图像生成

From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models

从简单到复杂：基于高斯混合模型的课程引导物理信息神经网络

Jianan Yang, Yiran Wang, Shuai Li, Fujun Cao, Xuefei Yan, Junmin Liu

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(abstract)

AI总结 提出CGMPINN，通过高斯混合模型拟合PDE残差分布以量化学习难度，并采用动态课程学习逐步从简单区域过渡到困难区域，显著提升PINN在强非线性、尖锐梯度或多尺度问题上的收敛性和精度。

Comments 23 pages, 15 figures

Language Modeling with Hyperspherical Flows

超球面流语言建模

Justin Deschenaux, Caglar Gulcehre

机构 * EPFL（苏黎世联邦理工学院） ； Microsoft AI（微软人工智能） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种在超球面潜空间中进行连续流语言建模的方法 S-FLM，通过旋转向量和交叉熵学习速度场，避免独热向量开销，在大型词汇推理任务上显著提升性能，缩小了与掩码扩散模型的差距。

Transfer of regularity by kinetic mollification along critical trajectories

沿临界轨迹的动力学磨光正则性传递

Lukas Niebel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过沿临界动力学轨迹的动力学磨光，在物理空间中直接证明了局部扩散弱尺度下动力学方程的正则性传递估计，给出了核的显式公式和临界支撑、大小及差估计。

Comments Revised title, abstract and presentation; results and proofs unchanged

Quantifying thermal-signature equivalence in infrared breast thermography using a modified Pennes bioheat model

使用改进的Pennes生物热模型量化红外乳腺热成像中的热特征等效性

Roni Muslim, Ramacos Fardela, Tista Artu Indra Kusuma

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过改进的Pennes生物热模型，研究不同肿瘤灌注模式在表面热信号中的可区分性，发现表面热异常无法唯一确定内部灌注结构。

Comments 33 pages, 10 figures

Continuum-statistical dynamics of colloidal suspensions under kinematic reversibility

运动可逆性下胶体悬浮液的连续统统计动力学

Jerome Burelbach

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出线性响应理论，通过洛伦兹互易定理在运动可逆性下的应用，建立胶体运动中昂萨格互易性的连续统力学起源，并推导出胶体扩散的所有非平衡贡献。

FlowPlace: Flow Matching for Chip Placement

FlowPlace: 用于芯片布局的流匹配

Peng Xie, Ke Xue, Yunqi Shi, Ruo-Tong Chen, Chengrui Gao, Siyuan Xu, Chenjian Ding, Mingxuan Yuan, Chao Qian

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Huawei Noah’s Ark Lab, China（华为诺亚实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出FlowPlace，通过掩码引导的合成数据生成、基于流的灵活先验注入高效训练和硬约束采样实现无重叠布局，在OpenROAD和ICCAD 2015基准上取得更优PPA指标、10-50倍采样效率提升和零重叠。

Comments DAC 2026

ExpertGen: Scalable Sim-to-Real Expert Policy Learning from Imperfect Behavior Priors

ExpertGen: 从非完美行为先验的可扩展仿真到现实专家策略学习

Zifan Xu, Ran Gong, Maria Vittoria Minniti, Kausik Sivakumar, Ahmet Salih Gundogdu, Eric Rosen, Riedana Yan, Tushar Kusnur, Zixing Wang, Di Deng, Peter Stone, Xiaohan Zhang, Karl Schmeckpeper

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sony AI（索尼人工智能） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出ExpertGen框架，通过扩散策略初始化行为先验并结合强化学习优化噪声，在仅稀疏奖励下生成高质量专家策略，实现从仿真到现实的可扩展迁移。

Mean Flow Policy Optimization

平均流策略优化

Xiaoyi Dong, Xi Sheryl Zhang, Jian Cheng

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(abstract)

AI总结 提出使用平均流模型作为策略表示，通过最大熵强化学习框架进行软策略迭代，以提升在线强化学习中训练和推理效率，实验表明性能与扩散模型基线相当或更优且时间显著减少。

Comments ICML 2026

Shift- and stretch-invariant non-negative matrix factorization with an application to brain tissue delineation in emission tomography data

位移与伸缩不变的非负矩阵分解及其在脑组织发射断层成像数据分割中的应用

Anders S. Olsen, Miriam L. Navarro, Claus Svarer, Jesper L. Hinrich, Morten Mørup, Gitte M. Knudsen

机构 * Neurobiology Research Unit, Copenhagen University Hospital Rigshospitalet（哥本哈根大学医院神经生物学研究单位） ； Department of Neuroscience, Faculty of Health and Medical Sciences, University of Copenhagen（哥本哈根大学健康与医学科学学院神经科学系） ； Department of Applied Mathematics and Computer Science, Technical University of Denmark（丹麦技术大学应用数学与计算机科学系） ； Department of Clinical Medicine, Faculty of Health and Medical Sciences, University of Copenhagen（哥本哈根大学健康与医学科学学院临床医学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出频域实现的位移与伸缩不变非负矩阵分解方法，解决动态神经影像中扩散导致的时延和伸缩问题，在合成数据和脑发射断层数据上验证了其对脑组织结构的精细刻画能力。

Comments Accepted at ICASSP2026

A Tutorial on Learning-Based Radio Map Construction: Data, Paradigms, and Physics-Awareness

基于学习的无线电地图构建教程：数据、范式和物理感知

Xiucheng Wang, Yuhao Pan, Nan Cheng, Çağkan Yapar, Ruijin Sun, Zhisheng Yin, Conghao Zhou, Wenchao Xu, Yuxiang Zhang, Jianhua Zhang, Shuguang Cui, Xuemin Shen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文系统综述了基于学习的无线电地图构建方法，从数据、范式和物理感知三个维度展开，并讨论了未来研究方向。

A simple model for conserved intracellular dynamics exhibits multiscale pattern formation, traveling protein domains and arrested coarsening of lipid domains

保守细胞内动力学的简单模型展现多尺度图案形成、蛋白质迁移域和脂质域的粗化停滞

Benjamin Winkler, Sergio Alonso, Markus Bär

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过耦合保守反应扩散模型和Cahn-Hilliard方程，研究膜结合蛋白与脂质组成的时空动力学，发现多尺度图案中蛋白质迁移域与脂质静止域共存，并出现粗化停滞。

Comments added figure 3 and reworked introduction for clarity

Graph Energy Matching: Transport-Aligned Energy-Based Modeling for Graph Generation

图能量匹配：用于图生成的传输对齐能量基建模

Michal Balcerak, Suprosanna Shit, Chinmay Prabhakar, Sebastian Kaltenbach, Michael S. Albergo, Yilun Du, Bjoern Menze

机构 * University of Zurich（苏黎世大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Graph Energy Matching (GEM)方法，基于JKO传输映射优化视角学习置换不变势能，通过能量基切换策略实现离散图的高质量生成，在分子图基准上匹配或超越离散扩散模型。

URDF-Anything+: End-to-End Generation for Simulation-Ready Articulated Assets

URDF-Anything+：面向仿真就绪铰接资产的端到端生成

Zhuangzhe Wu, Yue Xin, Chengkai Hou, Minghao Chen, Yaoxu Lyu, Jieyu Zhang, Shanghang Zhang

机构 * Peking University（北京大学） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） ； University of Washington（华盛顿大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出URDF-Anything+，一种端到端自回归扩散框架，从单张RGB图像直接生成仿真就绪的URDF模型，统一建模部件几何与铰接结构。

Update-Free On-Policy Steering via Verifiers

基于验证器的免更新在线策略引导

Maria Attarian, Ian Vyse, Claas Voelcker, Jasper Gerigk, Evgenii Opryshko, Anas Almasri, Sumeet Singh, Yilun Du, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； Google DeepMind（谷歌DeepMind） ； University of Alberta（阿尔伯塔大学） ； UTAustin（得克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出UF-OPS方法，利用策略评估中的验证器函数引导基础策略选择高成功概率动作，无需更新参数即可提升黑箱扩散策略性能，在5个真实任务中平均成功率提升49%。

Comments 9 pages, 6 figures

Pushing-Induced Arrest Across Lattices and Dimensions

推动诱导的晶格与维度中的阻滞

Itamar Shitrit, Ofek Lauber Bonomo, Shlomi Reuveni

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过揭示三维中“雪犁”机制的失效，提出由罕见“关门”事件导致的指数存活，从而建立跨晶格和维度的推动诱导阻滞的最小描述。

Latent Reasoning in TRMs is Secretly a Policy Improvement Operator

TRMs中的潜在推理实际上是策略改进算子

Arip Asadulaev, Rayan Banerjee, Fakhri Karray, Martin Takac

机构 * Arip Asadulaev ； Rayan Banerjee ； Fakhri Karray ； Martin Takac 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过将潜在递归推理形式化为策略改进算法，解释了递归步骤何时有效提升性能，并提出结合强化学习和扩散方法的训练方案，在Tiny Recursive Model上实现18倍前向传递减少且保持性能。

Derivation and Analysis of Amplitude Equation for Generalized AMB+ in Presence of Chemical Reaction

存在化学反应时广义AMB+的振幅方程推导与分析

Sayantan Mondal, Prasenjit Das

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对存在化学反应的广义活性模型B+（AMB+），基于对称性分析并利用多尺度方法推导了卷曲模式的振幅方程，发现二次项g的引入导致超临界与亚临界转变依赖于参数，且Eckhaus不稳定性条件与g无关。

Comments 18 Pages, 5 Figures

Journal ref Phys. Rev. E 113, 054139 (2026)

DIPOLE: Fusing Vision and Geometry for Robust Visuomotor Generalization

DIPOLE：融合视觉与几何实现鲁棒的视觉运动泛化

Yikai Tang, Haoran Geng, Jindou Jia, Yuxuan Hu, Sheng Zang, Jianfei Yang, Pieter Abbeel, Jitendra Malik

机构 * University of California, Berkeley（加州大学伯克利分校） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出DIPOLE，通过训练时模态丢弃和轻量交叉注意力融合视觉与几何信息，实现跨光照、纹理、视角等变化的鲁棒策略泛化，在18个模拟和4个真实任务中平均性能提升39.1%。

Advancing Local Clustering on Graphs via Compressive Sensing: Semi-supervised and Unsupervised Methods

通过压缩感知推进图上的局部聚类：半监督和无监督方法

Zhaiming Shen, Sung Ha Kang

机构 * School of Mathematics, Georgia Institute of Technology（数学系，佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出基于压缩感知的半监督和无监督局部聚类方法，通过随机采样、扩散和重叠分析实现稀疏解，并证明其正确性，在低标签率下达到最优性能。

Active Ionic Fluxes Induce Symmetry Breaking in Charge-Patterned Nanochannels

主动离子通量诱导电荷图案化纳米通道中的对称性破缺

Sergi G. Leyva, Ahis Shresta, Monica Olvera de la Cruz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过表面电荷和主动离子通量的对称边界图案约束电解质的纳米通道，发现扩散、静电和水动力相互作用在临界主动通量以上触发对称性破缺，产生定向流动，流速可达每秒数百毫米。

On the cover time of Brownian motion on the Brownian continuum random tree

布朗连续随机树上的布朗运动的覆盖时间

George Andriopoulos, David A. Croydon, Vlad Margarint, Laurent Menard

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文证明了布朗连续随机树上的布朗运动的覆盖时间等于局部时间处处严格为正的时刻的下确界，并利用递归自相似性和新的Ray-Knight定理，推导出临界有限方差Galton-Watson树上简单随机游走的覆盖时间在退火律下依分布收敛到该覆盖时间。

Comments To appear in Annals of Probability

FlowECG: Using Flow Matching to Create a More Efficient ECG Signal Generator

FlowECG：利用流匹配创建更高效的ECG信号生成器

Vitalii Bondar, Serhii Semenov, Vira Babenko, Dmytro Holovniak

机构 * Cherkasy State Technological University（切爾卡西州立科技大學） ； University of the National Education Commission（國家教育委員會大學） ； State Scientific Research Institute of Armament and Military Equipment Testing and Certification（軍事裝備測試和認證州科學研究 institutes） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出FlowECG方法，采用流匹配替代扩散过程，通过连续流动力学学习噪声到数据分布的直连路径，在PTB-XL数据集上以更少的采样步数（10-25次）达到与扩散方法（200次）相当的生成质量，计算需求降低一个数量级。

Comments 8 pages, 2 figures, 1 table, reviewed version will be published in "Sensors, Devices and Systems 2025 Proceedings" (Springer's Lecture Notes in Electrical Engineering)

HRRRCast: a data-driven emulator for regional weather forecasting at convection allowing scales

HRRRCast：面向对流允许尺度区域天气预报的数据驱动模拟器

Daniel Abdi, Isidora Jankov, Paul Madden, Vanderlei Vargas, Timothy A. Smith, Sergey Frolov, Montgomery Flora, Corey Potvin

机构 * Cooperative Institute for Research in Environmental Sciences（环境科学研究院） ； Cooperative Institute for Research in the Atmosphere（大气研究院） ； Cooperative Institute for Severe and High-Impact Weather Research and Operations（严重和高影响天气研究与运作研究院） ； NOAA Global Systems Laboratory（国家海洋和大气管理局全球系统实验室） ； NOAA Physical Sciences Laboratory（国家海洋和大气管理局物理科学实验室） ； NOAA National Severe Storms Laboratory（国家海洋和大气管理局严重风暴实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出HRRRCast数据驱动模拟器，采用ResNet和GNN架构，通过多预报时长训练和贪婪滚动策略，在CONUS区域复合反射率预报上达到与HRRR模型相当或更优的性能。

Journal ref Artificial Intelligence for the Earth Systems, Vol. 5, No. 2, 2026, Article 250061

Deep generative models as the probability transformation functions

深度生成模型作为概率变换函数

Vitalii Bondar, Vira Babenko, Roman Trembovetskyi, Yurii Korobeinyk, Viktoriya Dzyuba

机构 * Cherkasy State Technological University（切尔卡西国立技术大学） ； Cherkasy Bohdan Khmelnytsky National University（切尔卡斯比多曼·赫梅尔尼茨基国立大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出统一理论视角，将深度生成模型视为概率变换函数，揭示不同架构（自编码器、自回归模型、生成对抗网络、归一化流、扩散模型和流匹配）本质上均通过将简单预定义分布变换为复杂目标数据分布来运作。

Comments 12 pages, 6 figures, accepted for publication in "ICIST 2025 Springer Proceedings"

Ideas in Inference-time Scaling can Benefit Generative Pre-training Algorithms

推理时缩放的思想可以有益于生成式预训练算法

Jiaming Song, Linqi Zhou

机构 * Luma AI 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文指出自回归模型与扩散模型的二分法是错误的，提出应从推理过程（序列扩展与状态细化）出发设计训练目标，并论证了推理算法优先于训练目标的原则。

Comments updated some new literature on flow maps and continuous LLMs

Bottomonium Properties in QGP from a Lattice-QCD Informed T-Matrix Approach

基于格点QCD信息T矩阵方法的QGP中底偶素性质

Zhanduo Tang, Swagato Mukherjee, Peter Petreczky, Ralf Rapp

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用热力学T矩阵方法分析格点QCD底偶素关联函数，通过修正势和增强干涉效应描述数据，并评估底偶素束缚态存活温度及QGP空间扩散系数。

Comments 20 pages, 18 figures

Chiral active systems near a substrate: Emergent damping length controlled by fluid friction

基底附近的手性活性系统：流体摩擦控制的涌现阻尼长度

Joscha Mecke, Yongxiang Gao, Gerhard Gompper, Marisol Ripoll

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过粒子基流体动力学模拟，引入与系统参数相关的摩擦系数，揭示了阻尼长度限制涡旋尺寸并影响系统性质，与实验吻合。

Comments 12 pages, 9 figures

Journal ref Commun. Phys. 7, 332 (2024)

Janus microswimmers are poor hydrodynamic mixers

Janus微游泳者是差的水动力混合器

Maximilian Bailey, Dmitry Fedosov, Federico Paratore, Fabio Grillo, Gerhard Gompper, Lucio Isa

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过实验和数值模拟研究光催化二氧化硅-二氧化钛Janus微球在集体行为阈值以下的密度下对示踪粒子扩散性的增强，发现近场相互作用主导增强，且单独的水动力学不足以引起大扩散系数被动组分的显著混合。

Comments 18 pages, 12 Figures

Journal ref Phys. Rev. E 110, 044601 (2024)

Weakly nonlinear analysis of Turing pattern dynamics on curved surfaces

曲面上图灵斑图动力学的弱非线性分析

Ryosuke Nishide, Shuji Ishihara

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过弱非线性分析研究曲面曲率驱动的斑图传播，揭示了除传播外还可能产生周期和混沌等丰富动力学行为，为曲面与斑图动力学关系提供了新视角。

Stability Analysis of Sharpness-Aware Minimization

锐度感知最小化的稳定性分析

Hoki Kim, Jinseong Park, Yujin Choi, Jaewook Lee

机构 * Chung-Ang University, South Korea（Chung-Ang 大学，韩国） ； Korea Institute for Advanced Study, South Korea（韩国高级研究院） ； Ulsan National Institute of Science（乌山国家科学研究院） ； Nanyang Technological University (NTU), Singapore（南洋理工大学（NTU），新加坡） ； Seoul National University, South Korea（首尔国立大学，韩国） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究SAM在鞍点附近的收敛不稳定性，通过动力系统理论证明鞍点成为吸引子，并发现动量与批次大小可缓解该问题。

Comments Accepted to ICML 2026