图像生成

Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation

数据高效的自回归到扩散语言模型通过策略内蒸馏

Xingyu Su, Jacob Helwig, Shubham Parashar, Atharv Chagi, Lakshmi Jotsna, Degui Zhi, James Caverlee, Dileep Kalathil, Shuiwang Ji

机构 * Department of Computer Science and Engineering, Texas A&M University（德克萨斯大学阿马尔科分校计算机科学与工程系） ； Department of Bioinformatics and Systems Medicine, University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校生物信息学与系统医学系） ； Department of Electrical and Computer Engineering, Texas A&M University（德克萨斯大学阿马尔科分校电气与计算机工程系） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 提出策略内扩散语言模型（OPDLM），通过策略内蒸馏将自回归模型转换为扩散语言模型，解决分布偏移和训练-推理不匹配问题，实现15倍至7000倍更少训练数据下的强性能。

Drifting Models for Surrogate Flow Modeling

用于代理流建模的漂移模型

Chris R. Jung, Markus Dörr, Natalie Jüngling, Jennifer Niessner, Adam T. Müller, Nicolaj C. Stache

机构 * Center for Machine Learning (ZML)（机器学习中心（ZML）） ； Institute for Flow in Additively Manufactured Porous Structures (ISAPS)（添加剂制造多孔结构流动研究所（ISAPS）） ； Heilbronn University of Applied Sciences（海德堡应用科学大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出条件漂移框架，在VAE潜空间中进行漂移并利用标签感知掩码对齐边界条件，实现高质量单步生成，速度比迭代扩散快两个数量级。

Comments Accepted to the 2nd International Symposium AI and Fluid Mechanics 2026

Flow-Regulated Suprathermal Particle Acceleration in Weakly Collisional Astrophysical Plasmas

弱碰撞天体等离子体中的流调控超热粒子加速

Ji-Hoon Ha, Elena S. Volnova

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 利用一维Fokker-Planck框架研究弱碰撞等离子体中超热粒子群的形成，引入系统性速度空间漂移项描述流驱动的净能量化，发现速度空间扩散主导超热尾形成，而流漂移调控其效率和谱特性。

Comments 15 pages, 6 figures, Accepted for publication in JETP

SERNF: Sample-Efficient Real-World Dexterous Policy Fine-Tuning via Action-Chunked Critics and Normalizing Flows

SERNF: 通过动作块评论家和归一化流实现样本高效的真实世界灵巧策略微调

Chenyu Yang, Denis Tarasov, Davide Liconti, Romain Guntz, Hehui Zheng, Robert K. Katzschmann

机构 * Soft Robotics Lab, D-MAVT（软机器人实验室，D-MAVT） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出SERNF框架，结合归一化流策略和动作块评论家，实现真实世界灵巧操作策略的样本高效微调，解决多模态动作分布和信用分配问题。

Comments https://srl-ethz.github.io/SERNF/