对极端降水的影响。
Simple proofs for the existence of smooth solutions to a reaction-diffusion system modeling reversible chemistry
可逆化学反应反应扩散系统光滑解存在的简单证明
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 针对一个描述可逆化学反应的反应扩散系统，在维度d≤3下，给出了解的存在性、唯一性和光滑性的简短证明。
Atom-Photon Bound States in Fractal Photonic Lattices: Localization Length and Anomalous Diffusion
分形光子晶格中的原子-光子束缚态：局域长度与反常扩散
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 通过热核表达光子格林函数，研究耦合到自相似光子晶格的两能级发射体所引发的原子-光子束缚态，发现远场局域长度服从标度律ξ~Δ^{-1/d_w}，该标度由反常扩散控制，不依赖平移不变性或带边有效质量近似。
Comments 11 pages, 5 figures
DiLaDiff: Distilled Latent-Augmented Diffusion for Language Modeling
DiLaDiff: 蒸馏潜在增强扩散用于语言建模
机构 * NVIDIA（英伟达）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出DiLaDiff，通过连续潜在空间、潜在扩散模型和一致性蒸馏解决扩散语言模型在解码令牌相关性上的不足，提升采样质量和推理速度。
GeoCycler: Reward-Aligned 3D Diffusion for Constraint-Conditioned Cyclic Peptide Design
GeoCycler: 面向约束条件的环肽设计的奖励对齐3D扩散模型
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出GeoCycler框架，通过奖励加权扩散对齐训练条件潜扩散模型，以改善环肽生成中的大环化可行性，在LNR基准上显著提升闭合成功率。
Hybrid Quantum-Classical Corrective Diffusion Modeling for Meteorological Downscaling
混合量子-经典校正扩散模型用于气象降尺度
机构 * University of Iceland（爱沙尼亚大学） ； RWTH Aachen University（亚琛工业大学） ； University of Cologne（科隆大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出一种混合量子-经典校正扩散模型，通过在扩散UNet的瓶颈层插入变分量子电路进行潜在通道混合，在10米风场降尺度任务中改善了MAE和CRPS，并保持了空间结构与能谱分布。
Comments 11 pages, 9 figures. Submitted to IEEE QCE 2026
A Metadynamics-Based Framework for Free Energy Surface Mapping of Multiparticle Diffusion in Crystals
基于元动力学的晶体中多粒子扩散自由能面映射框架
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出两种基于元动力学的方法，通过副本状态交换元动力学和平行偏置元动力学将高维集体变量分解为低维，高效映射晶体中多相互作用载流子的自由能面，并以LixTiS2中的锂扩散验证了方法的准确性。
Contrastive Distribution Matching for Amortized Sequential Monte Carlo in Discrete Diffusion
对比分布匹配用于离散扩散中的摊销序贯蒙特卡洛
机构 * KAIST（韩国科学技术院） ； University of Michigan（密歇根大学） ； NVIDIA（英伟达）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出对比分布匹配（CDM）框架，通过正负样本学习参数化扭曲函数，摊销序贯蒙特卡洛（SMC）推理成本，在离散扩散中高效采样奖励倾斜分布。
Comments Project Page: https://cdm-smc.github.io/
Orientational frustration drives enhanced diffusion of anisotropic particles in a liquid labyrinth
取向受阻驱动各向异性粒子在液体迷宫中的增强扩散
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 通过3D单粒子追踪发现，一维碳纳米管在软物质迷宫中的扩散表现出反常且反持久的特性，长纳米管通过动态对齐通道实现几何辅助逃逸，从而弱化长度对逃逸时间的影响。
Comments 21 pages, 5 figures, 4 supplementary figures
On the $L^{2}$ estimates of the diffusion waves
关于扩散波的 $L^{2}$ 估计
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究强阻尼波动方程在低维情况（n=1,2）下解的 $L^2$ 范数长时间行为，通过引入差算子 $D(t)$ 比较扩散波与自由波，证明一维中自由波是有效渐近轮廓，而二维中波近似失效。
On the Robustness of Distribution Support under Diffusion Guidance
扩散引导下分布支撑的鲁棒性研究
机构 * Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） ； School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹学与信息工程学院） ； Department of Statistics, The University of Chicago（芝加哥大学统计学系）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文通过建立分布支撑的鲁棒性性质，理论解释了扩散引导为何能生成高质量样本，并覆盖DDIM和DDPM模型及多种离散化方案。
Training-Free Rate-Distortion-Perception Traversal With Diffusion
无训练率失真感知遍历与扩散
机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（信息工程系，香港中文大学，香港） ； College of Electronic and Information Engineering, Shenzhen University, Shenzhen（电子与信息工程学院，深圳大学，深圳）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出一种无需重新训练、利用预训练扩散模型遍历率失真感知（RDP）曲面的框架，结合反向信道编码与分数缩放概率流ODE解码器，理论证明其在AWGN下最优，实验验证其灵活性和有效性。
Comments Accepted by the Forty-Third International Conference on Machine Learning (ICML) 2026
D2 Actor Critic: Diffusion Actor Meets Distributional Critic
D2 Actor Critic: 扩散演员遇上分布式评论家
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； Department of Statistics, Northwestern University（统计学系，西北大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出D2AC算法，通过融合扩散策略与分布式评论家，实现无模型强化学习中扩散策略的在线高效训练，在18个困难任务上达到最先进性能。
Comments Accepted to TMLR 2025
The Burgers-FKPP advection-reaction-diffusion equation with cut-off
带截断的Burgers-FKPP平流-反应-扩散方程
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究Heaviside截断对Burgers-FKPP平流-反应-扩散方程前沿传播动力学的影响，证明存在唯一行波解并推导传播速度的主导渐近行为。
Diffusion-based Denoising Beats Vanilla Score Matching in Parameter Estimation: A Theoretical Explanation
基于扩散的去噪在参数估计中优于普通得分匹配：一个理论解释
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文通过理论分析证明，对于具有分离模态的多峰分布，基于扩散的去噪得分匹配估计器（DDSME）相比普通得分匹配估计器（SME）具有更优的误差界，并解释了扩散方法优越性的原因。
Learnability-Informed Fine-Tuning of Diffusion Language Models
扩散语言模型的可学习性感知微调
机构 * Department of Computer Science and Engineering, Texas A\&M University, College Station, TX, USA（计算机科学与工程系，德克萨斯A&M大学，College Station, TX, USA） ； Department of Electrical and Computer Engineering, Texas A\&M University, College Station, TX, USA（电气与计算机工程系，德克萨斯A&M大学，College Station, TX, USA）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 针对扩散语言模型（DLM）推理能力提升问题，提出基于可学习性感知的微调算法LIFT，通过在不同扩散时间步对齐训练与信息可用性，在六个推理基准上超越现有SFT基线，在AIME'24和AIME'25上实现高达3倍的相对提升。
VAMP-Diff: VampPrior Latent Diffusion for Photoplethysmography Modeling
VAMP-Diff: 用于光电容积描记法建模的VampPrior潜扩散模型
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Clarkson University（克林顿大学） ； Department of Computer Science（计算机科学系） ； Worcester Polytechnic Institute（沃思格理工学院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出VAMP-Diff，一种联合训练的变分扩散模型，结合时间编码器、条件一维扩散解码器和VampPrior正则化，以生成逼真的PPG波形并保持心率和呼吸信息。
Comments Submitted to the 2026 Asilomar Conference on Signals, Systems, and Computers. 12 pages, 6 figures
Leveraging Foundation Models for Causal Generative Modeling
利用基础模型进行因果生成建模
机构 * University of Arkansas（亚拉巴马大学）
专题命中 扩散模型 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 提出FM-CGM框架，通过预训练基础模型实现零样本因果发现、干预和反事实生成，并引入因果语义引导机制确保忠实反事实图像生成。
Compression as Adaptation: Implicit Visual Representation with Diffusion Foundation Models
压缩即适应：基于扩散基础模型的隐式视觉表示
机构 * Microsoft Research Asia（微软亚洲研究院） ； University of Cambridge（剑桥大学）
专题命中 扩散模型 ：diffusion(title)；分类 cs.CV
AI总结 提出一种将视觉信号编码为函数的新框架，通过冻结的视觉生成模型附加低秩适应参数实现隐式表示，并进一步哈希为紧凑向量，在极低比特率下实现强感知视频压缩，同时支持推理时缩放和调控，统一了视觉压缩与生成。
Comments ICML 2026
WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks
WellPINN：基于物理信息神经网络的瞬态流体压力扩散在储层中的精确井表征
机构 * Global Change Research Group (GCRG), IMEDEA, CSIC-UIB（全球变化研究组（GCRG），IMEDEA，CSIC-UIB）
专题命中 扩散模型 ：diffusion(title)
AI总结 提出WellPINN工作流，通过多阶段顺序训练物理信息神经网络（PINNs）并逐步缩小等效井半径，解决了现有PINN方法在注入早期井附近压力捕捉不准的问题，实现了全注入周期内由泵注速率精确推断流体压力。
What Linear Probes Miss: Multi-View Probing for Weight-Space Learning
线性探测的盲区：面向权重空间学习的多视角探测
机构 * Graduate School of Artificial Intelligence, Ulsan National Institute of Science（乌山国立科学技术研究生院）
专题命中 扩散模型 ：diffusion(abstract,abstract_cn)；分类 cs.CV
AI总结 针对现有探测方法仅捕获一阶结构而忽略行列交互中的高阶相关模式的问题，提出多视角探测框架MVProbe，通过融合一阶信号与基于Gram的交互感知视图，并基于不同探测阶数的缩放定律推导标准化与融合策略，在Model Jungle基准上超越现有方法。
Comments Accepted at ICML 2026. Code: https://github.com/AI-hew-math/MVProbe ; Project page: https://ai-hew-math.github.io/MVProbe/
