图像生成

Tamed Feynman-Kac diffusion processes: Killing-branching intertwine

驯化的Feynman-Kac扩散过程：杀死-分支交织

Piotr Garbaczewski, Mariusz Żaba

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究漂移布朗运动平衡松弛的Feynman-Kac核，通过引入杀死和分支速率解释负势区域的驯化效应，并用数值模拟验证一维非线性模型。

Comments 34 pp. 26 figures, invited paper submitted to (De Gruyter Brill, Berlin) "Open Transport"

Journal ref (De Gruyter) Open Transport 2026; 1(1): 20260019

Homogenization of Three Species Reaction Diffusion Equation in Perforated Domains

穿孔区域中三物种反应扩散方程的同质化

Saumyajit Das, Kshitij Sinha

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用双尺度收敛方法，研究穿孔区域中具有非齐次Neumann边界条件的三物种反应扩散模型在微尺度质量流入影响下的宏观渐近行为，得到具有修正扩散系数的同质化方程。

Comments 32 pages, 3 figures

Generalized Discrete Diffusion with Self-Correction

广义离散扩散与自校正

Linxuan Wang, Ziyi Wang, Yikun Bai, Wei Deng, Guang Lin, Qifan Song

机构 * National University of Singapore（新加坡国立大学） ； 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 提出自校正离散扩散模型（SCDD），通过显式状态转移和离散时间学习，简化训练噪声调度，消除冗余重掩码步骤，在GPT-2规模上实现高效并行解码并保持生成质量。

Comments 40 pages, 3 figures, 6 tables

DiffusionBlocks: Block-wise Neural Network Training via Diffusion Interpretation

DiffusionBlocks: 通过扩散解释进行分块神经网络训练

Makoto Shing, Masanori Koyama, Takuya Akiba

机构 * Sakana AI ； The University of Tokyo（东京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiffusionBlocks框架，利用残差连接与动力系统的对应关系，将网络转换为去噪过程，通过分数匹配目标实现独立分块训练，在多种Transformer架构上达到与端到端训练相当的性能，同时降低内存需求。

Comments To appear at the 14th International Conference on Learning Representations (ICLR 2026). v4: Fixed typos in experimental details (Appendix E.4)

Residual Context Diffusion Language Models

残差上下文扩散语言模型

Yuezhou Hu, Harman Singh, Monishwaran Maheswaran, Haocheng Xi, Coleman Hooper, Jintao Zhang, Aditya Tomar, Michael W. Mahoney, Sewon Min, Mehrdad Farajtabar, Kurt Keutzer, Amir Gholami, Chenfeng Xu

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 提出残差上下文扩散（RCD）模块，通过回收丢弃令牌的上下文残差提高扩散语言模型的解码效率，在长/短CoT任务上以极少额外计算提升准确率4-11个百分点。

On a stochastic phase-field model of cell motility with singular diffusion

关于具有奇异扩散的细胞运动随机相场模型

Amjad Saef, Wilhelm Stannat

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一类描述移动边界问题的随机相场模型，通过加权L^2空间中的概率弱解处理相场零水平集处的奇异性，建立全局存在性。

Comments 39 pages

Journal ref Nonlinear Analysis, Vol. 274, January 2027, 114238

DBMC-aNOMAly: Asynchronous NOMA with Pilot-Symbol Optimization Protocol for Diffusion-Based Molecular Communication Networks

DBMC-aNOMAly: 一种异步NOMA与导频符号优化协议用于基于扩散的分子通信网络

Alexander Wietfeld, Wolfgang Kellerer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了异步DBMC-NOMA的参数优化和误码率降低，提出了一种基于导频符号的优化协议DBMCaNOMAly，并通过蒙特卡洛模拟验证了其在不同网络规模和噪声水平下的鲁棒性，提高了网络吞吐量。

Comments 19 pages, 18 figures; This work has been accepted for publication in IEEE Transactions on Molecular, Biological, and Multi-Scale Communications

Denoising Score Matching with Random Features: Insights on Diffusion Models from Precise Learning Curves

随机特征去噪分数匹配：从精确学习曲线看扩散模型

Anand Jerry George, Rodrigo Veiga, Nicolas Macris

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过随机特征神经网络参数化分数函数，推导去噪分数匹配的渐近精确误差，揭示模型复杂度、数据量和噪声样本数对扩散模型泛化与记忆的影响。

Comments Published at AISTATS 2026

MAD: Manifold Attracted Diffusion

MAD: 流形吸引扩散

Dennis Elbrächter, Giovanni S. Alberti, Matteo Santacesaria

机构 * Department of Mathematics, University of Vienna（维也纳大学数学系） ； MaLGa Center, Department of Mathematics, University of Genoa（热那亚大学数学系MaLGa中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出流形吸引扩散方法，利用流形假设通过扩展得分函数在推理阶段去除噪声，生成无噪声样本，在玩具问题、合成数据和真实数据上验证有效性。

Comments 21 pages, 13 figures

Journal ref Forty-third International Conference on Machine Learning, 2026

RepFusion: Leveraging Multimodal Priors for Denoising in Representation Space

RepFusion：利用多模态先验在表示空间中进行去噪

Xichen Pan, Aashu Singh, Satya Narayan Shukla, Xiangjun Fan, Shlok Kumar Mishra, Saining Xie

机构 * Meta AI ； New York University（纽约大学） 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RepFusion方法，利用多模态大语言模型作为噪声表示编码器，为扩散变压器提供条件信号，在相似推理预算下优于新初始化解码器基线。

Comments Project Page: https://xichenpan.com/repfusion

Generation of Maximal Snake Polyominoes Using a Deep Neural Network

使用深度神经网络生成最大蛇形多联骨牌

Benjamin Gauthier, Alain Goupil, Fadel Toure

机构 * Université du Québec à Trois-Rivières（魁北克大学三河分校） 纠错

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)；分类 cs.CV

AI总结 提出结构化像素空间扩散模型，从数据驱动学习生成最大蛇形多联骨牌，无需显式编码约束，能泛化到更大矩形并接近当前计算极限。

Comments In Proceedings GASCom 2026, arXiv:2606.09910

Journal ref EPTCS 445, 2026, pp. 104-113

CausalMotion: Structured Physical Reasoning as Keyframe and Trajectory Guidance for Training-Free Video Generation

CausalMotion: 基于关键帧与轨迹引导的结构化物理推理实现免训练视频生成

Sihan Zhuang, Xinyuan Chen, Tianfan Xue, Yaohui Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； ShanghaiTech University（上海科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出CausalMotion框架，利用视觉语言模型将文本提示分解为因果一致的关键帧和物体运动轨迹，作为软约束引导预训练视频扩散模型，无需额外训练即可提升物理合理性和时间连贯性。

Comments Project Page: https://zhuangsh0713.github.io/CausalMotion/

A Multi-Domain Feature Fusion Framework for Generalizable Deepfake Detection Across Different Generators

面向不同生成器的可泛化深度伪造检测的多域特征融合框架

Amna Amjid, Sana Qadir, Mehwish Fatima, Raja Khurram Shahzad

机构 * School of Electrical Engineering and Computer Science (SEECS), National University of Sciences and Technology (NUST), Islamabad, Pakistan（巴基斯坦国立科技大学电气工程与计算机科学学院） ； Department of Communication, Quality Management and Information Systems, Mid Sweden University, Ostersund Campus, Sweden（瑞典中部大学通信、质量管理和信息系统系，厄斯特松德校区） ； Department of Computer Science, Electrical and Space Engineering, Lulea University of Technology, Luleå, Sweden（瑞典吕勒奥理工大学计算机科学、电气与空间工程系） 纠错

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

AI总结 提出SGFF-Net，融合空间、梯度和DWT频率表示，在双残差学习架构中实现跨生成器和跨范式的深度伪造检测，准确率提升至79.80%。

Temporal Backtracking Search for Test-time Generative Video Reasoning

时间回溯搜索：测试时生成式视频推理

Sejoon Jun, Zheng Ding, Huangyuan Su, Weirui Ye, Yilun Du

机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究者） ； Harvard & Kempner（哈佛大学与肯普纳研究所） ； MIT（麻省理工学院） 纠错

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

AI总结 提出时间回溯搜索（TBS），通过将搜索空间转移到时间轴，在扩散过程中定位失败点并回溯重启，显著提升视频模型在测试时的推理能力。

Improving Lunar Topography with Deep Learning Schrödinger Bridges

利用深度学习薛定谔桥改进月球地形

Matthew Repasky, Erwan Mazarico, Michael K. Barker, Stefano Bertone, Terence J. Sabaka, Yao Xie

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程系） ； NASA Goddard Space Flight Center（美国国家航空航天局戈达德太空飞行中心） ； Center for Research and Exploration in Space Science and Technology (CRESST II), University of Maryland, College Park（马里兰大学帕克分校空间科学与技术研究与探索中心（CRESST II）） ； National Institute for Astrophysics (INAF), Astrophysical Observatory of Turin（意大利国家天体物理研究所（INAF）都灵天体物理天文台） 纠错

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

AI总结 提出基于扩散薛定谔桥的生成模型，结合光学影像约束，实现月球地形超分辨率重建，并提供像素级不确定性估计。

Journal ref The Planetary Science Journal 7.6 (2026): 139

Neither Parallel Nor Sequential: How DiffusionGemma Actually Commits Tokens

既非并行也非顺序：DiffusionGemma 实际如何提交令牌

Ali Asaria, Tony Salomone, Deep Gandhi

机构 * Transformer Lab 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过钩取DiffusionGemma 26B的采样器接受步骤，测量其解码顺序，发现解码既非并行也非块自回归，而是呈现部分从左到右的提交偏差，且块大小是测量尺度的伪影而非架构特性。

FloVerse: Floor Plan-Guided Multi-Modal Navigation

FloVerse：基于楼层平面图的多模态导航

Weiqi Huang, Shuangyi Dong, Jiaxin Li, Yifei Guo, Zan Wang, Wei Liang

机构 * School of Computer Science & Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出FloVerse任务统一PointNav、ObjectNav和ImageNav，构建FloVerse-1.6K数据集，并设计ThreeDiff两阶段模仿学习策略，利用楼层平面图先验提升导航性能。

Comments Accepted at CVPR 2026

ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving

ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试

Zhiyuan Zhang, Yanlun Peng, Jianing Zhang, Xianda Guo, Zehan Huang, Haoran Liu, Qifeng Li, Shaofeng Zhang, Xiaosong Jia, Junchi Yan

机构 * School of Computer Science & School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院、人工智能学院） ； Great Wall Motor（长城汽车） ； Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； 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ReactSim-Bench，通过解耦自车与周围智能体控制，使用偏离日志的自车行为作为输入，评估行为世界模型模拟的反应性能力，并基于碰撞、地图和运动学指标系统评测多种模型。

Nonparametric inference on Fokker-Plank and McKean-Vlasov models

Fokker-Planck和McKean-Vlasov模型的非参数推断

Adriana Laurindo Monteiro, Roberto Imbuzeiro Oliveira

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出基于核的速度场估计器，用于d维相互作用粒子的输运和扩散，建立均方误差率为h^2 + N^{-2/(d+2)}的相合性，涵盖Fokker-Planck和McKean-Vlasov两种设定。

Coherent structures and bifurcation analysis in a toxin-driven plant-herbivore model

毒素驱动的植物-食草动物模型中的相干结构和分岔分析

Grifo Gabriele, Valenti Giovanna

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究毒素介导的相互作用和定向运动如何影响植物-食草动物系统中相干结构的涌现，通过弱毒性和强毒性两种动力学机制分析稳定性、分岔及图灵模式。

Mean First Passage Time for Persistent Random Walks in Annular Search Domains

环形搜索域中持久随机游走的平均首通时间

Fatemeh Saghafifar, Daniel Coombs

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究二维环形域中随机游走者到达中心小吸收目标的平均首通时间，通过速度跳跃模型分析方向持久性和趋化偏置对搜索效率的影响，结合解析与数值方法。

Comments 27 pages, 11 figures

Bacterial adhesion to curved surfaces in fluid flow

细菌在流体流动中对弯曲表面的粘附

Edwina F. Yeo, Benjamin J. Walker, Philip Pearce, Mohit P. Dalwadi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过分析高流速下扩散边界层的相似解，推导出细菌粘附率随表面弧长和壁面剪切率变化的解析表达式，预测细菌在弯曲表面上优先粘附于峰或谷取决于剪切率。

Stochastic Thermodynamics on Time-Evolving Curved Spaces

时间演化弯曲空间上的随机热力学

Rihito Nagase, Shoki Sugimoto, Asuka Takatsu, Takahiro Sagawa

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对具有时变度规的过阻尼朗之万系统，构建了随机热力学框架，揭示了度规时间变化对能量平衡的贡献，并证明了熵产生满足热力学第二定律。

Comments (7+6) pages, 3 figures

Probing Structure and Ionic Transport in Molten Lithium Carbonate

探测熔融碳酸锂中的结构与离子输运

Debsundar Dey, Abhirup Patra, Anand Narayanan Krishnamoorthy, Gopalakrishnan Sai Gautam

专题命中 扩散模型 ：diffusion(abstract)

AI总结 采用等变图神经网络（MACE和NequIP）训练熔融淬火从头算分子动力学数据，构建熔融Li2CO3的机器学习势，MACE在能量和力预测上优于NequIP，并用于大规模模拟，揭示了Li输运由协同运动主导，且存在温度驱动的各向异性到各向同性转变。

Mean-field theory of myopic self-avoiding fractional Brownian motion

近视自回避分数布朗运动的平均场理论

Rashad Bakhshizada, Skirmantas Janušonis, Ralf Metzler, Thomas Vojta

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究近视自回避分数布朗运动，通过Fokker-Planck方法建立平均场理论，推导出相互作用主导区的封闭多项式解，并开发径向分箱算法实现大规模三维模拟。

Comments 11 pages, 9 figures

DeepJEB++: Foundation Model-Driven Large-Scale 3D Engineering Dataset via 2D Latent Space Augmentation

DeepJEB++: 基于基础模型驱动的二维潜空间增强的大规模三维工程数据集

Soyoung Yoo, Leekyo Jeong, Jinsu Ra, Dongeon Lee, Sunwoong Yang, Hyogu Jeong, Namwoo Kang

机构 * Cho Chun Shik Graduate School of Mobility, Korea Advanced Institute of Science and Technology（韩国科学技术院赵春植移动研究生院） ； Department of Mechanical Engineering, Hanyang University（汉阳大学机械工程系） ； Narnia Labs（纳尼亚实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出DeepJEB++框架，通过二维潜空间增强和基础模型，将少量喷气发动机支架种子设计扩展为大规模带仿真标签的三维数据集，实现40倍扩展。

Comments 16 pages, 14 figures. Submitted to ASME Journal of Mechanical Design

Linear causality and stability constraints on relativistic second-order magnetohydrodynamics

相对论二阶磁流体力学中的线性因果性与稳定性约束

Yiwei Qiu, Duan She, Defu Hou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于熵流分析构建相对论二阶磁流体力学框架，通过线性模式分析研究因果性和稳定性对各向异性系统的约束，揭示了磁声、阿尔文和电荷扩散模式的渐近色散关系及因果性边界。

Comments 56 pages, 10 figures

The Insurability Frontier of AI Risk: Mapping Threats to Affirmative Coverage, Silent Exposures, and Exclusions

AI风险的可保险边界：将威胁映射到积极保险、沉默暴露和排除

Alex Leung, Rex Zhang, Ervin Ling, Kentaroh Toyoda, SiewMei Loh

机构 * Munich Re（慕尼黑再保险） ； Armilla ； Tokio Marine Kiln（东京海上日赤保险） ； CFC ； Apollo ibott ； Coalition 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了AI风险在商业保险中的可保险性边界，通过分析55类AI威胁与26种保险产品和排除制度，揭示了四个层次的可保险性前沿：积极保险的风险、沉默AI暴露、主动排除的风险以及传统私人保险结构之外的风险。

Comments Version 2

Fractal and Spectral Dimensions as Determinants of Thermal Ablation Outcomes in Cancer Tissues

分形维数和谱维数作为癌组织热消融结果的决定因素

Mario Olmo-Fajardo, Alexander López, Malte Henkel, Sébastien Fumeron

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过分形-分数阶生物热模型，发现组织分形几何和拓扑连通性共同控制凝固区扩展，谱维数是临床变异的关键驱动因素，为恶性肿瘤热消融提供拓扑信息指导策略。

Comments 18 pages, 7 figures

Journal ref Chaos, Solitons & Fractals, 210, 118668 (2026)

Double-Bracket Master Equations: Phase-Space Representation and Classical Limit

双括号主方程：相空间表示与经典极限

Ankit W. Shrestha, Budhaditya Bhattacharjee, Adolfo del Campo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过Wigner-Weyl变换和Moyal括号形式，系统推导了双括号耗散主方程的经典极限，并建立了量子与半经典框架下的梯度流表示，研究了谐振子与驱动非谐振子的半经典演化。

Comments 18 pages, 7 figures, Published version

Journal ref Phys. Rev. A 113, 062610 (2026)