图像生成

Scaling World-Model Reinforcement Learning Through Diffusion Policy Optimization

通过扩散策略优化扩展世界模型强化学习

Xiaoyuan Cheng, Wenxuan Yuan, Zhancun Mu, Yuanzhao Zhang, Yiming Yang, Hai Wang, Zhuo Sun, Che Liu

机构 * Dynamic Systems Lab, University College London（伦敦大学学院动态系统实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Santa Fe Institute（圣塔菲研究所） ； School of Statistics and Data Science, Shanghai University of Finance and Economics（上海财经大学统计与数据科学学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对世界模型强化学习中搜索与价值学习之间的结构错位问题，提出基于扩散策略优化的模型基方法MBDPO，统一搜索与策略优化，实现可扩展的策略学习。

AirCast-SR: A Foundation Model for Kilometer-Scale Atmospheric Super-Resolution via Latent Consistency Diffusion

AirCast-SR: 基于潜在一致性扩散的千米级大气超分辨率基础模型

Somnath Luitel, Manmeet Singh, Joshua Durkee, Abdullah Al Fahad, Naveen Sudharsan, Prabhjot Singh, Cenlin He, Harsh Kamath, Zong-Liang Yang, Krishnagopal Halder, Sandeep Juneja, Parthasarathi Mukhopadhyay, Saptarishi Dhanuka, Amit Kumar Srivastava

机构 * Department of Earth, Environmental, and Atmospheric Sciences, Western Kentucky University, Bowling Green, KY, USA（地球、环境与大气科学系，西部肯塔基大学） ； NASA Goddard Space Flight Center, Greenbelt, MD, USA（NASA戈达德太空飞行中心） ； The University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校） ； NSF National Center for Atmospheric Research, Boulder, CO, USA（国家大气科学研究中心） ； Leibniz Centre for Agricultural Landscape Research (ZALF), Berlin, Germany（莱比锡农业景观研究中心（ZALF）） ； Ashoka University, Sonipat, India（阿什oka大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出AirCast-SR基础模型，利用潜在一致性扩散框架将全球AI天气预报从0.25度降尺度至1公里分辨率，实现零偏差和跨区域零样本迁移。

Comments Somnath Luitel and Manmeet Singh are equal-contribution co-first authors, with Manmeet Singh (manmeet.singh@wku.edu) as corresponding author

CreditDecoding: Accelerating Parallel Decoding in Diffusion Large Language Models with Trace Credit

CreditDecoding: 利用轨迹信用加速扩散大语言模型中的并行解码

Kangyu Wang, Zhiyun Jiang, Haibo Feng, Weijia Zhao, Lin Liu, Jianguo Li, Zhenzhong Lan, Weiyao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） ； Westlake University（西湖大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型并行解码中正确令牌被反复重掩导致冗余迭代的问题，提出基于轨迹信用的无训练并行解码方法CreditDecoding，融合历史证据与当前logits提升低置信度正确令牌的置信度，实现高达5.48倍加速并提升准确性。

Comments 19 pages, 13 figures, 9 tables, Accepted to ACL 2026 main conference

Global in time solutions to stochastic reaction-diffusion systems with superlinear reactions satisfying a triangular control of mass

具有满足三角质量控制的超线性反应的随机反应扩散系统的全局时间解

Dionysis Milesis, Michael Salins

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究受乘性噪声扰动的反应扩散系统，在反应项满足拟正性、三角质量控制和多项式增长条件下，证明全局解的存在性。

Comments 38 pages

EnvCDiff: Joint Refinement of Environmental Information and Channel Fingerprints via Conditional Generative Diffusion Model

EnvCDiff：通过条件生成扩散模型联合优化环境信息与信道指纹

Zhenzhou Jin, Li You, Xiang-Gen Xia, Xiqi Gao

机构 * National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信研究中心） ； Purple Mountain Laboratories（紫金山实验室） ； Department of Electrical and Computer Engineering, University of Delaware（德雷塞尔大学电气与计算机工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对环境信息和信道指纹粗粒度问题，提出条件生成扩散模型（CDiff）同时细化两者，从粗粒度重建细粒度EnvCF，实验表明性能显著提升。

Comments 6 pages, 2 figures

Journal ref IEEE Transactions on Vehicular Technology, vol. 75, no. 4, pp. 6846-6851, Apr. 2026

Diff-Instruct with Diffused Reward: Towards Principled One-step Generator RL

Diff-Instruct with Diffused Reward: 迈向有原则的一步生成器强化学习

Junyi Wu, Weijian Luo, Haoyang Zheng, Ruizhe Zhang, Guang Lin

机构 * Purdue University（普渡大学） ； hi-lab, Xiaohongshu Inc.（小红书实验室，小红书公司） 纠错

专题命中 扩散模型 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 针对一步生成器强化学习中奖励优化与生成动力学不匹配的问题，提出基于积分KL最小化的无数据轨迹级对齐框架DIDR，通过扩散奖励分数和代理估计器实现奖励驱动的校正，在一步SDXL和6B DiT骨干网络上取得帕累托优势。

Comments author list correction

Black-box Membership Inference Attacks on the Pre-training Data of Image-generation Models

黑盒成员推断攻击：针对图像生成模型的预训练数据

Tao Qi, Huili Wang, Yuanhong Huang, Wendan Wang, Lianchao Zhao, Jinrui Wang, Zichen Qin, Shangguang Wang, Yongfeng Huang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出一种基于跨模态数据扰动的黑盒成员推断攻击框架SD-MIA，通过分析扩散模型对目标图像和扰动文本指令的去噪过程，有效检测预训练数据中的成员关系。

Comments 13 pages, 9 figures; CVPR 2026 camera-ready

Personalized Generative Models for Contextual Debiasing

用于上下文去偏的个性化生成模型

Xinran Liang, Esin Tureci, Prachi Sinha, Ye Zhu, Vikram V. Ramaswamy, Olga Russakovsky

机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； LIX, CNRS, École Polytechnique（巴黎政治学院LIX研究所，法国国家科学研究中心） 纠错

专题命中 扩散模型 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出DecoupleGen方法，利用个性化文本到图像扩散模型生成罕见上下文图像，作为训练增强以缓解视觉识别中的上下文偏差。

Comments CVPR 2026 Workshop on Synthetic Data for Computer Vision and Generative Models for Computer Vision. Code available at https://github.com/princetonvisualai/DecoupleGen

Do Modern Post-Hoc Watermarking Methods Beat Broken-Arrows?

现代事后水印方法能否击败断箭？

Enoal Gesny, Eva Giboulot

机构 * Inria（法国里昂研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 本文通过公平比较现代与经典事后水印方法在多种攻击下的鲁棒性和安全性，发现经典方法在现实场景中更优。

Timestep-Aware SVDQuant-GPTQ for W4A4 Quantization of Wan2.2-I2V

时间步感知的 SVDQuant-GPTQ 用于 Wan2.2-I2V 的 W4A4 量化

Junhao Wu, Dezhong Yao, Hai Jin

机构 * National Engineering Research Center for Big Data Technology and System（大数据技术与系统国家工程研究中心） ； Services Computing Technology and System Lab（服务计算技术与系统实验室） ； Cluster and Grid Computing Lab（集群与网格计算实验室） ； School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 针对 Wan2.2-I2V 视频扩散 Transformer 的 W4A4 量化，提出结合 SVDQuant 低秩异常补偿、GPTQ 重建感知残差权重量化和时间步分箱逐层激活裁剪比搜索的后训练量化框架，在 OpenS2V-Eval 上降低 59.3% 峰值显存且仅损失 0.9% VBench 平均分。

Recursive Flow Matching

递归流匹配

Jiahe Huang, Sihan Xu, Sharvaree Vadgama, Rose Yu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan（密歇根大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出递归流匹配（RecFM）框架，通过自一致性约束对齐不同离散化尺度的轨迹，实现高保真单步或少步（2-4步）动态生成，在科学基准上相比领先扩散模拟器加速20倍且提升预测精度。

Comments Project page: https://jhhuangchloe.github.io/RecFM/

Clinically-Grounded Counterfactual Reasoning for Medical Video Diagnosis

基于临床基础的反事实推理用于医学视频诊断

Jianzhe Gao, Churan Wang, Weiyi Zhang, Jianghua Li, Li-An Li, Wenguan Wang, Yixin Zhu, Yizhou Wang

机构 * Center for Data Science in Clinical Medicine（临床医学数据科学中心） ； The State Key Lab of Brain-Machine Intelligence（脑机智能国家重点实验室） ； Department of Gynecology and Obstetrics, 7th Medical Center of Chinese PLA General Hospital（中国人民解放军第七医学中心妇产科部） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室） ； Nat’l Eng. Research Center of Visual Technology（视觉技术国家工程研究中心） ； Beijing Key Laboratory of Behavior and Mental Health（北京行为与心理健康重点实验室） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学-武汉人工智能研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出MedVCR反事实推理框架，通过扩散生成器合成病理组织演变、临床规则编码诊断知识及双重诊断预测策略，在医学视频诊断任务上提升2.6%-10.2%性能。

AnchorDiff: Training-Free Concept Grounding for MM-DiTs via Anchor-Based Graph Propagation

AnchorDiff: 基于锚点图传播的无训练概念定位用于多模态扩散Transformer

Jian Zhang, Zhijun Zhang

机构 * School of Automation Science and Engineering（自动化科学与工程学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出AnchorDiff方法，通过锚点选择和混合图传播解耦语义定位与结构细化，解决多模态扩散Transformer中视觉混淆概念间的概念泄漏问题。

Cross-scale Aligned Supervision for Training GANs

跨尺度对齐监督用于训练生成对抗网络

Sangeek Hyun, MinKyu Lee, Jae-Pil Heo

机构 * Sungkyunkwan University（全北大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 针对GAN多尺度生成中跨尺度轨迹未对齐问题，提出CAT（跨尺度对齐Transformer），通过生成器侧一致性正则化对齐中间输出与最终输出，在ImageNet-256上实现FID-50K为1.56。

Comments Preprint

Geometry-Aware Representation Denoising for Robust Multi-view 3D Reconstruction

几何感知表示去噪用于鲁棒的多视角3D重建

Jin Hyeon Kim, Jaeeun Lee, Claire Kim, Kyoungjin Oh, Paul Hyunbin Cho, Jaewon Min, Yeji Choi, Jihye Park, Hyunhee Park, Minkyu Park, Seungryong Kim

机构 * KAIST AI（韩国国立科学技术院人工智能研究所） ； Samsung Electronics（三星电子） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出几何感知表示去噪（GARD）框架，在前馈3D重建模型的特征空间中执行扩散式多视角恢复，同时恢复场景几何与高质量RGB图像，在DA3基准上验证有效性。

MiVE: Multiscale Vision-language features for reference-guided video Editing

MiVE：用于参考引导视频编辑的多尺度视觉语言特征

Tong Wang, Meng Zou, Chengjing Wu, Xiaochao Qu, Luoqi Liu, Xiaolin Hu, Ting Liu

机构 * MT Lab, Meitu Inc., Beijing 100083, China（美图实验室，美图公司，北京100083，中国） ； Department of Computer Science and Technology, BNRist, IDG/McGovern Institute for Brain Research, Tsinghua University, Beijing 100084, China（计算机科学与技术系，BNRist，IDG/麦戈文脑研究学院，清华大学，北京100084，中国） ； Beijing University of Posts（北京邮电大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV

AI总结 提出MiVE框架，利用VLM的多尺度层次特征（早期层保留空间细节，深层编码全局语义）统一到自注意力扩散Transformer中，解决模态间隙和细粒度信息丢失问题，在参考引导视频编辑中达到SOTA性能。

Comments ICML 2026

Learning Dynamic Graph Representations through Timespan View Contrasts

通过时间跨度视图对比学习动态图表示

Yiming Xu, Zhen Peng, Bin Shi, Xu Hua, Bo Dong

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； School of Distance Education（继续教育学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出基于时间平移不变性的动态图表示框架CLDG和CLDG++，通过跨时间跨度对比学习和多尺度对比学习，有效提升节点分类和动态图异常检测性能。

Comments Accepted by Neural Networks

Lattice Boltzmann Methods with Anisotropic Equilibrium Distributions

具有各向异性平衡分布的格子玻尔兹曼方法

Benjamin Kellers, Julius Weinmiller, Arnulf Latz, Timo Danner

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种从各向异性平衡分布出发推导格子玻尔兹曼方法，通过Chapman-Enskog分析确保宏观行为正确，得到各向异性Navier-Stokes方程，并保持碰撞算子局部性、各向同性离散空间和速度空间等特性。

Dynamics of ring polymer melts: Memory function approach

环状聚合物熔体的动力学：记忆函数方法

Nail Fatkullin, Carlos Mattea, Kevin Lindt, Siegfried Stapf, Margarita Kruteva

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过引入有效球对称吸引势和记忆函数，利用重整化Rouse形式研究环状聚合物的静态与动态性质，结果与实验和模拟吻合，并揭示了自扩散系数随分子量指数衰减的动态局域化效应。

Comments 21 pages

Learning Energy-Based Models from Stochastic Interpolants using Spatiotemporal Differences

从随机插值中学习基于能量的模型：利用时空差异

Hanlin Yu, RuiKang OuYang, Partha Kaushik, Arto Klami, Michael U. Gutmann, Omar Chehab

机构 * University of Helsinki（赫尔辛基大学） ； University of Cambridge（剑桥大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出时空噪声对比估计（stNCE）框架，通过联合时空差异从随机插值中学习能量函数，统一现有方法并实现与最先进密度估计方法竞争的性能。

Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning

基于LLM驱动知识图谱推理生成逻辑一致的合成供应链数据

Yunbo Long, Ge Zheng, Liming Xu, Alexandra Brintrup

机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对合成供应链数据需保持操作逻辑一致性的问题，提出TabKG框架，通过构建列关系知识图谱并利用多LLM集成验证关系，结合潜在扩散模型生成逻辑一致的表格数据。

Defect engineering of ultrathin gallium nitride via electric fields for advanced electronic, magnetic, and gas sensing applications

通过电场对超薄氮化镓进行缺陷工程以实现先进的电子、磁性和气体传感应用

Yujia Tian, Devesh R. Kripalani, Ming Xue, Kun Zhou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过第一性原理计算，揭示了点空位缺陷、应变和外部电场协同作用对二维氮化镓（g-GaN）电子、磁性和传感性能的调控机制，发现镓空位可扩展理论稳定性极限，并利用一氧化氮吸附验证了缺陷与电场的可调性。

Comments 8 figures

Journal ref ACS Nano (2026) 20, 14378-14391

Biophoton Emission from Palm during Meditation: A Multi-Method Complexity Analysis

冥想期间手掌的生物光子发射：多方法复杂性分析

E. Pace, L. De Paolis, G. Felici, I. Vaglini, M. Sandrini, M. Pettini, A. Gemignani, M. Benfatto

专题命中 扩散模型 ：diffusion(abstract)

AI总结 采用多方法复杂性分析框架，研究人类手掌在冥想期间的超弱光子发射，发现冥想导致发射间歇性系统性降低，并与心脏和脑电复杂性变化一致。

Comments 49 pages, 8 Figures, it will be submitted to Frontiers in Photobiology

On the Generalization Capabilities, Design Choices and Limitations of Keypoint Imitation Learning

关键点模仿学习的泛化能力、设计选择与局限性

Thomas Lips, Marco Moletta, Michael C. Welle, Danica Kragic, Francis wyffels

机构 * AI and Robotics Lab, IDLAB-AIRO, Ghent University-imec（人工智能与机器人实验室，IDLAB-AIRO，根特大学-imec） ； Robotics, Perception and Learning Lab, (RPL), EECS, KTH Royal Institute of Technology（机器人、感知与学习实验室，（RPL），EECS，皇家理工学院） ； INCAR Robotics AB, Stockholm, Sweden（INCAR机器人公司，斯德哥尔摩，瑞典） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过2000多次真实世界实验，系统评估了基于视觉基础模型的关键点模仿学习在机器人操作中的泛化能力、设计选择及局限性，发现其总体成功率达75%，显著优于RGB基线（47%），与S2扩散模型（73%）相当，但未超越其他表示方法且继承了基础模型的局限。

Comments This version was submitted to IROS 2026

AgentSociety: Incentivizing Agentic Social Intelligence

AgentSociety: 激励代理社交智能

Aditya Vema Reddy Kesari, Krishna Reddy Kesari

机构 * IIT Bombay（印度理工学院班加罗尔） ； Amazon（亚马逊） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于流动民主和信息扩散的激励机制AgentSociety，使去中心化代理能够自主协作、策略性沟通并最大化效用，同时通过共识路由实现集体成果。

Co-folding model guided by structural proteomics

结构蛋白质组学引导的共折叠模型

Alon Shtrikman, Nitzan Simchi, Michal Ran Shchory, Sagie Brodsky, Eran Seger, Kirill Pevzner

机构 * Protai Bio（Protai生物） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出AIMS-Fold框架，通过整合XL-MS和HDX-MS实验数据与扩散模型，在推理时引导蛋白质复合物构象生成，提升诱导接近靶标的预测准确性。

Tip growth in a strongly concentrated aggregation model follows local geodesics

强凝聚聚集模型中的尖端增长遵循局部测地线

Frankie Higgs

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过分析聚集Loewner演化（ALE）在特定参数下的小粒子缩放极限，证明了其收敛到Laplacian路径模型，其中尖端沿测地线向无穷远增长。

Comments 44 pages, 5 figures. This version accepted for publication in PTRF, with a much simpler proof in Section 5.1 and 3 new figures

MetaTele: Compact Refractive Metasurface Computational Telephoto Camera

MetaTele: 紧凑型折射超表面计算长焦相机

Harshana Weligampola, Yuanrui Chen, Abhiram Gnanasambandam, Dilshan Godaliyadda, Hamid R. Sheikh, Stanley H. Chan, Qi Guo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种光学-算法协同设计MetaTele，通过窄带结构成像与宽带颜色线索的分离采集，结合单步扩散模型融合，实现0.44超低长焦比（TTL仅13mm）的RGB成像。

Flow Matching Policy Optimization with Mirror Descent and Entropy Constraints

基于镜像下降和熵约束的流匹配策略优化

Ting Gao, Stavros Orfanoudakis, Nan Lin, Winnie Daamen, Serge Hoogendoorn, Elvin Isufi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对在线强化学习中策略表达性与探索-利用平衡的挑战，提出基于ODE流匹配的框架FMER，通过免模拟策略优化和可计算熵目标，结合动态温度调节，在稀疏奖励任务中取得优越性能。

Variational characterizations of weighted eigenvalue and basic reproduction ratio for nonlocal dispersal systems and application

非局部扩散系统的加权特征值和基本再生数的变分刻画及其应用

Xiandong Lin, Jiazhuo Cheng, Qiru Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对非局部扩散系统中因非紧致性导致主特征值可能缺失的问题，通过建立非局部扩散算子的谱界的Collatz-Wielandt和Rayleigh-Ritz变分刻画，在非退化与部分退化情形下刻画谱界为零的唯一参数值，从而得到基本再生数的显式表达式，并应用于具有饱和发病率的非局部扩散SIS流行病模型。

Comments 25 pages