图像生成

Inverting Data Transformations via Diffusion Sampling

通过扩散采样逆变换数据变换

Jinwoo Kim, Sékou-Oumar Kaba, Jiyun Park, Seunghoon Hong, Siamak Ravanbakhsh

机构 * Mila - Quebec Artificial Intelligence Institute, Montr\'eal, Canada ； School of Computer Science, McGill University, Montr\'eal, Canada 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 提出一种在一般李群上通过扩散采样逆变换未知变换的方法，用于恢复原始数据分布，并在测试时等变性应用中提升预训练神经网络的鲁棒性。

Comments 31 pages, 11 figures

Boundary-Guided Policy Optimization for Memory-efficient RL of Diffusion Large Language Models

边界引导策略优化：面向扩散大语言模型的内存高效强化学习

Nianyi Lin, Jiajie Zhang, Lei Hou, Juanzi Li

机构 * Tsinghua University（清华大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型中似然函数难以处理导致强化学习内存开销大的问题，提出边界引导策略优化（BGPO），通过构造满足线性和等价性的下界实现内存高效训练，在数学求解、代码生成和规划任务中显著优于现有方法。

Parallel Tempering Initial Sampling in Inference-Time Reward Alignment

推理时奖励对齐中的并行回火初始采样

Myeongjun Oh, Gwangho Kim, Sungyoon Lee

机构 * Department of Artificial Intelligence（人工智能系） ； Department of Computer Science（计算机科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 针对推理时奖励对齐中标准SMC方法因初始采样陷入局部模式的问题，提出基于并行回火的PATHS方法，通过耦合多条回火链实现高效探索，提升对齐质量。

Comments 31 pages, 11 figures

An Efficient and Scalable Graph Condensation with Structure-Preserving

一种高效且可扩展的保结构图压缩方法

Yulin Hu, Fuyan Ou, Ye Yuan

机构 * Southwest University（西南大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出一种解耦节点压缩与图结构生成的保结构图压缩方法（SP-ESGC），通过热核特征传播和混合聚类策略实现高效图压缩，并利用预训练边预测器生成可迁移的结构模式，在保持高计算效率的同时提升跨GNN架构的泛化能力。