图像生成

MiAD: Mirage Atom Diffusion for De Novo Crystal Generation

MiAD: 幻影原子扩散用于从头晶体生成

Andrey Okhotin, Maksim Nakhodnov, Nikita Kazeev, Mikhail Lazarev, Andrey E Ustyuzhanin, Dmitry Vetrov

机构 * Higher School of Economics（俄罗斯高等经济学院） ； Moscow State University（莫斯科大学） ； Constructor University of Bremen（不来梅Constructor大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出幻影注入技术，使扩散模型能在生成过程中改变原子数量，显著提升晶体生成质量，在MP-20数据集上实现8.2%的S.U.N.率。

Permutation-Invariant Spectral Learning via Dyson Diffusion

通过戴森扩散的置换不变谱学习

Tassilo Schwarz, Cai Dieball, Constantin Kogler, Renaud Lambiotte, Arnaud Doucet, Aljaž Godec, George Deligiannidis

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Mathematical bioPhysics Group, Max Planck Institute for Multidisciplinary Sciences（多学科科学研究所马克斯·普朗克数学生物物理组） ； School of Mathematics, Institute for Advanced Study（高级研究院数学学院） ； Department of Statistics, University of Oxford（牛津大学统计系） ； Mathematical Physics and Stochastic Dynamics, University of Freiburg（弗赖堡大学数学物理与随机动力学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出戴森扩散模型，利用随机矩阵理论从分析上提取扩散过程的谱特性，将归纳偏置从架构转移到动力学，实现置换不变的谱学习，准确学习图谱并超越现有图扩散模型。

Energetic characterisation of transient clustering dynamics in aggregation-diffusion systems

聚集-扩散系统中瞬态聚集动力学的能量表征

Nathalie Wehlitz, Richard Scherzer, Carsten Hartmann, Stefanie Winkelmann

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文从能量角度研究非局部聚集-扩散系统中的瞬态聚集动力学，利用Wasserstein梯度流结构分析聚集与扩散的热力学竞争，并通过数值实验揭示交替主导的瞬态机制及聚集观测量的局限性。

Comments 19 pages, 9 figures

Diffusion Models Are Statistically Optimal for Learning Low-Dimensional Multi-Modal Distributions

扩散模型在学习低维多模态分布时具有统计最优性

Jingda Wu, Changxiao Cai

机构 * Department of Industrial and Operations Engineering, University of Michigan, Ann Arbor, USA（工业与运营工程系，密歇根大学，安娜堡，美国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文证明扩散模型在学习支撑在低维子空间并集上的分布时，样本复杂度仅依赖于内在维度，达到近最优的1-Wasserstein误差率，无需光滑性或有界密度假设。

Comments accepted to ICML 2026

Sample-Efficient Diffusion-based Reinforcement Learning with Critic Guidance

基于评论家引导的样本高效扩散强化学习

Shutong Ding, Zejia Zhong, Zhongyi Wang, Ke Hu, Bikang Pan, Jingya Wang, Ye Shi

机构 * ShanghaiTech University（上海科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散策略在强化学习中探索与利用不平衡的问题，提出评论家引导的扩散策略优化（CGPO），通过无训练引导技术平衡探索与利用，在MuJoCo和Franka机器人任务上取得最优性能。

Comments accepted by ICML2026

Masked Diffusion Modeling for Anomaly Detection

掩码扩散建模用于异常检测

Lixing Zhang, Yuchen Liang, Liyan Xie

机构 * University of Minnesota（明尼苏达大学） ； Ohio State University（俄亥俄州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于掩码扩散模型的MaskDiff-AD方法，通过重建随机掩码坐标的难度构建异常分数，在分类、混合类型和离散序列数据上实现高效异常检测。

Fisher-Preserving Guidance: Training-Free Manifold Constraints for Safe Diffusion Control

Fisher保持引导：用于安全扩散控制的免训练流形约束

Hao Ren, Zetong Bi, Yiming Zeng, Le Zheng, Zhi Li, Zhaoliang Wan, Lu Qi, Hui Cheng

机构 * Sun Yat-sen University, Guangzhou, China（中山大学，广州，中国） ； Insta360 Research, Shenzhen, China（Insta360研究院，深圳，中国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种免训练的Fisher保持引导方法，通过低秩雅可比分解计算Fisher保持更新，并利用截断Fisher去噪敏感性作为不确定性信号，在视觉导航中实现可靠且高效的轨迹预测。

Comments ICML2026

Bastion: Budget-Aware Speculative Decoding with Tree-structured Block Diffusion Drafting

Bastion: 预算感知的树结构块扩散草稿投机解码

Soowon Oh, Nam Cao, Yujin Kim, Hojung Jung, Huzama Ahmad, Sangmin Bae, Se-Young Yun

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Samsung Advanced Institute of Technology（三星先进技术研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出BASTION框架，通过动态构建查询相关的树结构平衡草稿质量与硬件约束，实现预算感知的投机解码，无需训练且保持目标模型分布，速度提升达6.61倍。

A Unified Two-Stage Generative Diffusion Framework for Channel Estimation and Port Selection in Multiuser MIMO-FAS

多用户MIMO-FAS中信道估计与端口选择的统一两阶段生成扩散框架

Erqiang Tang, Wei Guo, Hengtao He, Shenghui Song, Jun Zhang, Khaled B. Letaief

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一个统一的两阶段扩散框架，通过最大后验推断将联合任务分解为连续流扩散模型（用于信道估计）和离散扩散模型（用于端口选择），在低采样率下实现高精度信道恢复和全局最优端口选择。

Decoding Strategies for Diffusion-Based ASR: A Systematic Evaluation of Confidence-Based Thresholding

基于扩散的ASR解码策略：基于置信度阈值的系统评估

Jeong Hun Yeo, Minsu Kim, Hyeongseop Rha, Yong Man Ro

机构 * KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文系统评估了基于扩散语言模型的ASR中三种解码策略，提出使用基于负对数似然的不确定性度量来监控解码进度，发现基于阈值的策略在准确率和速度上均优于固定步数策略，其中静态阈值策略在匹配自回归解码准确率的同时具有更高效率。

Cluster-Level Attention-Guided Parallel Decoding for Masked Diffusion Language Models

掩码扩散语言模型的簇级注意力引导并行解码

Heqiang Qi, Wei Huang, Mingyuan Bai, Xiangming Meng

机构 * Zhejiang University（浙江大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院先进智能项目中心） ； The Institute of Statistical Mathematics（统计数学研究所） ； Agency for Science, Technology and Research (A ⋆ \star STAR)（科技研究局（A ⋆ STAR）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CLAD方法，通过将相邻高置信度token聚合成簇，并利用自注意力图估计簇间依赖，实现掩码扩散语言模型的训练无关簇级并行解码，在保持任务精度的同时获得1.77-8.47倍加速。

Mind-Omni: A Unified Multi-Task Framework for Brain-Vision-Language Modeling via Discrete Diffusion

Mind-Omni：通过离散扩散实现脑-视觉-语言建模的统一多任务框架

Yizhuo Lu, Changde Du, Qingyu Shi, Hang Chen, Jie Peng, Liuyun Jiang, Shuangchen Zhao, Huiguang He

机构 * NeuBCI Lab, State Key Laboratory of Brain Cognition ； Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences, Beijing, China ； School of Future Technology, University of Chinese Academy of Sciences, Beijing, China ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China ； Zhongguancun Academy, Beijing, China ； Peking University, Beijing, China 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Mind-Omni框架，利用离散扩散范式统一七种编码与解码任务，通过脑分词器将连续脑信号转化为离散令牌，实现多模态交互，并构建脑问答指令调优数据集，在多项任务上达到或超越专用模型性能。

Stage-wise Distortion-Perception Traversal in Zero-shot Inverse Problems with Diffusion Models

基于扩散模型的零样本逆问题中的逐阶段失真-感知遍历

Jiawei Zhang, Ziyuan Liu, Leon Yan, Zhenyu Xiao, Yuantao Gu

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； Department of Electronic Engineering, Tsinghua University , Beijing, China（清华大学电子工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种逐阶段框架MAP-RPS，通过MAP估计和重噪声后验采样实现单扩散模型下的失真-感知权衡遍历，并扩展至潜空间LMAP-RPS以提升适用性。

Comments Accepted by ICML 2026

Accelerating trajectory optimization with Sobolev-trained diffusion policies

基于Sobolev训练的扩散策略加速轨迹优化

Théotime Le Hellard, Franki Nguimatsia Tiofack, Quentin Le Lidec, Justin Carpentier

机构 * Inria - Département d’Informatique de l’École normale supérieure, PSL Research University（法国国家科学研究中心-巴黎高等师范学院计算机系，PSL研究大学） ； Courant Institute, New York University（纽约大学Courant研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对梯度型轨迹优化求解器，提出利用Sobolev学习训练扩散策略以提供初始猜测，通过利用轨迹和反馈增益的一阶损失避免复合误差，实现求解时间减少2至20倍。

Sparse Scheduled Diffusion Guidance for Inverse Problems

稀疏调度扩散引导用于逆问题

Abduragim Shtanchaev, Albina Ilina, Yazid Janati, Arip Asadulaev, Martin Takac, Eric Moulines

机构 * MBZUAI（穆扎伊人工智能研究院） ； Institute of Foundation Models（基础模型研究所） ； EPITA 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Spin方法，通过从中间时间步开始后验采样并仅在调度步骤应用轻量级校正，实现高效逆问题求解，在FFHQ和ImageNet上速度提升2-50倍且内存更低。

DFlash: Block Diffusion for Flash Speculative Decoding

DFlash：用于快速推测解码的块扩散模型

Jian Chen, Yesheng Liang, Zhijian Liu

机构 * Z-Lab 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DFlash框架，利用轻量级块扩散模型并行生成草稿，通过目标模型上下文特征条件化，实现高质量草稿和高接受率，在多种模型和任务上实现超过6倍无损加速，比最先进的推测解码方法EAGLE-3快2.5倍。

Comments Accepted at ICML 2026. Camera-ready version. Code: https://github.com/z-lab/dflash

Mechanism Shift During Post-training from Autoregressive to Masked Diffusion Language Models

从自回归到掩码扩散语言模型的后训练中的机制转变

Injin Kong, Hyoungjoon Lee, Yohan Jo

机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） ； Department of Biosystems & Biomaterials Science and Engineering, Seoul National University（首尔国立大学生物系统与生物材料科学与工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过比较电路分析，发现后训练得到的掩码扩散模型在结构上根据任务保留或重组自回归电路，在语义上从局部专业化转向分布式整合，表明扩散后训练是内部计算的深度重组。

Diffusion differentiable resampling

扩散可微重采样

Jennifer Rosina Andersson, Zheng Zhao

机构 * Department of Information Technology, Uppsala University, Sweden（乌普萨拉大学信息科技系，瑞典） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对序贯蒙特卡洛中的可微重采样问题，提出一种基于无训练扩散模型代理的信息性且即时可微的重采样方法，理论证明其一致性，并在多个滤波和参数估计基准上优于现有方法。

Comments In ICML 2026

Diffusion-based learning framework for Constrained Nonconvex Optimization with Weighted Bootstrapped Refinement

基于扩散的约束非凸优化学习框架与加权自举细化

Shutong Ding, Yimiao Zhou, Ke Hu, Xi Yao, Junchi Yan, Xiaoying Tang, Ye Shi

机构 * ShanghaiTech University（上海科技大学） ； MoE Key Laboratory of Intelligent Perception（智能感知MoE重点实验室） ； Human Machine Collaboration（人机协同） ； Shanghai Jiao Tong University（上海交通大学） ； China Mobile Communications Company Limited Research Institute（中国移动通信公司有限研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiOpt框架，通过监督预热和自举训练两阶段学习噪声到约束区域的映射，解决扩散模型在约束非凸优化中的分布错位问题，实现高约束满足和最优性。

Comments accepted by ICML2026

Modal-Rectification-Based Directional Edge Diffusion for Cartesian Convection--Diffusion Problems

基于模态矫正的笛卡尔对流-扩散问题定向边缘扩散

Gossrin Jean-Marc Bomisso, Ali Ouattara Kouma

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对对流主导的笛卡尔网格对流-扩散方程，提出基于中心模板傅里叶符号模态矫正的局部定向边缘扩散校正ADSC，证明正则化算子的相容性、能量稳定性及条件收敛性，数值实验显示极值控制和模态主导性降低。

Comments 45 pages, 7 figures

The Confidence Shortcut: A Reasoning Failure Mode of Masked Diffusion Models

置信捷径：掩码扩散模型的一种推理失败模式

Dueun Kim, Albert No

机构 * Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文发现掩码扩散模型在置信度解码时存在推理失败模式，表现为过早预测局部易解部分而忽略长程依赖，导致复杂输入错误率升高，而随机掩码训练能保持推理轨迹条件。

Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation

用于宇宙学21厘米光锥模拟的三维条件扩散模型

Bin Xia, John H. Wise

机构 * Center for Relativistic Astrophysics, School of Physics, Georgia Institute of Technology, Atlanta, GA 30332, USA（相对论天体物理中心，物理学院，佐治亚理工学院，亚特兰大，GA 30332，USA） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对三维21厘米光锥模拟的困难，通过对比预处理、动态范围压缩、架构深度和训练时长等配置，发现Yeo-Johnson预处理结合中等幅度压缩在全局信号的标准化平均绝对误差上表现最优，但视觉上合理的样本仍存在统计偏差。

Orthogonal Concept Erasure for Diffusion Models

扩散模型的正交概念擦除

Yuhao Sun, Lingyun Yu, Haoxiang Xu, Fengyuan Miao, Zhuoer Xu, Hongtao Xie

机构 * University of Science（科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出正交概念擦除（OCE）方法，通过几何视角的乘法参数更新实现精确概念擦除，同时保持生成能力，支持多概念擦除。

Comments Accepted by ICML 2026 Oral

Spectral Guidance for Flexible and Efficient Control of Diffusion Models

谱引导：灵活高效的扩散模型控制方法

Gabriel Moreira, Manuel Marques, João Paulo Costeira, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Institute for Systems and Robotics（系统与机器人研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出谱引导框架，通过条件期望算子的奇异函数学习生成过程的固有几何结构，实现无需重训练或反向传播的稳定高保真控制，在CIFAR-10上条件准确率提升37个百分点且采样加速4倍。

Comments ICML 2026

From AR to Diffusion: Efficiently Adapting Large Language Models with Strictly Causal and Elastic Horizons

从自回归到扩散：利用严格因果与弹性视野高效适配大型语言模型

Xiangyu Ma, Teng Xiao, Zuchao Li, Lefei Zhang

机构 * School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出FLUID框架，通过严格因果对齐和弹性视野机制，将自回归模型高效适配为扩散模型，实现并行文本生成并大幅降低训练成本。

Comments Accepted by ACL 2026

DiffRetriever: Parallel Representative Tokens for Retrieval with Diffusion Language Models

DiffRetriever: 基于扩散语言模型的并行代表标记用于检索

Shuai Wang, Yu Yin, Shengyao Zhuang, Bevan Koopman, Guido Zuccon

机构 * The University of Queensland（昆士兰大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiffRetriever，利用扩散语言模型的掩码位置预测直接进行检索，支持单表示和多表示检索，在多个基准上优于现有方法。

Comments Updated analysis, ablation and benchmark with sota retrievers, indexing storage/latency ablation, isolating the effectiveness gain

Is Your Diffusion Sampler Actually Correct? A Sampler-Centric Evaluation of Discrete Diffusion Language Models

你的扩散采样器真的正确吗？离散扩散语言模型的采样器中心评估

Luhan Tang, Longxuan Yu, Shaorong Zhang, Greg Ver Steeg

机构 * University of California, Riverside（加州大学河滨分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对离散扩散语言模型评估中采样误差与去噪误差混淆的问题，提出基于oracle的采样器中心框架，通过精确隐马尔可夫模型后验隔离采样误差，发现少步离散扩散采样器在oracle去噪器下仍存在分布偏差。

Comments 30 pages, 10 figures

Emergence of phantom cold dark matter from spacetime diffusion

时空扩散产生的幻影冷暗物质

Jonathan Oppenheim, Emanuele Panella, Andrew Pontzen

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出时空度量的随机扩散在宇宙早期产生幻影冷暗物质，其平均能量密度为正，可模拟传统冷暗物质的结构形成、引力透镜和星系旋转曲线等观测现象。

Comments 23 pages + appendix. Revised to match the manuscript accepted for publication in Physical Review D; changes include updates made during peer review

Journal ref Phys.Rev.D 113 (2026) 10, 103521

Revealing Short- and Long-range Li-ion diffusion in Li$_2$MnO$_3$ from finite-temperature dynamical mean field theory

从有限温度动力学平均场理论揭示Li$_2$MnO$_3$中的短程和长程锂离子扩散

Alex Taekyung Lee, Kristin A. Persson, Anh T. Ngo

专题命中 扩散模型 ：diffusion(title)

AI总结 结合DFT+$U$、有限温度DFT+DMFT和NEB方法，研究顺磁Li$_2$MnO$_3$中单个锂空位存在下的Li$^{+}$迁移，发现动力学关联显著重整最低势垒过程，短程跳跃活化能0.18 eV与μ$^{+}$SR一致，长程输运活化能0.50 eV与交流阻抗测量吻合，无需引入团簇空位或强无序即可统一解释局域和宏观探针。

Comments 8 pages, 6 figures

Journal ref Journal of Materials Chemistry A, 14, 20324 (2026)

Masquerade: Learning from In-the-wild Human Videos using Data-Editing

Masquerade: 利用数据编辑从真实世界人类视频中学习

Marion Lepert, Jiaying Fang, Jeannette Bohg

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出Masquerade方法，通过编辑真实世界第一人称人类视频（估计3D手部姿态、修复手臂、叠加渲染双臂机器人）弥合视觉具身差距，并利用编辑后的视频预训练视觉编码器、微调扩散策略头，在三个长时程双臂厨房任务中实现比基线高5-6倍的泛化性能。

Comments Project website at https://masquerade-robot.github.io/

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA), 2026