图像生成

Detecting Diffusion-Generated Time Series Under Generator Shift

检测生成器偏移下的扩散生成时间序列

Zhi Wen Soi, Aditya Shankar, Gert Lek, Abele Mălan, Daniel Neider, Jian-Jia Chen, Lydia Chen

机构 * TU Dortmund University\ of Neuch\ a tel Dortmund Germany ； Delft University of Technology Delft Netherlands ； University of Neuch\ a tel Neuch\ a tel Switzerland ； TU Dortmund University Dortmund Germany ； RWTH Aachen University\ Dortmund University Aachen Germany ； University of Neuch\ a tel\ University of Technology Neuch\ a tel Switzerland ； TU Dortmund University\ of Neuch\ a tel ； Delft University of Technology ； University of Neuch\ a tel ； TU Dortmund University ； RWTH Aachen University\ Dortmund University ； University of Neuch\ a tel\ University of Technology 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对生成器未知的扩散生成时间序列检测问题，比较了白盒与黑盒方法，发现简单分类器作为黑盒检测器显著优于白盒方法，并指出该问题不能直接迁移图像领域经验。

PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion

PhAME: 基于表型感知的潜在扩散分子编辑

Łukasz Janisiów, Sebastian Musiał, Bartosz Zieliński, Dawid Rymarczyk, Tomasz Danel

机构 * Faculty of Mathematics and Computer Science, Jagiellonian University（杰洛内夫斯基大学数学与计算机科学学院） ； Doctoral School of Exact and Natural Sciences, Jagiellonian University（杰洛内夫斯基大学精确与自然科学博士学院） ； Jagiellonian Center for Artificial Intelligence, Jagiellonian University（杰洛内夫斯基人工智能中心） ； Faculty of Chemistry, Jagiellonian University（杰洛内夫斯基大学化学系） ； Ardigen SA（Ardigen公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出PhAME框架，利用潜在扩散模型在预训练图VAE的潜在空间中进行分子编辑，通过组合无分类器引导机制同时优化表型条件和结构相似性，实现高化学有效性和新颖性的多目标分子优化。

Analytical solution of the Langmuir model for moisture diffusion in cylindrical coordinates

圆柱坐标下朗缪尔模型水分扩散的解析解

Corentin Guigot, Romain Grangeat, Gilles-Alexis Renaut

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对圆柱几何中非菲克水分扩散问题，提出了朗缪尔模型的解析解，并通过数值验证其准确性，为天然纤维等圆柱系统提供高效分析框架。

Journal ref International Journal of Heat and Mass Transfer, 2026, 268, pp.129017

Frequency-Guided Action Diffusion via Sub-Frequency Manifold Traversal

通过子频率流形遍历的频率引导动作扩散

Junlin Wang

机构 * School of Engineering and Applied Science University of Pennsylvania（工程与应用科学学院 费城大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出频率引导算子（FGO），通过子频率流形逐步引导扩散策略生成平滑动作，在15个机器人操作任务上提升了动作平滑性和时间一致性。

Comments A preprint version of FGO

An efficient and stable diffusion generated method for quadrilateral mesh generation in general domains

一种高效稳定的扩散生成方法用于一般区域上的四边形网格生成

Jingwen Dai, Zhonghua Qiao, Dong Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于修正Ginzburg-Landau型能量泛函最小化的交叉场计算方法，通过将问题扩展到规则计算域并利用FFT线性扩散和逐点归一化迭代，实现了无需中间三角网格或复杂非线性优化的高质量四边形网格生成。

Are Diffusion Language Models Good Database Analysts?

扩散语言模型是好的数据库分析师吗？

Peixian Ma, Xialie Zhuang, Jiantao Tan, Changlun Li, Ruirui Chen, Chengwei Qin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出统一评估框架和SQL-D1智能体框架，通过实验证明扩散语言模型在NL2SQL任务中具有结构鲁棒性和效率-精度灵活权衡的优势。

Multidimensional Stein's method for asymptotic independence with invariant measures of diffusion

扩散不变测度下渐近独立性的多维Stein方法

Ciprian A. Tudor, Jérémy Zurcher

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对具有密度的扩散过程不变测度，提出多维Stein方法以量化随机变量与随机向量之间的渐近独立性，并给出Wasserstein距离的一般上界。

Comments 21 pages

DSRDM: Digital Signal Recovery Diffusion Model for Semantic Communications

DSRDM: 用于语义通信的数字信号恢复扩散模型

Zhigang Yan, Dong Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有语义通信忽略无线系统中数字信号的问题，提出数字信号恢复扩散模型(DSRDM)，通过前向扩散添加高斯信号编码数字信号，反向扩散迭代恢复，并利用潜在表示降低计算复杂度。

Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning

仿真引导的扩散方法用于去中心化多机器人运动规划

Jinhao Liang, Sven Koenig, Ferdinando Fioretto

机构 * University of Virginia（弗吉尼亚大学） ； University of California, Irvine（加州大学伊文斯顿分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于约束感知扩散模型的去中心化框架SID，通过仿真邻居未来轨迹并利用安全约束规划自身轨迹，在密集场景下实现高效协调。

Ligand-Conditioned Discrete Diffusion for Protein Sequence-Structure Co-Design

配体条件离散扩散用于蛋白质序列-结构协同设计

Chen Wei, Fanding Xu, Minghao Sun, Zhiyuan Liu, Lin Wang, Tianrui Jia, Yihang Zhou, Yang Zhang

机构 * Xi’an University of Posts & Telecommunications（西安邮电大学） ； National University of Singapore（新加坡国立大学） ； Xi’an Jiaotong University（西安交通大学） ； Institute of Systems Medicine, Chinese Academy of Medical Sciences（中国医学科学院系统医学研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出配体条件离散扩散模型ProtLiD²，通过几何感知交叉注意力联合生成氨基酸序列和离散结构令牌，实现配体约束下的蛋白质序列-结构协同设计，显著提升全局折叠置信度和配体感知通过率。

Comments 19 pages, 6 figures

Break the Block: Dynamic-size Reasoning Blocks for Diffusion Large Language Models via Monotonic Entropy Descent with Reinforcement Learning

打破块限制：通过单调熵下降与强化学习为扩散大语言模型实现动态大小推理块

Yan Jiang, Ruihong Qiu, Zi Huang

机构 * School of Electrical Engineering and Computer Science, The University of Queensland, Brisbane, Queensland, Australia（电气工程与计算机科学学院，昆士兰大学，布里斯班，昆士兰，澳大利亚） 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中固定大小推理块导致的逻辑连贯性差和效率低问题，提出基于单调熵下降目标与强化学习的后训练框架b1，学习动态大小推理块以提升推理连贯性。

Reasoning on the Manifold: Bidirectional Consistency for Self-Verification in Diffusion Language Models

流形上的推理：扩散语言模型中用于自我验证的双向一致性

Jiaoyang Ruan, Xin Gao, Yinda Chen, Hengyu Zeng, Liang Du, Guanghao Li, Jie Fu, Jian Pu

机构 * Institute of Science and Technology for Brain-Inspired Intelligence（脑启发智能科学与技术研究院） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； IEG, Tencent Inc.（腾讯IEG） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出双向流形一致性（BMC），一种无训练、无监督的度量方法，通过前向掩码和后向重建循环量化生成序列的稳定性，用于扩散语言模型的诊断、推理和对齐。

Comments 31 pages, 7 figures. Accepted to the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version

Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026

Early Decisions Matter: Proximity Bias and Initial Trajectory Shaping in Non-Autoregressive Diffusion Language Models

早期决策至关重要：非自回归扩散语言模型中的邻近偏差与初始轨迹塑造

Jiyeon Kim, Sungik Choi, Yongrae Jo, Moontae Lee, Minjoon Seo

机构 * LG AI Research（LG人工智能研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过分析非自回归扩散语言模型的推理动态，发现其存在邻近偏差导致的错误传播问题，并提出一种轻量级规划器和序列结束温度退火方法来引导早期令牌选择，从而显著提升推理与规划任务的性能。

Comments ICML 2026 Camera Ready

Why Gaussian Diffusion Models Fail on Discrete Data and How to Prevent It?

为什么高斯扩散模型在离散数据上失败以及如何防止？

Alexander Shabalin, Simon Elistratov, Viacheslav Meshchaninov, Ildus Sadrtdinov, Dmitry Vetrov

机构 * Constructor University（Constructor大学） ； Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究高斯扩散模型在离散数据上采样质量差的原因，发现关键采样区间内噪声数据密度呈多峰分布导致DDPM进入低密度区域，并提出自条件化和q采样结合的方法来改善生成质量。

Can I Have Your Order? Monte-Carlo Tree Search for Slot Filling Ordering in Diffusion Language Models

能给我你的订单吗？扩散语言模型中插槽填充顺序的蒙特卡洛树搜索

Joshua Ong Jun Leang, Yu Zhao, Mihaela Cătălina Stoian, Wenda Li, Shay B. Cohen, Eleonora Giunchiglia

机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散模型（MDM）中计划-填充解码对插槽填充顺序敏感的问题，提出McDiffuSE框架，利用蒙特卡洛树搜索（MCTS）优化生成顺序，平均性能提升3.2%，在MBPP和MATH500上分别提升19.5%和4.9%。

Comments 8 pages, ICML2026

Continuous Diffusion Models Can Obey Formal Syntax

连续扩散模型可以遵守形式语法

Jinwoo Kim, Taylor Berg-Kirkpatrick, Loris D'Antoni

机构 * Department of Computer Science and Engineering, University of California-San Diego, San Diego, USA（计算机科学与工程系，加州大学圣地亚哥分校，圣地亚哥，美国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无需训练的引导方法，利用正则表达式约束连续扩散语言模型的生成过程，使其满足形式语法，并在JSON和自然语言基准上实现68-96%的约束满足率。

Confinement and shear effects on the rotational diffusion of a minimal virus-inspired colloidal particle

限制和剪切对最小病毒启发胶体粒子旋转扩散的影响

Karen Gonzales-Flores, Ramón Castañeda-Priego, Francisco Alarcón

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过耗散粒子动力学模拟，研究振荡剪切流和受限空间对带有二聚体的刚性球体（模拟包膜病毒）旋转扩散的影响，发现旋转扩散系数受流动振幅强烈调制，而受刺突数量影响较弱。

Comments Manuscript submitted for peer review

Particle-Guided Diffusion Models for Partial Differential Equations

粒子引导的偏微分方程扩散模型

Andrew Millard, Fredrik Lindsten, Zheng Zhao

机构 * Department of Computer and Information Science, Linköping University, Linköping, Sweden（计算机与信息科学系，林雪平大学，林雪平，瑞典） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种粒子引导的随机采样方法，结合扩散模型与基于PDE残差和观测约束的物理引导，通过序贯蒙特卡洛框架实现可扩展的生成式PDE求解器，在多个基准和多物理场系统中数值误差低于现有方法。

Optimal and Diffusion Transports in Machine Learning

机器学习中的最优输运与扩散输运

Gabriel Peyré

机构 * CNRS and ENS PSL Université（法国国家科学研究中心和巴黎 sciences et lettres 高等学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文综述了机器学习中扩散方法和最优输运两种输运方法，它们通过拉格朗日视角设计概率分布演化，应用于采样、神经网络优化和大语言模型动力学建模。

Comments Proc. 2026 International Congress of Mathematicians

Diffusion-Augmented Markov Decision Processes for Maximum Entropy Reinforcement Learning

扩散增强马尔可夫决策过程用于最大熵强化学习

Sebastian Sanokowski, Kaustubh Patil

机构 * Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University Munich（慕尼黑机器人与机器智能研究所（MIRMI），技术大学慕尼黑） ； Practical Project Student Exchange Program, Technical University Munich（技术大学慕尼黑实践项目学生交换计划） ； MIT World Peace University（MIT和平大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过将最大熵强化学习扩展到扩散过程，提出扩散增强马尔可夫决策过程（DA-MDPs），以最小化反向KL散度的上界来学习最优策略轨迹分布，并成功将PPO、WPO和REPPO适配为扩散变体，在连续控制和多模态基准上取得与基线相当或更优的性能。

Comments Preprint

SCUDDO: An unsupervised clustering algorithm for single-cell Hi-C maps using diagonal diffusion operators

SCUDDO：一种使用对角扩散算子的单细胞Hi-C图谱无监督聚类算法

Luka Maisuradze, Corey S. O'Hern, Mark D. Shattuck

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对单细胞Hi-C图谱稀疏性高导致聚类困难的问题，提出无监督算法SCUDDO，利用对角扩散算子嵌入和聚类，在多个数据集上ARI提升超过0.2。

Journal ref Bioinformatics 42(5), btag284 (2026)

Nadaraya-Watson Type Estimator of the Transition Density Function for Diffusion Processes

扩散过程转移密度函数的Nadaraya-Watson型估计量

Nicolas Marie, Ousmane Sacko

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对扩散过程的独立连续观测，提出非参数Nadaraya-Watson型转移密度估计量，建立其风险界，并扩展惩罚比较过拟合带宽选择方法，最后提供数值实验。

Comments 24 pages, 4 figures

DebFilter: Eradicating Biases Stashed in Value

DebFilter: 消除隐藏在值中的偏见

Seung Hyuk Lee, Songkuk Kim

机构 * School of Integrated Technology, BK21 Graduate Program in Intelligent Semiconductor Technology（整合技术学院，智能半导体技术BK21研究生项目） 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 提出DebFilter，一种轻量级、无需训练的方法，通过调整交叉注意力中的值分量来纠正文本到图像扩散模型中的社会偏见，实现推理时偏差缓解。

Comments 8 pages, 7 figures, supplementary material included, CVPR 2026

Corrected Samplers for Discrete Flow Models

离散流模型的校正采样器

Zhengyan Wan, Yidong Ouyang, Liyan Xie, Hongyuan Zha, Fang Fang, Guang Cheng

机构 * School of Statistics, East China Normal University（东华大学统计学院） ； Department of Statistics and Data Science, University of California, Los Angeles（加州大学洛杉矶分校统计与数据科学系） ； Department of Industrial and Systems Engineering, University of Minnesota（明尼苏达大学工业与系统工程系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） 纠错

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

AI总结 针对离散流模型中现有采样器（如tau-leaping和Euler求解器）离散化误差大、需大量迭代的问题，提出时间校正和位置校正两种采样器，在不增加计算成本下降低误差，并证明位置校正采样器复杂度更低。

SAFE-Diff: Scale-Aware Attention and Feature-Dispersive Diffusion with Uncertainty Estimation for Contrast-Enhanced Breast MRI Synthesis

SAFE-Diff: 用于对比增强乳腺MRI合成的尺度感知注意力与特征分散扩散及不确定性估计

Tianyu Zhang, Xinglong Liang, Jarek van Dijk, Luyi Han, Chunyao Lu, Antonio Portaluri, Xinghe Xie, Yaofei Duan, Nika Rasoolzadeh, Xin Wang, Yuan Gao, Muzhen He, Yue Sun, Jonas Teuwen, Tao Tan, Ritse Mann

机构 * Department of Medical Imaging, Radboud University Medical Center（鲁文大学医学中心医学影像部） ； Department of Radiology, Netherlands Cancer Institute（荷兰癌症研究所放射科） ； Maastro Clinic（马斯垂克诊所） ； Faculty of Applied Science, Macao Polytechnic University（澳门理工大学应用科学学院） ； Department of Radiation Oncology, Netherlands Cancer Institute（荷兰癌症研究所放射肿瘤科） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出SAFE-Diff模型，通过尺度感知注意力、特征分散扩散和不确定性估计，解决对比增强乳腺MRI合成中复杂病灶纹理和异质性增强模式的挑战。

Comments Early accepted by MICCAI 2026

Balancing Fidelity and Diversity in Diffusion Models via Symmetric Attention Decomposition: Hopfield Perspective

通过对称注意力分解平衡扩散模型中的保真度与多样性：Hopfield视角

Hyunmin Cho, Woo Kyoung Han, Kyong Hwan Jin

机构 * Department of Electrical Engineering, Korea University, Seoul, South Korea（韩国大学电子工程系，首尔，韩国） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文通过将Transformer中的注意力矩阵分解为对称和反对称部分，从Hopfield网络视角解释并调控扩散模型生成中的保真度-多样性权衡。

Comments Accepted to ICML 2026 (Regular)

How VLAs Fail Differently: Black-Box Action Monitoring Reveals Architecture-Specific Failure Signatures

VLA如何以不同方式失败：黑盒动作监控揭示架构特定的失败特征

Krishnam Gupta

机构 * Independent Research（独立研究） 纠错

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)

AI总结 本文通过黑盒动作监控发现，视觉-语言-动作（VLA）架构在电机指令层面以根本不同且可预测的方式失败，并证明架构匹配的监控器选择至关重要。

Comments Accepted at IEEE ICRA 2026 Workshop "From Data to Decisions: VLA Pipelines for Real Robots", Vienna, June 2026. Non-archival workshop. 5 pages, 2 figures, 22 references

Trust Region Continual Learning as an Implicit Meta-Learner

信任区域持续学习作为隐式元学习器

Zekun Wang, Anant Gupta, Christopher J. MacLellan

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

专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)

AI总结 本文提出信任区域持续学习，通过结合生成重放和Fisher度量信任区域约束，实现隐式元学习效果，在任务增量扩散图像生成和持续扩散策略控制中取得最佳性能。

Comments 21 pages, 21 tables

Garment Particles: A 2D--3D Symmetric Garment Representation for Generation and Editing

Garment Particles: 一种用于生成和编辑的2D-3D对称服装表示

Kiyohiro Nakayama, I-Chao Shen, Ruofan Liu, Yiming Wang, Gordon Wetzstein, Takeo Igarashi

机构 * Stanford University USA（斯坦福大学） ； The University of Tokyo Japan（东京大学） ； Institute of Science Tokyo Japan（东京科学研究所） ； ETH Zurich Switzerland（苏黎世联邦理工学院） 纠错

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

AI总结 提出Garment Particles，一种5D点云表示，联合编码2D裁剪图和3D几何，通过Garment Particles Flow框架支持从高级输入生成和多种编辑操作，实现最先进的服装生成效果。

Alterbute: Editing Intrinsic Attributes of Objects in Images

Alterbute: 编辑图像中物体的内在属性

Tal Reiss, Daniel Winter, Matan Cohen, Alex Rav-Acha, Yael Pritch, Ariel Shamir, Yedid Hoshen

机构 * Google（谷歌） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Reichman University（雷赫曼大学） 纠错

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

AI总结 提出Alterbute方法，通过扩散模型结合松弛训练目标和视觉命名实体，在保持物体身份和场景上下文的同时编辑颜色、纹理、材质和形状等内在属性。

Comments ICML 2026. Project page is available at https://talreiss.github.io/alterbute/