图像生成

Active phase-space topology unifies depletion and alignment in bacterial flows

细菌流中的活性相空间拓扑统一了耗竭与排列

Mingyang Guan, Bowen Ling, Enhao Liu, Guoqian Chen, Zhan Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过解析流体动力学模型，揭示了剪切诱导的耗竭与排列是单一活性相空间拓扑的双重表现，并验证了该理论在多种细菌和流动几何中的适用性。

Field-Driven Hybrid Filament Formation Governs Switching in Ta-HfO$_2$-Pt Memristors

场驱动混合细丝形成控制Ta-HfO$_2$-Pt忆阻器中的开关

Ashutosh Krishna Amaram, Aditya Koneru, Subramanian KRS Sankaranarayanan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过分子动力学模拟，研究了Ta/HfO$_2$/Pt器件中氧空位和Ta阳离子共同形成混合细丝的原子机制，揭示了初始氧空位浓度和空间分布对细丝形态的影响，并验证了模型与实验的一致性。

Comments 22 Pages, 9 figures

On a phenotype-structured Shigesada--Kawasaki--Teramoto model: Turing instability and pattern selection under fast phenotype switching

关于表型结构化的Shigesada-Kawasaki-Teramoto模型：快速表型切换下的图灵不稳定性和模式选择

Davide Cusseddu, Gaetana Gambino, Tommaso Lorenzi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一个表型结构化的SKT模型，通过快速表型切换下的线性与弱非线性分析，研究表型分布如何作为有效控制参数影响图灵不稳定性和空间模式选择。

Comments 24 pages, 6 figures

Identifiability of Low Frequency Li-ion Battery Parameters in Time Domain

低频锂离子电池参数的时域可辨识性

Vladimir Sovljanski, Mario Paolone

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于时域低频测量的电池等效电路模型参数辨识框架，通过高阶RC网络近似分数阶CPE，并采用约束非凸最小二乘方法，在典型BMS噪声下实现平均误差低于1%的准确估计。

The Funessian process: Non-Markovian dynamics shaped by the first event

Funessian过程：由首次事件塑造的非马尔可夫动力学

Bilal Canturk, Gokhan Baris Bagci, Onur Pusuluk

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文构造了一个连续时间、正可分的非马尔可夫过程，该过程记忆初始状态并满足微分Chapman-Kolmogorov方程，通过互信息量化非马尔可夫性，并应用于随机游走以展示记忆效应破坏遍历性并改变扩散系数等输运性质。

Comments 8 pages, 6 figures

Computational Modeling of Antibody-Antigen Complexes: PLM-Based and MSA-Based Approaches

抗体-抗原复合物的计算建模：基于PLM和基于MSA的方法

Xiao Luo

机构 * Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究探讨抗体相关任务计算困难的原因，并提出基于蛋白质语言模型（PLM）和多重序列比对（MSA）的两种互补改进方法，以提升抗体-抗原结构预测精度。

Comments PhD thesis

PrismFlow: Residual Dynamics for Flow Matching in Time-Series Generation

PrismFlow: 时间序列生成中流匹配的残差动力学

Junru Zhang, Lang Feng, Jinbo Wang, Xu Guo, Yucheng Wang, Han Yu, Min Wu, Yabo Dong, Duanqing Xu

机构 * Zhejiang University, China（浙江大学，中国） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； I2R, Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR）新加坡研究所，新加坡） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出PrismFlow方法，通过Koopman启发的动力学专家和置信度感知的胜者全得目标，在流匹配中学习残差修正，以解决标准流匹配中全局向量场估计器导致的频谱失真和模式覆盖不足问题，在时间序列生成中取得最优性能。

New class of quantum transitions exhibiting large-scale intercorrelations: Color of the sky

量子跃迁的新类别展现出大规模互相关性：天空的颜色

Kenzo Ishikawa, Masaki Takesada

专题命中 扩散模型 ：diffusion(abstract)

AI总结 首次计算瑞利散射跃迁概率的绝对值，发现来自量子力学长程相关的新贡献，解决了天空散射光和激光实验中异常光子谱的长期难题。

Comments 22 pages,2 figures

The Biosecurity Blind Spot: Systematic Dual-use Detection in Open Science Infrastructure

生物安全盲点：开放科学基础设施中的系统性双重用途检测

Vasudha Sharma, Chakresh Kumar Singh, Jayesh Choudhari, Dharmit Nakrani

机构 * LophiLabs 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过混合词法过滤和大语言模型评估，系统分析了bioRxiv预印本中双重用途研究关注内容，揭示了开放获取摘要中普遍存在的潜在风险，并提出了结合元数据监控与开放科学原则的治理框架。

Comments Ongoing work

Boltzmann-Loschmidt dispute reloaded quantum 150 years later

玻尔兹曼-洛施密特争议150年后的量子重现

Leonardo Ermann, Alexei D. Chepelianskii, Dima L. Shepelyansky

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过解析和数值方法证明，在谐振阱和脉冲光晶格中的冷原子或离子的量子混沌扩散可以以高达100%的效率实现时间反演，这与经典演化中指数小误差破坏时间可逆性形成鲜明对比，并指出现有实验技术可从量子视角重新审视玻尔兹曼-洛施密特争议。

Comments 7 pages, 7 figures

Journal ref Entropy 28(6), 594 (2026)

Horizon Activation Mapping for Neural Networks in Time Series Forecasting

时间序列预测中神经网络的Horizon Activation Mapping

Krupakar Hans, V A Kandappan

机构 * Department of Computer Science Engineering（计算机科学工程系） ； Shiv Nadar University Chennai（施瓦纳达大学钦奈） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于梯度范数平均的视觉可解释性技术HAM，用于跨不同神经网络家族的时间序列预测模型选择与比较。

Comments Accepted and Presented in International Conference on Optimization and Learning (OLA2026) for publication in LNCS

Born in the Dark: The Catastrophic Collapse of Fuzzy Dark Matter Solitons as the Origin of Little Red Dots

生于黑暗：模糊暗物质孤子的灾难性塌缩作为小红点的起源

Tak-Pong Woo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出JWST观测到的高红移小红点（LRDs）可能源于模糊暗物质（FDM）晕的孤子核心中快速重子流入导致的短暂遮蔽阶段，通过孤子尺度缩放、质量预算估计和数值模拟支持该模型。

Comments Accepted for publication in ApJ. 6 pages, 4 figures

Journal ref Astrophys. J. 1002, 41 (2026)

A Schauder regularity theory for nonlocal and mixed local-nonlocal viscous Hamilton$\unicode{x2013}$Jacobi equations

非局部和混合局部-非局部粘性Hamilton-Jacobi方程的Schauder正则性理论

Espen Robstad Jakobsen, Robin Østern Lien, Artur Rutkowski

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对次临界非局部和混合局部-非局部扩散的粘性Hamilton-Jacobi方程，建立了Hölder空间中的时空Schauder估计和适定性结果。

Comments 37 pages

Scensory: Real-Time Robotic Olfactory Perception for Joint Identification and Source Localization

Scensory：用于联合识别和源定位的实时机器人嗅觉感知

Yanbaihui Liu, Erica Babusci, Claudia K. Gunsch, Boyuan Chen

机构 * Duke University（杜克大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于学习的机器人嗅觉框架Scensory，通过廉价交叉敏感VOC传感器阵列的短时序信号，利用神经网络解码时间动态特征，同时实现真菌种类识别（最高89.85%准确率）和源定位（最高87.31%准确率）。

Comments Our project website is at: http://generalroboticslab.com/Scensory

Mechanisms and Stability of Li Dynamics in Amorphous Li-Ti-P-S-Based Mixed Ionic-Electronic Conductors: A Machine Learning Molecular Dynamics Study

非晶Li-Ti-P-S基混合离子电子导体中锂动力学的机制与稳定性：机器学习分子动力学研究

Selva Chandrasekaran Selvaraj, Daiwei Wang, Donghai Wang, Anh T. Ngo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用机器学习力场进行大规模分子动力学模拟，研究了非晶Ti掺杂硫代磷酸锂中锂离子的传输机制与通道稳定性，揭示了10%和20% Ti掺杂下增强的稳定性。

Comments 7 figures and 14 pages

Offline Multi-agent Reinforcement Learning via Sequential Score Decomposition

离线多智能体强化学习通过序列得分分解

Dan Qiao, Wenhao Li, Shanchao Yang, Hongyuan Zha, Baoxiang Wang

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）数据科学学院） ； School of Computer Science, Tongji University, Shanghai, China（同济大学计算机科学学院） ； Vector Institute（向量研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对离线合作多智能体强化学习中联合动作空间高维和异质行为数据导致的策略分布偏移问题，提出序列得分函数分解方法，利用扩散模型从多模态离线数据中学习每个智能体的正则化信号，指导策略更新至高分、分布内区域，在多个粒子环境和多智能体MuJoCo基准上实现最先进性能。

Comments ICML 2026 Accepted

Journal ref Forty-Third International Conference on Machine Learning, 2026

DLM-SWAI: Steering Diffusion Language Models Before They Unmask

DLM-SWAI: 在扩散语言模型去掩码之前引导它们

Hyeseon An, Yo-Sub Han

机构 * Department of Computer Science（计算机科学系） ； Yonsei University（延世大学） 纠错

专题命中 可控生成 ：diffusion(title,abstract)

AI总结 提出一种无需训练的引导方法DLM-SWAI，通过预计算的词级风格分数在去噪步骤中偏置词分布，实现扩散语言模型的可控生成。

Comments preprint

CamC2V: Context-aware Controllable Video Generation

CamC2V: 上下文感知的可控视频生成

Luis Denninger, Sina Mokhtarzadeh Azar, Juergen Gall

机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） 纠错

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

AI总结 提出CamC2V模型，通过集成多图像条件与3D约束及相机控制，实现上下文感知的连贯视频生成，在RealEstate10K数据集上FVD提升24.09%。

Comments Published at 3DV 2026

EPiC: Efficient Video Camera Control Learning with Precise Anchor-Video Guidance

EPiC: 基于精确锚点视频引导的高效视频摄像机控制学习

Zun Wang, Jaemin Cho, Jialu Li, Han Lin, Jaehong Yoon, Yue Zhang, Mohit Bansal

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

AI总结 提出EPiC框架，通过基于首帧可见性掩码构建精确对齐的锚点视频，并引入轻量模块Anchor-ControlNet，以极低参数实现高效、精确的3D摄像机控制，在RealEstate10K和MiraData上达到最先进性能。

Comments Accepted to ICML 2026. Project website: https://zunwang1.github.io/Epic

MonoDuo: Using One Robot Arm to Learn Bimanual Policies

MonoDuo: 使用单机械臂学习双臂策略

Sandeep Bajamahal, Lawrence Yunliang Chen, Toru Lin, Zehan Ma, Jitendra Malik, Ken Goldberg

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 可控生成 ：inpainting(abstract)

AI总结 提出MonoDuo框架，利用单臂机器人演示和人类协作数据，通过数据增强生成合成演示，训练双臂机器人策略，在五项任务中实现零样本部署和少样本微调，成功率高达70%。

Comments Accepted to appear in the 2026 IEEE International Conference on Robotics and Automation (ICRA), Vienna, Austria, 1-5 June 2026

Multiple timescales in collective motion: daily and intraday upstream fish migration focusing on Feller condition

集体运动中的多时间尺度：基于Feller条件的日间和日内鱼类上游迁移

Hidekazu Yoshioka

专题命中 可控生成 ：diffusion(abstract)

AI总结 利用扩散桥（非线性随机微分方程）统一建模日间和日内鱼类迁移，通过Feller条件揭示不同时间尺度下迁移现象的随机性与间歇性差异。

Comments Updated on May 6 2026

FHRFormer: A Self-Supervised Masked Transformer Framework for Fetal Heart Rate Time-Series Inpainting and Forecasting

FHRFormer: 一种用于胎儿心率时间序列修复和预测的自监督掩码Transformer框架

Kjersti Engan, Neel Kanwal, Anita Yeconia, Ladislaus Blacy, Yuda Munyaw, Estomih Mduma, Hege Ersdal

机构 * University of Stavanger（斯塔万格大学） ； Haydom Lutheran Hospital（海多姆路德医院） ； Stavanger University Hospital（斯塔万格大学医院） 纠错

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 针对胎儿心率监测中信号丢失问题，提出基于掩码Transformer的自监督自编码器方法，通过捕获局部时间和频率成分来修复和预测缺失信号，具有鲁棒性并支持AI风险算法开发。

Comments Submitted to Frontiers in Digital Health. arXiv admin note: substantial text overlap with arXiv:2509.20852

Privacy Protection Against Personalized Text-to-Image Synthesis via Cross-image Consistency Constraints

针对个性化文本到图像合成的跨图像一致性约束隐私保护

Guanyu Wang, Kailong Wang, Yihao Huang, Mingyi Zhou, Geguang Pu, Li Li

机构 * Beihang University（北京航空航天大学） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（东华大学） 纠错

专题命中 个性化与一致性 ：text-to-image(title)；image synthesis(title)；diffusion(abstract)；分类 cs.CV

AI总结 提出跨图像反个性化框架，通过强制扰动图像间的风格一致性并采用动态比率调整策略，增强对扩散模型个性化攻击的抵抗能力。

DP-SAPF: Saliency-Aware Parameter Fine-tuning of Public Models for Differentially Private Image Synthesis

DP-SAPF: 面向差分隐私图像合成的公共模型显著性感知参数微调

Chen Gong, Kecen Li, Zinan Lin, Tianhao Wang

专题命中 个性化与一致性 ：image synthesis(title,abstract)

AI总结 提出DP-SAPF方法，通过显著性感知策略选择公共模型中最关键的参数进行低秩适应（LoRA）微调，在差分隐私图像合成中减少噪声积累并提升合成图像的效用和保真度。

Comments Accepted at Usenix Security 2026; code available at https://github.com/2019ChenGong/DP-SAPF

NaRA: Noise-Aware LoRA for Parameter-Efficient Fine-Tuning of Diffusion LLMs

NaRA: 面向扩散大语言模型参数高效微调的噪声感知LoRA

Shuaidi Wang, Zhan Zhuang, Ruping Huang, Yu Zhang

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, China（南方科技大学计算机科学与工程系，深圳，中国） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（香港城市大学计算机科学系，香港，中国） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Hong Kong, China（香港理工大学计算机科学与工程系，香港，中国） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型，提出噪声感知低秩适配（NaRA），通过噪声条件超网络生成低秩核心矩阵，实现沿去噪轨迹连续变化的更新矩阵，在常识推理、数学推理和代码生成基准上优于噪声无关基线。

LoRe: Adaptive Interaction-Evaluation Routing with Per-Step Interaction Budgets for Iterative Graph Solvers

LoRe: 基于每步交互预算的自适应交互评估路由用于迭代图求解器

Jintao Li, Yong-Yi Wang, Zheng-An Wang, Heng Fan

机构 * Beijing Key Laboratory of Fault-Tolerant Quantum Computing, Beijing Academy of Quantum Information Sciences, Beijing, China（北京容错量子计算重点实验室，量子信息科学北京市院，北京，中国） ； Beijing National Laboratory for Condensed Matter Physics, Institute of Physics, CAS, Beijing, China（北京凝聚态物理国家实验室，物理研究所，中国科学院，北京，中国） ； Beijing Key Laboratory of Advanced Quantum Technology, Beijing, China（北京先进量子技术重点实验室，北京，中国） ； Hefei National Laboratory, Hefei, China（合肥国家实验室，合肥，中国） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 提出LoRe方法，通过动态路由计算到高冲突或高不确定性交互，实现每步固定比例交互评估，在不牺牲解质量的前提下显著提升迭代图求解器的可扩展性和速度。

Comments Accepted at ICML 2026

Multi-Scale Local Speculative Decoding for Image Generation

多尺度局部推测解码用于图像生成

Elia Peruzzo, Guillaume Sautière, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 效率与蒸馏 ：image generation(title,abstract)；image synthesis(abstract)；分类 cs.CV

AI总结 提出多尺度局部推测解码（MuLo-SD）框架，通过低分辨率草稿模型与高分辨率目标模型结合、局部拒绝与重采样机制，加速自回归图像生成，实现高达5倍加速并保持语义对齐和感知质量。

Comments Accepted at CVPR 2026

GDSD: Reinforcement Learning as Guided Denoiser Self-Distillation for Diffusion Language Models

GDSD：强化学习作为扩散语言模型的引导去噪器自蒸馏

Xiaohang Tang, Keyue Jiang, Che Liu, Qifang Zhao, Xiaoxiao Xu, Sangwoong Yoon, Ilija Bogunovic

机构 * UCL Dept. of Statistical Science（伦敦大学学院统计科学系） ； UCL Centre for AI（伦敦大学学院人工智能中心） ； Alibaba Group（阿里巴巴集团） ； Dept. of EEE（电子工程系） ； Imperial College London（伦敦帝国理工学院） ； UNIST（全南大学） ； University of Basel（巴塞尔大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 提出引导去噪器自蒸馏（GDSD）方法，通过从逆KL正则化强化学习的闭式最优解中导出的优势引导自教师直接蒸馏扩散语言模型的去噪器，避免了ELBO似然代理带来的训练-推理不匹配偏差，在规划、数学和代码基准上显著优于现有方法。

Comments Preprint

MENTOR: Efficient Multimodal-Conditioned Tuning for Autoregressive Vision Generation Models

MENTOR: 面向自回归视觉生成模型的高效多模态条件微调

Haozhe Zhao, Zefan Cai, Shuzheng Si, Liang Chen, Jiuxiang Gu, Wen Xiao, Minjia Zhang, Junjie Hu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Microsoft（微软公司） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出MENTOR框架，通过两阶段训练范式实现自回归图像生成器与多模态输入的细粒度token级对齐，无需辅助适配器或交叉注意力模块，在DreamBench++上取得优异性能。

Comments Findings of ACL 2026

Moment Matching Q-Learning

矩匹配Q学习

Yiyan, Liang, Sifei Liu, Weitong Zhang

机构 * School of Data and Information Science, University of North Carolina at Chapel Hill, Chapel Hill, USA（数据与信息科学学院，北卡罗来纳大学教堂山分校，教堂山，美国） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 提出矩匹配Q学习（MoMa QL）框架，利用最大均值差异（MMD）匹配原始分布与目标分布的所有阶统计量，实现条件得分函数的分布级收敛，在D4RL任务中计算效率高且性能相当，并在离线到在线强化学习中通过加速流策略的动作采样展现更优的适应性和性能。

Comments 23 pages, 14 figures, 10 tables, accepted by ICML 2026