Strong invariance principles for diffusions, Markov chains and their perturbations
弱收敛于扩散过程的马尔可夫链的强逼近
专题命中 扩散模型 ：diffusion(abstract)
AI总结 针对弱收敛于扩散过程的离散时间马尔可夫链及其扰动版本，在共同概率空间上构造强逼近版本，最大化离散时间网格上的路径精确重合概率，并控制插值链与扩散轨迹的大偏差概率。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 扩散模型 125 篇
From supernovae to neutron stars: crust formation time
从超新星到中子星：外壳形成时间
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文通过解析估计，研究了中子星外壳在冷却后期开始形成的典型时间，并给出了与中子星质量和成分参数相关的解析表达式。
Comments 5 pages, 1 figure, accepted for publication in PASJ
Robustness and Structure Preservation in Flow-Based Generative Models via Wasserstein Path-Space Divergences
具有对称性的分数基于生成模型可证明高效学习具有对称性的分布
机构 * Department of Mathematics and Statistics（数学与统计学系） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Division of Applied Mathematics（应用数学系） ； Brown University（布朗大学）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文首次理论分析了分数基于生成模型在学习具有对称性的分布时的性能保障，并比较了数据增强与添加等价诱导偏差的效果。
Comments 40 pages
Spatio-temporal probabilistic forecast using MMAF-guided learning
基于MMAF引导学习的时空概率预测
机构 * TU Chemnitz, Faculty of Mathematics（图恩-切姆尼茨大学数学系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种理论引导的广义贝叶斯方法，用于训练随机前馈神经网络 ensemble，通过约束数据嵌入设计和优化过程，实现时空奥斯特瓦尔德过程的依赖性和因果结构。实验表明，该方法在多个时间尺度上保持校准，并展示浅层前馈架构在概率预测中可媲美甚至优于卷积或扩散深度学习架构。
Mutual Linearity in and out of Stationarity for Markov Jump Processes: A Trajectory-Based Approach
马尔可夫跳跃过程内外的互线性：基于轨迹的方法
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文基于轨迹级线性响应理论，推导了马尔可夫跳跃过程的互线性，扩展到非稳态弛豫动力学，揭示了远离平衡的响应特性及互线性的轨迹起源。
The Corrected Inverse-Gaussian: A Tractable First-Hitting-Time Channel Model for Nonstationary Molecular Communication
校正的逆高斯分布：一种适用于非平稳分子通信的可计算首次到达时间信道模型
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种可计算的首次到达时间分子通信信道模型，通过改变测度方法，将首次到达时间密度分解为累积漂移位移项和随机边界流调制因子，从而得到校正的逆高斯分布模型，适用于非平稳漂移情况。
Comments 6 pages, 4 figures. Revised analytical version; clarifies the exact moving-boundary reduction, MPP leading-action approximation, and calibrated positive-flux closure
Genuine and spurious (non-)ergodicity in single particle tracking
真实与虚假（非）遍历性在单粒子追踪中
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文探讨了单粒子追踪中遍历性判断的可靠性问题，提出使用均方增量替代均方位移以更准确描述系统遍历性。
Comments 32 pages,8 figures
Superbunched random fiber laser
超束随机光纤激光器
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种全光纤集成的超束随机光纤激光器，利用瑞利散射与布里渊散射协同作用，实现极端光子统计特性，用于量子光学和相关成像技术。
Inference-time optimization for experiment-grounded protein ensemble generation
推断时间优化用于实验导向的蛋白质集合生成
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种推断时间优化框架，通过优化潜在表示和新型采样方案，提升蛋白质集合生成的多样性、物理能量和与实验数据的一致性。
Hard-constraint physics-residual networks for hydrogen crossover prediction and high-pressure extrapolation in PEM water electrolysis
具有硬约束物理残差网络的氢渗透预测及质子交换膜水电解中的高压外推
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种结合物理定律的硬约束残差网络PR-Net，用于预测质子交换膜水电解中的氢渗透，并在高压外推中表现出色，相比纯数据驱动神经网络和软约束物理信息神经网络，PR-Net在预测精度和外推能力上均有显著提升。
Comments Final peer-reviewed version. Updated to match the published open-access article. DOI and journal reference added
Journal ref Applied Energy 421 (2026) 128220
Accelerated Inorganic Electrides Discovery by Generative Models and Hierarchical Screening
通过生成模型和分层筛选加速无机电荷化合物的发现
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出结合物理原理和扩散生成的材料发现框架，系统筛选出1510种二元和6654种三元化合物，发现264种新的电子富集化合物，包括13种热力学稳定的电荷化合物。
Comments 11 pages, 5 figures
A Probabilistic Approach to Trajectory-Based Optimal Experimental Design
基于概率的方法用于轨迹优化的实验设计
机构 * Mathematics and Computer Science Division, Argonne National Lab（阿贡国家实验室数学与计算机科学部）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种概率方法用于最优实验路径设计，通过将离散路径优化问题转化为随机优化问题，从而生成最优概率模型以估计最优路径。该方法适用于线性和非线性反问题。
Comments This version includes supplementary material. 18 Figures in the main document and 24 in the supplementary material
Optimal error estimates for a discontinuous Galerkin method on curved boundaries with polygonal meshes
针对曲边边界上多边形网格的不连续伽辽金方法的最优误差估计
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了在曲边边界上使用多边形网格的不连续伽辽金方法，通过多项式重构边界数据的方法，证明了在合适正则性假设下，该方法在二维线性对流-扩散-反应问题中实现最优收敛性。
Comments 42 pages, 6 figures
Transmutation based Quantum Simulation for Non-unitary Dynamics
基于变换的非幺正动力学量子模拟
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种量子算法，用于模拟由正半定算符A=L†L生成的耗散扩散动力学，利用Kannai变换将扩散半群表示为高斯加权的幺正波传播器线性组合，提升查询复杂度并应用于热方程和双曲扩散等场景。
Spectral Embedding via Chebyshev Bases for Robust DeepONet Approximation
通过Chebyshev基谱嵌入实现的鲁棒DeepONet近似
机构 * Department of Mechanical and Aerospace Engineering, University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校机械与航空航天工程系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出SEDONet，通过Chebyshev基谱嵌入改进DeepONet，有效捕捉非周期解结构，提升对偏微分方程非线性算子的逼近性能。
Multi-objective Low-altitude IRS-assisted ISAC Optimization via Generative AI-enhanced Deep Reinforcement Learning
多目标低空智能反射面辅助ISAC优化：通过生成式AI增强的深度强化学习
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出利用生成式AI增强的深度强化学习方法，解决低空智能反射面辅助的ISAC系统中通信、感知和能效的多目标优化问题，通过联合优化基站波束成形、IRS相位偏移和无人机飞行参数提升系统性能。
Modeling Earth-Scale Human-Like Societies with One Billion Agents
用十亿个智能体建模地球尺度的人类社会
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Shenzhen University（深圳大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出Light Society框架，通过结合大语言模型与优化算法，实现高效模拟十亿级智能体的社会现象，验证了其在信任游戏和意见扩散中的高保真度与效率。
Comments Work in progress
Analytic solutions and numerical method for a coupled thermo-neutronic problem
解析解与数值方法用于耦合热-中子问题
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出解析和数值方法解决耦合热-中子问题，通过中子通量扩散方程与水焓方程的耦合求解唯一解，解析解与数值解高度一致，但某些量依赖于扩散方程系数的近似程度。
Journal ref Communications in Mathematical Sciences, 2026, 24 (6), pp.1745-1707
Probabilistic Approach to Black-Box Binary Optimization with Budget Constraints: Application to Sensor Placement
概率方法在有预算约束的黑盒二进制优化中的应用：传感器布置的应用
机构 * Mathematics and Computer Science Division, Argonne National Laboratory（阿贡国家实验室数学与计算机科学部）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种概率方法，用于在预算约束下解决最优实验设计问题，通过条件伯努利模型扩展来建模预算约束，减少计算成本并避免软约束调参。
Comments 45 pages, 12 figures
Convergence analysis of two-grid methods for nonsymmetric positive definite systems
非对称正定系统两网格方法的收敛性分析
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文针对非对称正定系统，分析两网格方法的收敛性，推导了精确求解粗网格系统时的收敛因子表达式，并在一般条件下建立了不精确两网格方法的收敛理论。
2. 可控生成 14 篇
ScaleErasure: Inference-Time Minimal Intervention for Precise Concept Erasure in Next-Scale Autoregressive Image Generation
ScaleErasure：下一尺度自回归图像生成中精确概念擦除的推理时最小干预
专题命中 可控生成 ：image generation(title,abstract)；分类 cs.CV
AI总结 提出ScaleErasure方法，通过推理时对与不安全概念最相关的logits进行选择和引导，在下一尺度自回归图像生成中实现精确概念擦除，同时保持生成能力。
Comments ICML 2026
DCGrasp: Distance-aware Controllable Grasp Generation
DCGrasp: 距离感知的可控抓取生成
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出DCGrasp系统，利用距离感知抓取能量项生成高质量、物理合理的3D手-物交互，支持灵活用户控制并泛化到多样物体和手形。
Rethinking Forgery Attacks on Semantic Watermarks in Black-Box Settings: A Geometric Distortion Perspective
重新思考黑盒设置下语义水印的伪造攻击：一种几何畸变视角
机构 * Academia Sinica（中国台湾“学术院）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 本文从率-畸变理论出发，揭示代理模型与目标模型间的结构失配导致不可约畸变，并将其建模为潜在流形上的全局漂移和局部变形，进而提出一种方案无关的检测方法以区分伪造样本。
Comments Accepted at ICML 2026, updated
MMControl: Unified Multi-Modal Control for Joint Audio-Video Generation
MMControl: 多模态控制用于联合音频视频生成
机构 * Zhejiang University（浙江大学）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出MMControl，通过双流条件注入机制实现联合音频视频生成的多模态控制，支持视觉和听觉信号的精细控制，提升跨模态对齐效果。
Comments Accepted to ECCV 2026. Project page: https://aim-uofa.github.io/MMControl/
Symbiotic-MoE: Unlocking the Synergy between Generation and Understanding
共生MoE：解构生成与理解之间的协同效应
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
专题命中 可控生成 ：image generation(abstract)；分类 cs.CV
AI总结 本文提出Symbiotic-MoE框架，通过模态感知专家解缠绕和渐进训练策略，解决生成与理解任务间的冲突，提升多模态协同能力，在MMLU和OCRBench上取得显著提升。
Comments Accepted to ECCV 2026
ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving
ExploreVLA: 为端到端自动驾驶的密集世界建模与探索
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 可控生成 ：image generation(abstract)；分类 cs.CV
AI总结 本文提出基于世界建模的统一理解与生成框架，通过密集监督和内在奖励提升自动驾驶策略探索能力，在NAVSIM和nuScenes基准上取得优异性能。
Comments Accepted to ECCV 2026. The code is available at https://zihaosheng.github.io/ExploreVLA/
UCM: Unified Modeling of Camera Control and Memory with Time-aware Positional Encoding Warping for World Models
UCM：基于时间感知位置编码变形的相机控制与内存统一建模
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 UCM通过时间感知位置编码变形机制实现相机控制与长期记忆的统一建模，在真实和合成基准测试中显著提升场景一致性并实现高保真视频生成的精确控制。
Comments Project Page: https://humanaigc.github.io/ucm-webpage/
SDGIC: A Semantic Disambiguation-Guided Generative Image Compression Method for Ultra-Low Bitrates
SDGIC: 一种基于语义消歧的生成图像压缩方法，用于超低比特率
机构 * School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； Department of Electrical and Computer Engineering, Faculty of Applied Science, The University of British Columbia（不列颠哥伦比亚大学应用科学学院电气与计算机工程系）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出SDGIC框架，通过三种互补的指导流约束扩散重建，提升超低比特率下的语义一致性与感知质量，减少23.4%的AFINE。
Continuous-Time Information Design for Hurricane Evacuation: Disclosure, Congestion, and Optimal Phasing under Model Uncertainty
飓风疏散的连续时间信息设计：模型不确定性下的信息披露、拥堵与最优分阶段策略
专题命中 可控生成 ：diffusion(abstract)
AI总结 研究应急管理机构通过信息精度和分阶段疏散调度引导战略疏散区的连续时间信息设计，证明分阶段疏散优于同步建议，且信息精度存在符号模糊性（信息Braess效应），校准至丽塔飓风数据可减少89%的社会成本。
Comments 20 pages, 6 figures
Uniqueness and non-uniquess for the mean field control of fisheries
渔业均值场控制的唯一性与非唯一性
专题命中 可控生成 ：diffusion(abstract)
AI总结 研究渔业管理中均值场控制系统的解的非唯一性问题，通过分支理论证明多解存在，并给出改进的唯一性判据。
