图像生成

i1: A Simple and Fully Open Recipe for Strong Text-to-Image Models

i1: 一种简单且完全开放的强文本到图像模型配方

Boya Zeng, Tianze Luo, Shu Pu, Jucheng Shen, Taiming Lu, Gabriel Sarch, Zhuang Liu

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 扩散模型 ：text-to-image(title,abstract)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文通过300多次控制实验系统研究文本到图像扩散模型的设计选择，提出i1模型，仅用公开数据集训练3B参数模型，在五个基准上平均超越现有最佳完全开放模型29.5个百分点。

Comments Project page at https://zlab-princeton.github.io/i1

Ambient Diffusion Policy: Imitation Learning from Suboptimal Data in Robotics

环境扩散策略：从次优数据中进行机器人模仿学习

Adam Wei, Nicholas Pfaff, Thomas Cohn, Arif Kerem Dayı, Constantinos Daskalakis, Giannis Daras, Russ Tedrake

机构 * MIT（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出环境扩散策略，通过噪声依赖的数据使用从次优数据中提取有用特征，在六项任务上优于现有方法，最高提升33%。

Comments 14 pages (main body), 52 pages total. Project website: https://ambient-diffusion-policy.github.io/

Beyond Fully Random Masking: Attention-Guided Denoising and Optimization for Diffusion Language Models

超越完全随机掩码：扩散语言模型的注意力引导去噪与优化

Jia Deng, Junyi Li, Wayne Xin Zhao, Jinpeng Wang, Hongyu Lu, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； Meituan（美团） ； WeChat, Tencent（腾讯微信） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（大型模型与智能治理北京市重点实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出AGDO框架，利用注意力结构指导去噪顺序并强化关键令牌，在数学和编码基准上提升扩散语言模型的推理性能。

Comments 13 pages. Accepted to ACL 2026 Main Conference

DiffCold: A Diffusion-based Generative Model for Cold-Start Item Recommendation

DiffCold: 基于扩散的生成模型用于冷启动物品推荐

Kangning Zhang, Yingjie Qin, Weinan Zhang, Yong Yu, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对冷启动物品推荐中的跷跷板困境，提出基于条件扩散的生成模型DiffCold，通过从内容重建温物品嵌入并保持流形结构，结合检索增强聚合器和模拟表示对齐模块，统一冷热物品表示。

Comments Accepted by ECML-PKDD 2026

Re-evaluating Confidence Remasking in Masked Diffusion Language Models

重新评估掩蔽扩散语言模型中的置信度重新掩蔽

Stipe Frkovic, Metod Jazbec, Dan Zhang, Christian A. Naesseth, Ilija Bogunovic, Eric Nalisnick

机构 * UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学UvA-Bosch Delta实验室） ； Bosch Center for AI（博世人工智能中心） ； University of Basel（巴塞尔大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文重新评估了掩蔽扩散语言模型中一种无需训练的后验置信度重新掩蔽方法WINO，发现在标准解码设置下其收益甚微，且会加剧多样性坍塌问题。

From Uniform to Learned Graph Priors: Diffusion for Structure Discovery

从均匀到学习图先验：用于结构发现的扩散

Qi Shao, Hao Guo, Jiawen Chen, Duxin Chen, Wenwu Yu

机构 * School of Mathematics, Southeast University（东南大学数学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Diff-prior，一种扩散参数化的自适应先验，通过可学习的去噪式校准对边后验进行结构化校准，提升神经关系推理方法的结构发现可靠性。

Comments 15 pages, 3 figures, Accepted by KDD 2026

Least-Action-Guided Diffusion for Physical Extrapolation

最小作用量引导扩散用于物理外推

Zhongxin Yang, Yuanwei Bin, Xiang I. A. Yang, Shiyi Chen

机构 * College of Engineering, Peking University（北京大学工学院） ； Ningbo Institute for Digital Twin, Eastern Institute of Technology（东方理工宁波数字孪生研究院） ； Eastern Institute for Advanced Study, Eastern Institute of Technology（东方理工高等研究院） ； Shenzhen Tenfong Technology Co., Ltd.（深圳腾方科技有限公司） ； Mechanical Engineering, The Pennsylvania State University（宾夕法尼亚州立大学机械工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出最小作用量引导扩散（LAPG）框架，通过将最小作用量原理转化为可微的推理时校正机制，在时间、参数和几何外推中保持物理一致性，优于训练时物理信息基线。

Coupling of diffusion and reaction in a thin cylindrical tube: Methodological drawbacks of the Fick--Jacobs approach

细圆柱管内扩散与反应的耦合：Fick-Jacobs方法的方法论缺陷

Sergey D. Traytak, Timofey V. Fedoseev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究细圆柱管内扩散与反应的耦合问题，通过边界函数法推导渐近解，并与精确解对比揭示Fick-Jacobs方法的严重缺陷。

Comments 20 pages, 2 figures

Isotropic random walks and Brownian diffusion on complex projective space

复射影空间上的各向同性随机游走与布朗扩散

Gyula I. Tóth

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过各向同性随机游走和布朗扩散，为量子态空间探索提供可解析的随机几何框架，导出跃迁核、保真度统计和几何可观测量，并解决首达时间问题。

Path convergence in diffusion models

扩散模型中的路径收敛

Roi Holtzman, Roman Beauvallet, Werner Krauth

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散模型中插值路径在有限模式数p下的收敛行为，发现收敛尺度为1/√p但均方偏差无穷大，提出外推算法用于密度估计与泛化。

Comments 7 pages, 4 figures

SHERPA: Seam-aware Harmonized ERP Adaptation for Open-Domain 360$^\circ$ Panorama Generation

SHERPA: 面向开放域360°全景生成的无缝感知协调ERP适配

Jungwoon Kang, Jaehun Kim, Yiwon Yu, Hyungyum Jang, Sanghoon Lee, Jongyoo Kim

机构 * Yonsei University（延世大学） 纠错

专题命中 扩散模型 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出SHERPA框架，通过频率选择性圆形RoPE、圆形潜编码/解码、图像侧FFN适配器和双路径训练方案，实现从平面扩散模型到360°全景的轻量级适配，支持逼真和风格化全景生成。

Comments 29 pages, 23 figures, 5 tables. Preprint version

Flow Matching with In-Context Priors for Out-of-Distribution Brain Dynamics

基于上下文先验的分布外脑动力学流匹配

Sam Gijsen, Michał Łukomski, Marc-André Schulz, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（赫蒂人工智能脑健康研究所，图宾根大学） ； Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； Charité – Universitätsmedizin Berlin, Department of Psychiatry and Psychotherapy（柏林夏里特医学院，精神病学与心理治疗系） ； German Center for Mental Health (DZPG), partner site Tübingen（德国心理健康中心（DZPG），图宾根合作站点） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种逐时间步条件扩散Transformer，通过注入组合语言和可选空间先验，实现未见认知任务下fMRI脑动力学的零样本生成，支持反事实神经科学。

Comments Code and pretrained models available at https://github.com/SamGijsen/pinc-flows

SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning

SAFER-Nav: 通过分割感知微调增强视觉机器人导航的安全性

Geonyeong Ko, Giung Lee, Changjoo Nam

机构 * Dept. of Electronic Engineering, Sogang University（西江大学电子工程系） ； Dept. of Computer Science, Rice University（莱斯大学计算机科学系） ； Vertical Labs, Co., Ltd.（Vertical Labs 有限公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出SAFER-Nav方法，通过分割感知微调将障碍物边界和可通行空间结构直接融入导航策略，降低碰撞频率并保持目标到达性能。

Adversarial Attacks on Learned Policies for Surgical Robotic Tasks

针对手术机器人任务学习策略的对抗攻击

Shutong Jin, Ziyang Chen, Preethi Satish, Paavan Gupta, Florian T. Pokorny, Ken Goldberg

机构 * University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究学习型策略在机器人辅助手术中易受对抗攻击的脆弱性，提出破坏性和引导性攻击方法，实验表明攻击可使手术子任务成功率平均降低61%。

Physics-informed generative AI for semiconductor manufacturing: Enforcing hard physical constraints in generative models by construction

物理信息驱动的生成式AI在半导体制造中的应用：通过构造强制生成模型中的硬物理约束

Yaser Mike Banad, Sarah Sharif

机构 * School of Electrical and Computer Engineering, University of Oklahoma（俄克拉荷马大学电气与计算机工程学院） ； Center for Quantum Research and Technology, University of Oklahoma（俄克拉荷马大学量子研究与技术中心） ； Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Laboratory（创新研究与工程智能神经形态与量子理解实验室） ； Material Science and Engineering Program, University of Oklahoma, Norman, OK 73019 USA（俄克拉荷马大学材料科学与工程项目，Norman, OK 73019 USA） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对半导体制造中生成模型必须满足硬物理约束的问题，本文提出通过构造集成物理信息（如物理信息扩散、PDE约束变分模型等）来强制约束，而非事后过滤，并给出四种集成模式和未来研究方向。

ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation

ProHiFlo: 具有功能引导的分层流匹配用于从头蛋白质生成

Chuanzhen Wang, Meade Cleti, Pete Jano

机构 * Arizona State University（亚利桑那州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Tongji University（同济大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出ProHiFlo，一种分层流匹配框架，通过粗到细生成、功能引导和自适应SE(3)等变架构，实现高效、准确的从头蛋白质生成，在酶活性位点支架任务中成功率58.9%。

Comments 23 pages

A Hybrid LSMC-PDE Method for Bermudan Option Pricing under the Gatheral Double Mean-Reverting Model

Gatheral双均值回复模型下百慕大期权定价的混合LSMC-PDE方法

Mara Kalicanin Dimitrov, Ying Ni

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对Gatheral双均值回复随机波动率模型，提出混合最小二乘蒙特卡洛-偏微分方程方法，通过条件模拟和傅里叶变换降维，实现百慕大期权高效定价。

Mean-field theory via dissociated arrays for particle systems interacting through noisy weights

通过解离阵列的粒子系统在噪声权重交互下的平均场理论

Nicolas Fournier, Datong Zhou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究粒子通过有噪声权重的边交互的N粒子系统平均场极限，构造非线性SDE并证明解离顶点-边结构的传播，给出定量耦合估计和经验测度收敛。

A Unified Zeroth-Order Approach for Decentralized Minimax Optimization

面向去中心化极小极大优化的统一零阶方法

Haoyuan Cai, Yike Zhao, Aleksandar Armacki, Jie Chen, Ali H. Sayed

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出ZOMA框架，通过混合零阶估计器、偏差校正和加速技术的统一，实现多智能体非凸PL极小极大优化，达到与集中式方法匹配的收敛保证并具有线性加速。

Local and global strong solutions to a reduced model for inviscid micropolar fluids

无粘微极性流体简化模型的局部和全局强解

F. Fanelli, P. G. Fernández Dalgo, M. E. Martínez Martini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究无粘微极性流体二维简化模型的适定性，在Besov空间中建立局部强解的存在唯一性，并在次临界条件下证明全局存在性。

Comments Submitted

Recovering the initial condition and physical coefficients in a nonlinear PDE model of cell invasion

细胞侵袭非线性PDE模型中初始条件与物理系数的恢复

Beiji Chen, Kui Ren

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对细胞侵袭非线性反应扩散模型，利用Carleman估计建立反应系数全局唯一性与Lipschitz型稳定性，以及初始条件的对数稳定性，并提出两阶段数值算法。

Linear Combination of Hamiltonian Simulation with Commutator Scaling

哈密顿模拟的线性组合与交换子缩放

Junaid Aftab, Dong An, Konstantina Trivisa

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于交换子敏感的哈密顿模拟线性组合框架，通过多乘积公式实现耗散线性动力学模拟，分析求积规则对误差和查询复杂度的影响，并应用于分数扩散、对流扩散和开放量子系统。

Comments 45+15 pages. Comments are welcome

Spectrally Regularized Latent Flow Matching for Turbulence Generation

谱正则化潜流匹配用于湍流生成

Khalid Rafiq, Aditya G. Nair

机构 * Department of Mechanical Engineering, University of Nevada, Reno（内华达大学里诺分校机械工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对潜扩散和流匹配模型在湍流生成中低估耗散区振幅的问题，提出谱正则化潜流匹配框架，通过区域加权对数谱目标将深度耗散保留谱功率从25%提升至94%，并显著改善采样成本-保真度权衡。

Comments Accepted at the AI4Physics Workshop at ICML 2026. OpenReview: https://openreview.net/forum?id=MEZ1otYgXS

Translation dynamics of evaporating sessile binary-mixture droplet populations

蒸发固定二元混合物液滴群体的平移动力学

Debarshi Debnath, Anna Malachtari, George Karapetsas, Daniel Orejon, Khellil Sefiane, Alidad Amirfazli, Omar K. Matar, Prashant Valluri

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究二元混合物液滴对的平移动力学，通过理论模型和实验验证，揭示了溶质马兰戈尼、毛细效应和热马兰戈尼共同决定液滴的吸引、排斥和追逐行为。

Comments 44 pages, 18 figures

Loss Landscape Diagnosis for Gradient-Based Gray-Scott System Inversion: Disentangling the Roles of PINN Components

基于梯度的Gray-Scott系统反演的损失景观诊断：解构PINN各组件的角色

Yan Yang

机构 * Yan Yang（杨 Yan） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过直接反向传播稳态损失至未折叠的Gray-Scott模拟，发现优化因损失景观中的平坦高原和陡峭悬崖而失败，而PINN中的残差损失通过隐式编码完整PDE动力学避免了该病理现象。

Comments Accepted at the AI4Physics Workshop, ICML 2026 (non-archival). 14 pages, 10 figures

Improving the Angular Resolution of IBD Events Using Neutron Capture Information in Super-Kamiokande

利用超级神冈探测器中的中子俘获信息提高IBD事件的角度分辨率

Qishan Liu, Kenny C. Y. Ng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过Geant4模拟，证明在超级神冈探测器中利用中子俘获信息可在统计上提高逆β衰变事件的中微子方向性重建，并讨论了检测效应的影响。

Comments 17 pages, 21 figures. Comments are welcome

Tracking atomic-scale interdiffusion in immiscible bimetallic nanoparticles via four-dimensional electron tomography

通过四维电子断层扫描追踪不混溶双金属纳米颗粒中的原子尺度互扩散

Jisheng Xie, Dijin Jiang, Zhen Sun, Yiheng Dai, Zezhou Li, Yao Zhang, Jihan Zhou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用四维原子分辨率电子断层扫描和原位扫描透射电镜，揭示了不混溶PdIr纳米颗粒在远低于熔点的温度下由互扩散驱动的原子尺度混溶转变，包括表面重构、原子跳跃和界面扩散等中间过程。

Comments 14 pages, 4 figures

Shape-space dynamics and geometric pattern formation in nonreciprocal slender bodies

非互易细长体中的形状空间动力学与几何图案形成

Balázs Németh, Mohamed Warda, Ronojoy Adhikari

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于欧几里得对称性不变性，推导非互易细长体的形状空间弹性流体动力学公式，揭示活性驱动不稳定性产生稳态、振荡和混沌图案，并联系刚体运动、游动和混沌运动。

Studying hot evolved stars with ultraviolet spectroscopy

利用紫外光谱研究热演化星

Stephan Geier, Nicole Reindl, Matti Dorsch, Vikrant Jadhav, Helge Todt, Klaus Werner, Ulrich Heber, Marcelo M. Miller Bertolami, Tiara Battich, Semih Filiz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文综述了热演化星在理解类太阳恒星演化、双星相互作用及超新星物理中的关键作用，并强调了HST紫外光谱观测与模型在推动该领域及为HWO做准备中的重要性。

Comments Building a Roadmap for Hubble science into the 2030s White Paper, 5 pages

Planet formation at the inner edge of the dead zone II. Outbursts, rings, vortices, and suppression of planetesimal formation

死区内部边缘的行星形成 II. 爆发、环、涡旋及星子形成的抑制

Alexandros Ziampras, Tilman Birnstiel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过高分辨率二维辐射流体动力学模拟，发现吸积爆发在罗斯比波不稳定性下产生大量小尺度涡旋，合并后形成单一紧凑涡旋，强烈抑制星子形成，但爆发后星子形成会恢复。

Comments 12 pages, 12 figures; submitted to A&A; uploaded for visibility in 3rd PFITS+ Meeting; comments very welcome!