图像生成

Dynamic Infilling Anchors for Format-Constrained Generation in Diffusion Large Language Models

扩散大语言模型中用于格式约束生成的动态填充锚点

Boyan Han, Yiwei Wang, Yi Song, Yujun Cai, Chi Zhang

机构 * AGI Lab, Westlake University, China（西溪大学AGI实验室，中国） ； University of California, Merced, USA（加州大学梅尔德分校，美国） ； Teeni AI, China（Teeni AI，中国） ； The University of Queensland, Australia（昆士兰大学，澳大利亚） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出动态填充锚点（DIA），一种无需训练的方法，通过动态估计结束锚点位置调整生成长度，确保格式约束下的结构正确性和语义连贯性，在GSM8K和MATH上实现零样本性能提升。

Comments Accepted to the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)

Global Sketch-Based Watermarking for Diffusion Language Models

基于全局草图的扩散语言模型水印

Daniel Zhao

机构 * Harvard University（哈佛大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种针对掩码扩散语言模型的全局向量草图水印方法，通过控制文本的整体统计特征实现与局部上下文无关的检测。

D^2SD: Accelerating Speculative Decoding with Dual Diffusion Draft Models

D^2SD: 使用双重扩散草稿模型加速推测解码

Liyuan Zhang, Jiarui Zhang, Jinwei Yao, Ran Yan, Yuchen Yang, Jiahao Zhang, Tongkai Yang, Yi Wu, Binhang Yuan

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； HKUST（香港科技大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Ant Group（蚂蚁集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出D^2SD框架，通过双重扩散草稿模型和置信度引导的前缀树，提升推测解码的接受率，优于现有扩散方法和自回归推测解码基线。

Read the Trace, Steer the Path: Trajectory-Aware Reinforcement Learning for Diffusion Language Models

读取轨迹，引导路径：面向扩散语言模型的轨迹感知强化学习

Anant Khandelwal, Manish Gupta

机构 * Microsoft AI, India（微软印度人工智能） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CAPR算法，通过缓存轨迹状态和块级价值头，利用去噪轨迹提供类似树搜索的细粒度监督，在降低计算成本的同时提升扩散语言模型的强化学习效果。

Comments 19 pages, 10 figures, 7 Tables

Space-Time Duality in Relativistic Diffusion via Subordination

相对论扩散中的时空对偶性：基于从属过程

Cheng-Gang Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过从属过程揭示了电报方程与空间非局部扩散方程之间的对偶性，并将这一对偶性推广到基于C0-半群的时空对偶算子族。

Supportive Token Revealing for Fast Diffusion Language Model Decoding

支持性标记揭示：快速扩散语言模型解码

Giries Abu Ayoub, Mario Barbara, Lluís Pastor-Pérez, Tanja Bien, Aneesh Barthakur, Alaa Maalouf, Loay Mualem

机构 * Department of Computer Science, University of Haifa（海法大学计算机科学系） ； Institute for AI, University of Stuttgart（斯图加特大学人工智能研究所） ； IMPRS-IS 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出AXON模块，通过选择注意力、不确定性和置信度信号中的锚点标记来改善扩散语言模型并行解码的质量-延迟权衡。

Kernel-Robust Dynamics for Reaction-Diffusion Equations with Measure-Valued Delay

具有测度值延迟的反应扩散方程的核鲁棒动力学

Lennon Shikhman

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究具有有限符号Borel测度延迟的半线性反应扩散方程，在历史相空间中证明全局弱适定性，并建立解半流对延迟测度总变差距离的Lipschitz连续依赖性以及弱星收敛下的鲁棒性，最后在Halanay型延迟耗散条件下证明紧全局吸引子的存在性和上半连续性。

Comments 18 pages

AgenticDiffusion: Agentic Diffusion-based Path Planning for Vision-Based UAV Navigation

AgenticDiffusion：基于智能体扩散的视觉无人机导航路径规划

Faryal Batool, Muhammad Ahsan Mustafa, Fawad Mehboob, Valerii Serpiva, Dzmitry Tsetserukou

机构 * University of Engineering and Technology, Lahore（拉合尔工程与技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出AgenticDiffusion多视角无人机导航框架，结合语言引导推理、开放词汇目标定位、视觉扩散规划与NMPC，通过协调第一人称和俯视图提升室内导航效率，在40次真实实验中实现80%任务成功率。

MaskForge: Structure-Aware Adaptive Attacks for Jailbreaking Diffusion Large Language Models

MaskForge：用于越狱扩散大语言模型的结构感知自适应攻击

Yingzi Ma, Zhengyue Zhao, Xiaogeng Liu, Minhui Xue, Yue Zhao, Chaowei Xiao

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Southern California（南加州大学） ； Responsible AI Research (RAIR) Centre, The University of Adelaide（阿德莱德大学负责任人工智能研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出MaskForge，一种全黑盒自适应攻击方法，通过优化结构模式库实现扩散大语言模型的红队测试，平均攻击成功率达79.3%。

Comments 28 pages, 7 figures, 11 tables. Preprint

Flicker-DDPM: Accelerating Denoising Diffusion via 1/f Colored Noise Injection

Flicker-DDPM：通过1/f彩色噪声注入加速去噪扩散

KeXiang Mao, FanCheng Li

机构 * School of Physics and Technology, Wuhan University（武汉大学物理科学技术学院） ； Hongyi Honor College, Wuhan University（弘毅荣誉学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Flicker-DDPM模型，利用自组织临界性启发的1/f彩色噪声替代各向同性白噪声，通过空间相关核生成幂律谱噪声，在CIFAR-10上以3.33倍更少的采样步数达到或超越标准DDPM的生成质量，并从频域线性理论解释加速机制。

Comments 16pages, 8 figures, Code available at https://github.com/Mao-Kexiang/Flicker_DDPM

First passage time properties of diffusion with a broad class of stochastic diffusion coefficients

具有广泛随机扩散系数类的扩散的首通时间性质

Go Uchida, Hiromi Miyoshi, Hitoshi Washizu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有随机扩散系数的扩散过程的首通时间性质，发现随机扩散系数能提高早期到达效率，但平均首通时间发散，且长时间后分布趋于Lévy-Smirnov分布。

Comments 16 pages, 4 figures

Journal ref Phys. Rev. E 113, 064108 (2026)

Attention-Based Sampler for Diffusion Language Models

基于注意力的扩散语言模型采样器

Yuyan Zhou, Kai Syun Hou, Weiyu Chen, James Kwok

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型采样中忽略全局序列结构的问题，提出基于注意力矩阵列和的采样顺序优化方法，实现无训练的高质量并行采样。

T$^\star$: Progressive Block Scaling for Masked Diffusion Language Models Through Trajectory Aware Reinforcement Learning

T$^\star$：通过轨迹感知强化学习实现掩码扩散语言模型的渐进块缩放

Hanchen Xia, Baoyou Chen, Yutang Ge, Guojiang Zhao, Siyu Zhu

机构 * Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； School of Mathematical Sciences（数学科学学院） ； Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出T$^\star$方法，利用基于TraceRL的训练课程，在掩码扩散语言模型中渐进增大块大小，实现高并行解码且性能损失极小。

Drift-Diffusion Matching: Embedding dynamics in latent manifolds of asymmetric neural networks

漂移-扩散匹配：非对称神经网络潜在流形中的动力学嵌入

Ramón Nartallo-Kaluarachchi, Renaud Lambiotte, Alain Goriely

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Centre for Eudaimonia and Human Flourishing, University of Oxford（牛津大学幸福与人类繁荣中心） ； Complexity Science Hub, Vienna（维也纳复杂科学中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出漂移-扩散匹配框架，通过训练连续时间循环神经网络在低维潜在子空间中嵌入任意非线性随机微分方程，利用非对称连接实现非平衡动力学，并应用于联想记忆和序列记忆建模。

Comments 25 pages, 16 figures

Tuning the Implicit Regularizer of Masked Diffusion Language Models: Enhancing Generalization via Insights from $k$-Parity

调整掩码扩散语言模型的隐式正则化器：通过$k$-奇偶问题的见解增强泛化能力

Jianhao Huang, Baharan Mirzasoleiman

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过$k$-奇偶问题研究掩码扩散语言模型的泛化特性，理论分解其目标函数为信号和噪声两部分，并利用噪声作为隐式正则化器，通过优化掩码概率分布显著提升模型性能。

Comments ICML 2026

Wellposedness and dynamics of two types of reaction--nonlocal diffusion systems under the inhomogeneous spectral fractional Laplacian

两类非齐次谱分数阶拉普拉斯算子下的反应-非局部扩散系统的适定性和动力学

Pu Yuan, Paul A. Zegeling

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过调和提升和解析压缩半群理论，研究带非齐次Dirichlet边界条件的反应-非局部扩散方程的适定性，并分析双稳态和Gray-Scott系统的动力学性质，包括能量耗散、不变集和数值模拟。

The Feller diffusion as the limit of a coalescent point process

Feller扩散作为并合点过程的极限

Conrad J. Burden, Robert C. Griffiths

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究Feller扩散作为并合点过程的极限，其中节点高度分布密度偏向零，通过统一方法回顾分支过程标度极限的结果，并推广伯努利抽样到扩散极限，分析泊松抽样和k抽样Feller扩散的并合性质。

Comments 37 pages, 3 diagrams. Review portion of the paper has been expanded and proofs of theorems moved to appendices

Rational approximation to the fractional Laplacian operator in reaction-diffusion problems

分数拉普拉斯算子在反应扩散问题中的有理逼近

Lidia Aceto, Paolo Novati

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的数值策略，用于在有界域上求解带有齐次狄利克雷边界条件的分数空间反应扩散方程。通过矩阵变换方法，将分数拉普拉斯算子替换为一个通常稠密的矩阵。所提出的方法基于对这个矩阵的近似，即用两个合适的带状矩阵的乘积来近似，从而得到一个半线性初始值问题，其中涉及的矩阵是稀疏的。数值结果用于验证所提出解策略的有效性。

Journal ref SIAM Journal of Scientific Computing. 39, 1, pag. A217-A228 (2017)

Deterministic particle method approximation of a contact inhibition cross-diffusion problem

确定性粒子方法对接触抑制交叉扩散问题的近似

Gonzalo Galiano, Virginia Selgas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了利用确定性粒子方法对两种种群的演化交叉扩散问题进行数值近似，探讨了交叉扩散问题在不同扩散参数下的分类，并比较了有限元方法与粒子方法在接触抑制问题中的数值实验结果。

Comments 13 pages

Journal ref Appl Numer Math 95 (2015) 229-237

Numerical solution of steady-state groundwater flow and solute transport problems: Discontinuous Galerkin based methods compared to the Streamline Diffusion approach

稳态地下水流动和溶质传输问题的数值解：间断伽辽金方法与流体扩散方法的比较

A. Q. T. Ngo, P. Bastian, O. Ippisch

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了稳态地下流和溶质传输过程的模拟，比较了间断伽辽金方法与流体扩散方法在计算时间和陡峭前沿解析能力方面的性能。

Multitask Diffusion Adaptation over Networks

网络上的多任务扩散适应

Jie Chen, Cédric Richard, Ali. H. Sayed

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于扩散策略的分布式算法，用于解决多任务问题，通过最小化适当的均方误差准则并加入ℓ₂正则化，分析了算法的稳定性和收敛性，并通过仿真验证了理论结果及在频谱感知、目标定位和高光谱数据解混等应用中的有效性。

Comments 29 pages, 11 figures, submitted for publication

Analysis of a space--time hybridizable discontinuous Galerkin method for the advection--diffusion problem on time-dependent domains

时空混合型不连续 Galerkin 方法在时间依赖域上的对流扩散问题分析

Keegan L. A. Kirk, Tamas L. Horvath, Aycil Cesmelioglu, Sander Rhebergen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文首次分析了在时间依赖域上对流扩散问题的时空混合型不连续 Galerkin 方法，基于非标准局部迹和逆不等式，证明了离散问题的适定性，并在网格依赖范数下提供了先验误差估计，通过数值例子验证了收敛理论。

Journal ref SIAM Journal on Numerical Analysis, 57/4 (2019), pp. 1677-1696

A fractional spline collocation-Galerkin method for the time-fractional diffusion equation

一种用于时间分数扩散方程的分数样条collocation-Galerkin方法

Laura Pezza, Francesca Pitolli

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于分数样条的collocation-Galerkin方法，用于求解具有分数阶时间导数的扩散微分问题，通过闭式表达式简化了分数阶导数的计算，提高了数值方法的准确性和效率。

Comments 15 pages

Journal ref Communications in Applied and Industrial Mathematics, vol.9, no.1, 2018, pp.104-120

Weak convergence rates for Euler-type approximations of semilinear stochastic evolution equations with nonlinear diffusion coefficients

关于具有非线性扩散系数的半线性随机演化方程的欧拉型近似弱收敛率

Arnulf Jentzen, Ryan Kurniawan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有非线性扩散系数的半线性随机演化方程的时间离散数值近似的弱收敛率，通过引入温和的Itô型公式和合适的半线性积分 counterpart，建立了线性隐式欧拉近似的本质尖锐弱收敛率。

Comments arXiv admin note: text overlap with arXiv:1408.1108

Journal ref Found. Comput. Math. 21 (2021), no. 2, 445-536

Weak convergence rates of spectral Galerkin approximations for SPDEs with nonlinear diffusion coefficients

谱伽辽金近似在具有非线性扩散系数的随机偏微分方程中的弱收敛速率

Daniel Conus, Arnulf Jentzen, Ryan Kurniawan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有非线性扩散系数的随机偏微分方程的谱伽辽金近似的弱收敛速率问题，通过改进的伽辽金近似过程和温和的伊藤型公式，建立了几乎精确的弱收敛速率，且不依赖马尔可夫算子。

Journal ref Ann. Appl. Probab. 29 (2019), no. 2, 653-716

Fast iterative method with a second order implicit difference scheme for time-space fractional convection-diffusion equations

求解时-空分数对流-扩散方程的快速迭代方法：基于二阶隐式差分方案

Xian-Ming Gu, Ting-Zhu Huang, Cui-Cui Ji, Bruno Carpentieri, Anatoly A. Alikhanov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种求解时-空分数对流-扩散方程初始-边界问题的数值方法，通过构造二阶隐式差分方案并设计快速求解方法，有效降低了计算复杂度和内存需求。

Comments 29 pages, 8 tables, 4 figures. Submitted to academic journal for peer-review. arXiv admin note: text overlap with arXiv:1510.05089, arXiv:1503.04886 by other authors

Journal ref Journal of Scientific Computing, 72(3) (2017): 957-985

Primal dual mixed finite element methods for indefinite advection--diffusion equations

对不定输运-扩散方程的对偶混合有限元方法

Erik Burman, Cuiyu He

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了对偶混合有限元方法用于解不定输运-扩散方程，通过分析发现该方法在低佩克莱数情况下在能量和L²范数下具有最优的先验误差估计，在高佩克莱数情况下在H(div)范数下也具有最优误差估计，并通过数值实验验证了该方法在消除内部层附近的虚假振荡方面的有效性，同时提出了两种策略来解决出流边界层引起的数值伪影问题。

Comments 25 pages, 6 figures, 5 tables

Error estimates in balanced norms of finite element methods for higher order reaction-diffusion problems

有限元方法在高阶反应扩散问题中的平衡范数误差估计

Sebastian Franz, Hans-G. Roos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了高阶反应扩散问题有限元方法在平衡范数下的误差估计，改进了传统能量范数的不足，正确反映了间断层行为。

Comments 13 pages

Journal ref Int. J. Numer. Anal. Mod., 17 (2020), pp. 532-542

A note on stress-driven anisotropic diffusion and its role in active deformable media

关于应力驱动各向异性扩散及其在主动变形介质中的作用的注记

Christian Cherubini, Simonetta Filippi, Alessio Gizzi, Ricardo Ruiz-Baier

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的模型来描述主动变形介质中的扩散过程，通过将扩散张量直接耦合到机械应力，揭示了初始各向同性且均匀的扩散张量因非线性耦合的内在结构而变为非均匀和各向异性的现象，并探讨了其物理性质和数学条件。

Journal ref Journal of Theoretical Biology (2017)

Superconvergent interpolatory HDG methods for reaction diffusion equations I: An HDG$_{k}$ method

超收敛的插值混合断续有限元方法用于反应扩散方程 I：一种 HDG$_{k}$ 方法

Gang Chen, Bernardo Cockburn, John Singler, Yangwen Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种改进的插值混合断续有限元方法，用于反应扩散方程，通过元素级后处理恢复超收敛性并保持计算优势。

Journal ref J. Sci. Comput. 81 (2019), no. 3, 2188-2212