图像生成

Adaptive Order Policies for Masked Diffusion

掩码扩散的自适应顺序策略

Jama Hussein Mohamud, Mohsin Hasan, Mirco Ravanelli, Yoshua Bengio

机构 * Université de Montréal（蒙特利尔大学） ； Mila ； Concordia University（康科迪亚大学） ； LawZero 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种通过轻量级策略网络学习掩码扩散模型中解掩码顺序的方法，使用加权损失训练，在组合任务和蛋白质等对顺序敏感的问题上优于常见启发式方法。

21cmEMUv3: a hybrid diffusion-LSTM emulator of 21cmFAST summary observables

21cmEMUv3: 一种混合扩散-LSTM的21cmFAST概要可观测量的仿真器

Daniela Breitman, Andrei Mesinger, Steven G. Murray, Ivan Nikolic, Roberto Trotta

机构 * Research Center for the Early Universe, Graduate School of Science, The University of Tokyo（早期宇宙研究中心，东京大学研究生院） ； Department of Physics, Graduate School of Science, The University of Tokyo（东京大学研究生院物理系） ； Scuola Normale Superiore (SNS), Piazza dei Cavalieri 7, Pisa（普拉蒂亚学院（SNS），比萨） ； Physics Department, Stellenbosch University（斯坦福博斯奇大学物理系） ； Cosmic Dawn Center (DAWN)（黎明宇宙中心（DAWN）） ； Niels Bohr Institute, University of Copenhagen（哥本哈根大学尼尔斯·波尔研究所） ； SISSA, Via Bonomea 265, 34136 Trieste（SISSA，特里斯特） ； INFN Sezione di Trieste（INFN特里埃斯特分部） ； Centro Nazionale di Ricerca in High Performance Computing, Big Data e Quantum Computing（高性能计算、大数据和量子计算国家研究中心） ； Physics Department, Blackett Lab, Imperial College London（伦敦帝国理工学院布莱特实验室物理系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出混合扩散-LSTM仿真器21cmEMUv3，基于21cmFASTv3模拟，以高精度仿真21cm功率谱等七个概要可观测量，并用于重新解释HERA观测上限和预测SKA探测能力。

Comments 12 pages, 6 figures

A physics-informed foundation model for quantitative diffusion MRI

一种用于定量扩散MRI的物理信息基础模型

Zihan Li, Jialan Zheng, Ziyu Li, Xun Yuan, Kasidit Anmahapong, Ziang Wang, Mingxuan Liu, Hongjia Yang, Yifei Chen, Zhuhao Wang, Yuhang He, Fang Chen, Rui Li, Huaiqiang Sun, Yi Liao, Congyu Liao, Yang Yang, Haibo Qu, Xue Zhang, Hongen Liao, Qiyuan Tian

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程系） ； Oxford Centre for Integrative Neuroimaging, FMRIB, Nuffield Department of Clinical Neurosciences, University of Oxford（牛津大学整合神经影像中心、FMRIB、临床神经科学系） ； Department of Radiology, West China Second University Hospital, Sichuan University（四川大学华西第二医院放射科） ； School of Biomedical Engineering and the Institute of Medical Robotics, Shanghai Jiaotong University（上海交通大学生物医学工程学院和医学机器人研究院） ； Department of Radiology, Institution of Radiology and Medical Imaging, West China Hospital, Sichuan University（四川大学华西医院放射科、放射医学与影像研究所） ； Department of Radiology and Biomedical Imaging, University of California San Francisco（加州大学旧金山分校放射科和生物医学影像系） ； Department of Psychiatry and Behavioral Sciences, Stanford University School of Medicine（斯坦福大学医学院精神病学与行为科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出物理信息生成微结构网络（PIGMENT），通过零样本适应实现从稀疏数据中恢复可靠的定量扩散MRI参数映射。

DLLM-JEPA: Joint Embedding Predictive Architectures for Masked Diffusion Language Models

DLLM-JEPA：用于掩码扩散语言模型的联合嵌入预测架构

Sangdae Nam

机构 * Sangdae Nam 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DLLM-JEPA，通过将联合嵌入预测架构与掩码扩散语言模型结合，消除显式多视图数据和双梯度前向传播需求，在多个任务上提升准确率并降低训练FLOPs。

Comments 17 pages, 4 figures, 13 tables. Accepted at SPIGM Workshop, ICML 2026

Whole-Body Inverse Kinematics with Graph Diffusion

基于图扩散的全身逆运动学

Helong Huang, Kai Tan, Feng Wen, Guowei Huang, Xingyue Quan

机构 * Large Model Algorithm Lab, Huawei（华为大模型算法实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出GraphDiff-IK，一种结构感知的图扩散逆运动学框架，通过将机器人表示为运动学图并引入分层消息传递和躯干感知条件，实现了多分支机器人的准确稳定IK求解。

DUET: Unified Dual-Space Emotion Control for Diffusion and Flow-Matching Driven Text-to-Speech

DUET: 扩散与流匹配驱动的文本转语音的统一双空间情感控制

Xu Zhang, Longbing Cao, Zhangkai Wu

机构 * Frontier AI Research Centre, Macquarie University（前沿人工智能研究中心，麦考瑞大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DUET框架，通过隐空间引导和梅尔谱梯度修正的双空间控制，在预训练扩散/流匹配TTS模型中实现细粒度情感控制，超越10个有监督基线。

TrustLDM: Benchmarking Trustworthiness in Language Diffusion Models

TrustLDM：语言扩散模型的可信度基准测试

Yichuan Mo, Yukun Jiang, Yanbo Shi, Mingjie Li, Michael Backes, Yang Zhang, Yisen Wang

机构 * State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（中国科学院自动化研究所，智能科学与技术学院，北京大学） ； CISPA Helmholtz Center for Information Security（信息安全研究所） ； School of EECS, Peking University（电子工程学院，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究所，北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对语言扩散模型（LDM）的可信度问题，提出TrustLDM基准，评估其在不同架构和恶意上下文下的安全性、隐私性和公平性，并开发自动评估框架TrustLDM-Auto以识别脆弱配置。

Chatterbox-Flash: Prior-Calibrated Block Diffusion for Streaming Zero-Shot TTS

Chatterbox-Flash: 用于流式零样本TTS的先验校准块扩散

Deokjin Seo, Gangin Park, Kihyun Nam

机构 * Resemble AI ； Seoul National University（首尔国立大学） ； KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Chatterbox-Flash，通过将预训练自回归TTS解码器微调为块扩散解码器，实现块内并行生成与块间流式推理，并引入先验校准评分和早期解码调度解决长尾分布导致的生成质量下降问题。

Comments 8 pages, 4 figures, 9 tables

Targeted Remasking: Replacing Token Editing with Token-to-Mask Refinement in Discrete Diffusion Language Models

目标重掩码：在离散扩散语言模型中将令牌编辑替换为令牌到掩码的精炼

Lin Yao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对离散掩码扩散语言模型中令牌编辑机制的局限性，提出无训练的令牌到掩码重掩码方法，通过将疑似错误令牌重置为掩码状态，利用扩散过程在更干净上下文中重新预测，显著提升数学等任务的性能。

Comments This paper has been significantly revised, expanded, and superseded by a more comprehensive version available at arXiv:2604.18738. The authors have chosen to withdraw this version to avoid overlap and direct readers to the updated work

BlockBatch: Multi-Scale Consensus Decoding for Efficient Diffusion Language Model Inference

BlockBatch: 面向高效扩散语言模型推理的多尺度共识解码

Xiaoyou Wu, Cheng-Jhih Shih, Binfei Ji, Yong Liu, Yingyan Celine Lin

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出BlockBatch框架，通过多分支并行解码和置信度门控合并，在不训练的情况下加速扩散语言模型推理，平均减少26.6%的去噪步数并实现1.33倍端到端加速。

Comments 23 pages, including references and appendices

Training Diffusion Language Models for Black-Box Optimization

训练扩散语言模型用于黑盒优化

Zipeng Sun, Can Chen, Ye Yuan, Haolun Wu, Jiayao Gu, Christopher Pal, Xue Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对离线黑盒优化问题，提出通过扩散语言模型的双向建模能力，结合统一语料构建和两阶段后训练框架，实现高效设计生成，在Design-Bench上达到最优性能。

Comments Accepted at ICML 2026 as a Spotlight Paper (top 2.2% of submissions)

Physics-Guided Geometric Diffusion for Macro Placement Generation

物理引导的几何扩散用于宏单元布局生成

Jongho Yoon, Jinsung Jeon, Seokhyeong Kang

机构 * POSTECH Institute of Artificial Intelligence（POSTECH人工智能研究所） ； KAIST InnoCORE LLM（韩国科学技术院InnoCORE语言模型实验室） ； Seoul National University（首尔国立大学） ； Pohang University of Science and Technology（釜山科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出MacroDiff+框架，通过双域去噪架构和物理引导采样策略，在宏单元布局中同时优化拓扑连接和物理约束，在ISPD2005 MMS基准上实现线长减少6.1-6.2%。

Comments Accepted to IJCAI 2026. 9 pages, 5 figures

Do Heavy Tails Help Diffusion? On the Subtle Trade-off Between Initialization and Training

重尾是否有助于扩散？初始化与训练之间的微妙权衡

Hamza Cherkaoui, Hélène Halconruy, Antonio Ocello

机构 * SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris, Palaiseau, France（SAMOVAR，电信南巴黎，巴黎理工学院，Palaiseau，法国） ； Modal’X, Université Paris Nanterre, Nanterre, France（Modal’X，巴黎南大学，Nanterre，法国） ； CREST, ENSAE Paris, Institut Polytechnique de Paris, Palaiseau, France（CREST，ENSAE巴黎，巴黎理工学院，Palaiseau，法国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过理论和实验研究，比较了重尾噪声与轻尾高斯噪声在扩散模型中的表现，发现重尾噪声虽能更好地匹配数据尾部，但会使统计估计更困难，导致更差的采样误差。

RADAR: Redundancy-Aware Diffusion for Multi-Agent Communication Structure Generation

RADAR：面向多智能体通信结构生成的冗余感知扩散方法

Zhen Zhang, Wanjing Zhou, Juncheng Li, Hao Fei, Jun Wen, Wei Ji

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于条件离散图扩散模型的冗余感知生成框架RADAR，通过逐步生成通信拓扑并利用图有效尺寸引导，在六项基准上实现更高准确率、更低令牌消耗和更强鲁棒性。

Comments Accepted by ICML 2026 (fix typos)

Consistent Diffusion Language Models

一致性扩散语言模型

Hasan Amin, Yuan Gao, Yaser Souri, Subhojit Som, Ming Yin, Rajiv Khanna, Xia Song

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出多路径离散一致性（MPDC）原则，通过训练去噪器在随机桥上的路径不变性，实现单阶段训练的一致性扩散语言模型（CDLM），在文本生成中达到最先进性能。

Comments ICML 2026

Efficient Diffusion Models under Nonconvex Equality and Inequality constraints via Landing

非凸等式和不等式约束下的高效扩散模型 via Landing

Kijung Jeon, Michael Muehlebach, Molei Tao

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一个统一框架，通过计算高效的landing机制替代投影，结合欠阻尼动力学加速混合，在非凸可行集上实现等式和不等式约束下的扩散模型，显著降低计算成本。

Comments 58 pages

Bridging Schrödinger and Bass: A Semimartingale Optimal Transport Problem with Diffusion Control

桥接薛定谔与巴斯：带扩散控制的半鞅最优运输问题

Pierre Henry-Labordere, Grégoire Loeper, Othmane Mazhar, Huyên Pham, Nizar Touzi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一个在半鞅最优运输问题中插值薛定谔桥和与Skorokhod嵌入问题的巴斯解相关的拉伸布朗运动，通过熵项和扩散系数的二次惩罚建立随机控制问题，证明了强对偶性和对偶可达性，并导出了等价约化对偶公式。

DAPD: Dependency-Aware Parallel Decoding via Attention for Diffusion LLMs

DAPD: 面向扩散LLM的基于注意力的依赖感知并行解码

Bumjun Kim, Dongjae Jeon, Moongyu Jeon, Albert No

机构 * KAIST（韩国科学技术院） 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并行解码方法DAPD，利用自注意力构建掩码标记的依赖图，通过选择独立集并行解码，避免强耦合标记同时更新，提升了扩散LLM的精度-步数权衡。

Comments Accepted at ICML 2026

DyLLM: Efficient Diffusion LLM Inference via Saliency-based Token Selection and Partial Attention

DyLLM: 基于显著性标记选择与部分注意力的高效扩散LLM推理

Younjoo Lee, Seungkyun Dan, Junghoo Lee, Jaiyoung Park, Jung Ho Ahn

机构 * University of Seoul（首尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型迭代去噪计算昂贵的问题，提出DyLLM框架，通过仅计算显著标记的注意力与前馈操作，实现无需训练的加速推理，在保持精度的同时吞吐量提升高达9.6倍。

Comments 21 pages, 10 figures, 7 tables, accepted at ICML 2026

LAP: Fast LAtent Diffusion Planner for Autonomous Driving

LAP：面向自动驾驶的快速潜在扩散规划器

Jinhao Zhang, Wenlong Xia, Zhexuan Zhou, Haoming Song, Youmin Gong, Jie Mei

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出LAP框架，在VAE学习的潜在空间中进行规划，通过单步去噪实现高质量规划，在nuPlan基准上达到学习型规划方法的最优闭环性能，推理速度提升高达10倍。

Improving Diffusion Planners by Self-Supervised Action Gating with Energies

通过自监督动作能量门控改进扩散规划器

Yuan Lu, Dongqi Han, Yansen Wang, Dongsheng Li

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出SAGE方法，利用潜在一致性信号在推理时重新排序轨迹，惩罚动态不一致的计划，从而提升扩散规划器的性能和鲁棒性。

IDLM: Inverse-distilled Diffusion Language Models

IDLM：逆蒸馏扩散语言模型

David Li, Nikita Gushchin, Dmitry Abulkhanov, Eric Moulines, Ivan Oseledets, Maxim Panov, Alexander Korotin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型推理慢的问题，提出逆蒸馏方法（IDLM），通过理论保证唯一解和梯度稳定松弛，实现4倍至64倍推理加速并保持生成质量。

Comments ICML 2026. We provide the code at: https://david-cripto.github.io/idlm-project-page

Parallel Complex Diffusion for Scalable Time Series Generation

并行复数扩散用于可扩展时间序列生成

Rongyao Cai, Yuxi Wan, Kexin Zhang, Ming Jin, Zhiqiang Ge, Qingsong Wen, Yong Liu

机构 * Institute of Cyber-Systems and Control（网络系统与控制研究所） ； Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； School of Mathematics（数学学院） ； Southeast University（东南大学） ； Squirrel Ai Learning 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出PaCoDi（并行复数扩散）框架，通过离散傅里叶变换将时间序列分解到谱域，利用并行实值估计器替代复数估计器，解决时间序列生成中的纠缠问题，理论证明谱高斯噪声的正交性，并引入平均场理论近似处理边缘耦合，在无条件和条件生成任务中优于5个基线。

Comments Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26). Extended Version with Full Proofs

Learning To Sample From Diffusion Models Via Inverse Reinforcement Learning

通过逆强化学习从扩散模型中学习采样

Constant Bourdrez, Alexandre Vérine, Olivier Cappé

机构 * DI ENS, Ecole normale supérieure, Université PSL, CNRS（巴黎高等师范学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一个逆强化学习框架，在不重新训练去噪器的情况下优化扩散模型的采样策略（噪声调度、引导尺度、随机性），通过策略梯度匹配目标行为，在ImageNet-64上以9倍更低成本和16%推理开销替代网格搜索。

Comments Preprint

d2: Improving Reasoning in Diffusion Language Models via Trajectory Likelihood Estimation

d2: 通过轨迹似然估计改进扩散语言模型的推理能力

Guanghan Wang, Gilad Turok, Yair Schiff, Marianne Arriola, Volodymyr Kuleshov

机构 * Cornell University, Cornell Tech（康奈尔大学，康奈尔科技） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出d2框架，通过新的策略梯度算法和轨迹似然估计，显著提升扩散语言模型在逻辑与数学推理任务上的性能。

Comments ICML 2026. project page: https://guanghanwang.com/d2

Reconsidering Positional Supervision in Masked Diffusion Language Model Training

重新审视掩码扩散语言模型训练中的位置监督

Mengyu Ye, Keito Kudo, Ryosuke Takahashi, Jun Suzuki

机构 * Tohoku University（东大大学） ； RIKEN（理化学研究所） ； NII LLMC（国家信息研究所LLMC） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型对位置偏移敏感的问题，提出基于连接主义时序分类（CTC）的目标函数，通过引入松弛令牌和更新折叠映射来吸收位置不确定性，从而在开放生成基准上取得一致提升。

Comments preprint, WIP

Geometric Solution of Turbulence as Diffusion in Loop Space

湍流作为环空间扩散的几何解

Alexander Migdal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过环空间微积分将强非线性动力学转化为线性扩散方程，得到无参数精确解（欧拉系综），并揭示其与可解弦理论的对偶性，预测了间歇性指数、MHD湍流相变等。

Comments 41 pages, 8 figures, invited paper for a special issue of Philosophical Transactions A, updated before production

Diffusion Limits for Measure-Valued Queueing Models, With Application to General Random Order of Service Queues

测度值排队模型的扩散极限及其在一般随机服务顺序队列中的应用

Eva H Loeser

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过鞅分解方法推导高维或无限维状态描述符的排队系统的扩散极限，得到随机微分方程，并应用于具有重试和一般分布的多类多服务器随机服务顺序队列。

Existence of weak solutions for nonlinear drift-diffusion equations with measure data

具有测度数据的非线性漂移扩散方程的弱解存在性

Sukjung Hwang, Kyungkeun Kang, Hwa Kil Kim, Jung-Tae Park

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有测度数据的非线性漂移扩散方程（多孔介质方程和快速扩散方程）弱解的存在性，通过建立新的能量估计，在漂移项属于与L^1空间相关的次缩放类时得到梯度估计，并讨论无散漂移下条件的松弛及最优性。

Comments 33 pages; revised version with refined compactness arguments and new counterexamples illustrating the sharpness of the drift assumptions

Direct and inverse source problems for two-term time-fractional diffusion equation with Hilfer derivative

具有Hilfer导数的两项时间分数阶扩散方程的正问题和反源问题

M. S. Salakhitdinov, E. T. Karimov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究矩形域中具有两项广义分数阶导数（Hilfer导数）的扩散方程的正问题和反源问题，通过谱展开方法将问题转化为两项分数阶微分方程，并利用正弦函数和二元多项Mittag-Leffler函数表示解，在给定数据条件下证明无穷级数的一致收敛性。

Comments 7 pages

Journal ref Uzbek Mathematical Journal, 61(4), 2017, pp.140-149