图像生成

SynLaD: Latent Diffusion for Generating Synthesizable Molecules Conditioned on 3D Pharmacophore Profiles

SynLaD: 基于3D药效团轮廓的条件可合成分子生成的潜在扩散模型

Miruna Cretu, John Bradshaw, Patricia Suriana, Saeed Saremi, Omar Mahmood, Kirill Shmilovich, Kangway Chuang, Vishnu Sresht, Colin Grambow

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出SynLaD框架，结合潜在扩散与反应约束生成，在3D药效团条件下同时优化分子可合成性和形状匹配，优于现有基线。

Valdi: Value Diffusion World Models

Valdi: 价值扩散世界模型

Christopher Lindenberg, Kashyap Chitta

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Valdi框架，结合端到端在线训练与潜在扩散动力学模型，在CarRacing环境中使用单步扩散达到与确定性MLP基线相当的性能，揭示了预测多模态与控制性能之间的权衡。

Comments RLC 2026 WMW

Accelerating Discrete Diffusion Models with Parallel-In-Time Sampling

加速离散扩散模型的时间并行采样

Yu Yao, Huanjian Zhou, Andi Han, Wei Huang, Masashi Sugiyama

机构 * The University of Tokyo（东京大学） ； The University of Sydney（悉尼大学） ； RIKEN AIP（日本理化学研究所革新智能研究中心） ； The Institute of Statistical Mathematics（统计数理研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于连续时间马尔可夫链框架的并行τ-leaping算法，利用Picard迭代实现时间并行采样加速，将复杂度从O(d log S)降至O(log(d log S)·log d)，在合成和真实数据上实现7-9倍加速。

Comments 33 pages, 10 figures

Kinetic Fokker-Planck Equations with Nonlinear Diffusion

具有非线性扩散的动力学Fokker-Planck方程

Zimo Hao, Zhengyan Wu, Xicheng Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究非线性动力学Fokker-Planck方程的存在性、正则性和唯一性，通过动力学半群平滑估计处理仅作用于速度变量的非线性扩散，建立弱解和Besov正则性，并在质量临界条件下得到唯一性。

A Nonstandard Finite Difference Scheme for a Nonlinear Parabolic Equation with p-Laplacian-Type Diffusion

具有p-Laplacian型扩散的非线性抛物方程的非标准有限差分格式

Achraf Zinihi, Matthias Ehrhardt, Moulay Rchid Sidi Ammi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对含p-Laplacian型扩散的非线性抛物方程，提出一种非标准有限差分格式，通过非线性分母函数和非局部逼近保持正性、有界性和稳定性，避免标准方法的伪振荡和非物理解。

Comments 16 pages

Low Perplexity is Repetition: A One-Dimensional Self-Conditioning Attractor in Continuous Diffusion LMs

低困惑度即重复：连续扩散语言模型中的一维自调节吸引子

Shuai Zhang, Zijie Chen, Hongliang He, Lun Du, Zhenzhong Lan

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 发现连续扩散语言模型（如ELF）的低困惑度源于过度重复，提出一维吸引子机制并设计ACE方法消除重复，提升文本质量。

SLIM-RL: Risk-Budgeted Random-Masking RL for Diffusion LLMs Without Trajectory Slicing

SLIM-RL: 无需轨迹切分的扩散LLM风险预算随机掩码强化学习

Ruikang Zhao, Zhenting Wang, Han Gao, Ligong Han

机构 * Technical University of Denmark（丹麦技术大学） ； MBZUAI Institute of Foundation Models（穆罕默德·本·扎耶德人工智能大学基础模型研究所） ； Iowa State University（爱荷华州立大学） ； Red Hat AI Innovation（红帽人工智能创新实验室） ； MIT–IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出SLIM-RL方法，通过τ预算解码器控制每步提交风险，结合无迹随机掩码目标和自适应方差缩减技术，在不重构训练轨迹的情况下匹配或超越现有轨迹感知方法，在数学和代码任务上取得显著提升。

Comments 17 pages

Understanding Evaluation Illusion in Diffusion Large Language Models

理解扩散大语言模型中的评估幻觉

Hengxiang Zhang, Jiaxi Ren, Renchunzi Xie, Hongxin Wei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 发现扩散大语言模型的解码方法排名对提示模板高度敏感，单模板评估会产生性能无损失的幻觉，实际并行解码方法无法突破速度-质量权衡。

Transition fronts of combustion reaction-diffusion equations in domains with multiple cylindrical branches

多圆柱分支区域中燃烧反应扩散方程的过渡前沿

Yang-Yang Yan, Wei-Jie Sheng, Zhi-Cheng Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究多分支区域中燃烧反应扩散方程的传播动力学，证明存在唯一整体解表现为平面行波前沿，并证明其为连接0和1的过渡前沿，全局平均速度等于平面波速。

Nonlinear evolution of perturbatively driven kinetic instabilities far from marginal stability

远离边际稳定性的微扰驱动动力学不稳定性的非线性演化

Emma G. Devin, Vinícius N. Duarte

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究远离不稳定阈值的动力学不稳定性在源和汇存在下的非线性演化，发现模式经历线性增长、快速强非线性过渡和弱非线性饱和阶段，并给出了模式振幅的解析解。

Comments 21 pages, 6 figures. Updated title. Text expanded, 3 figures added; main results unchanged

Multi-Embodiment Robotic Retargeting via Guided Diffusion Model

基于引导扩散模型的多体机器人重定向

Zhefeng Cao, Ben Liu, Shunpeng Yang, Sen Li, Wei Zhang, Hua Chen

机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟校区联合学院） ； LimX Dynamics 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出统一图条件扩散框架，利用图结构编码不同机器人拓扑几何特征，通过基于能量的引导损失训练，实现跨异构体的运动重定向。

HyFL-CLIP: Hyperbolic Fine-Tuning of CLIP for Robust Long-Context Understanding

HyFL-CLIP: 用于鲁棒长上下文理解的CLIP双曲微调

Ji Ha Jang, Hayeon Kim, Chulwon Lee, Junghun James Kim, Se Young Chun

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； IPAI ； INMC & AIIS（智能计算与人工智能研究所） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出HyFL-CLIP，通过双曲空间微调CLIP，利用跨流形相似性蒸馏和爱因斯坦中点聚合建模层次蕴含关系，提升长上下文理解鲁棒性，在文本扰动下长文本跨模态检索提升高达19.5%。

Comments Accepted to ECCV 2026. Project page: https://janeyeon.github.io/hyflclip

Divide and Conquer: Decoupled Representation Alignment for Multimodal World Models

分而治之：多模态世界模型的解耦表示对齐

Junyuan Xiao, Dingkang Liang, Xin Zhou, Yixuan Ye, Tongtong Su, Guangmo Yi, Bin Xia, Qiang Lyu, Shurui Shi, Jun Huang, Jianlou Si, Wenming Yang

机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； CSU（中南大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； UCAS（中国科学院大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出M²-REPA方法，通过解耦扩散模型中间表示中的模态特定特征并与对应的专家基础模型对齐，实现多模态视频生成中多种基础模型先验的充分利用，显著提升视觉质量和长期一致性。

Comments Accepted to ECCV 2026

High-dimensional Embedding Prior for Noisy K-space Domain MRIReconstruction

高维嵌入先验用于噪声k空间域MRI重建

Yu Guan, Tianjia Huang, Qinrong Cai, Qiuyun Fan, Dong Liang, Qiegen Liu

机构 * School of Advanced Manufacturing, Nanchang University（南昌大学先进制造学院） ； School of Mathematics and Computer Science, Nanchang University（南昌大学数学与计算机科学学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； Academy of Medical Engineering and Translational Medicine, Medical School, Faculty of Medicine, Tianjin University（天津大学医学部医学工程与转化医学研究院） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对噪声k空间MRI重建，提出高维嵌入框架增强扩散模型表示能力，在多种噪声和欠采样条件下提升重建质量，尤其在高噪声场景效果显著。

TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

TRCGL-Net：基于生成式数据增强和标签共现建模的长尾多标签胸部X光分类框架

Tong Shao, Hongshun Ling, Li Zhang, Jinjing Wu, Junke Wang, Yuan Gao, Fang Wang

机构 * School of Biomedical Engineering, South-Central Minzu University（中南民族大学生物医学工程学院） 纠错

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

AI总结 针对胸部X光多标签分类中的长尾分布问题，提出TRCGL-Net，利用可学习文本引导扩散模型生成尾部类样本、通道重加权和类别注意力机制增强特征，以及基于标签共现的图卷积网络建模类别关系，在PadChest数据集上尾部类mAP达0.4904。

PAPA: Online Personalized Active Preference Alignment

PAPA：在线个性化主动偏好对齐

Anindya Sarkar, Nasik Muhammad Nafi, Isaac Lyngaas, Muralikrishnan Gopalakrishnan Meena, Yevgeniy Vorobeychik

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 提出PAPA方法，无需参数化奖励模型，通过实时用户反馈直接优化扩散模型，实现高效的偏好对齐，并基于理论提出加速微调的EPAPA策略。

Comments Accepted to ECML PKDD 2026

RetailSMV: Exocentric vs. Egocentric Adaptation of Foundation Video World Models in Retail

RetailSMV：零售场景中基础视频世界模型的外视角与内视角适应

Amirreza Rouhi, Rajat Aggarwal, Parikshit Sakurikar, Anoop M. Namboodiri, Sashi P. Reddi

机构 * DreamVu 纠错

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

AI总结 研究零售场景下基础视频世界模型的外视角与内视角适应，发现仅用外视角数据训练的模型在多项指标上优于或等同于联合训练。

Training Vision-Language-Action Models with Dense Embodied Chain-of-Thought Supervision

训练具有密集具身思维链监督的视觉-语言-动作模型

Haoyang Li, Guanlin Li, Youhe Feng, Chen Zhao, Zhuoran Wang, Yang Li, Qizhe Wei, Shifeng Bao, Haitao Shen, Yihan Zhao, Tong Yang, Jing Zhang

机构 * Renmin University of China（中国人民大学） ； Zhipu AI（智谱AI） 纠错

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

AI总结 提出ZR-0模型，通过密集具身思维链监督对齐跨具身表示，采用双流架构（VLM生成结构化推理，扩散Transformer生成动作），在多个仿真和真实平台实现强性能。

RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation

RF-HiT：校正流分层变换器用于通用医学图像分割

Ahmed Marouane Djouamaa, Abir Belaala, Abdellah Zakaria Sellam, Salah Eddine Bekhouche, Cosimo Distante, Abdenour Hadid

机构 * Computer Science department Mohamed Khider University Biskra, Algeria ； ISASI, CNR \& University of Salento 73100 Lecce, Italy ； AI University of the Basque Country (UPV/EHU), Spain ； Sorbonne Center for Artificial Intelligence, Sorbonne University Abu Dhabi, UAE 纠错

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

AI总结 RF-HiT通过整合hourglass变换器骨干和多尺度分层编码器，实现高效的医学图像分割，在保持精度的同时提升效率，达到91.27%的Dice系数。

From Synchrony to Sequence: Exo-to-Ego Generation via Interpolation

从同步到序列：通过插值实现外视角到视角的视频生成

Mohammad Mahdi, Nedko Savov, Danda Pani Paudel, Luc Van Gool

机构 * 1 INSAIT, Sofia University “St. Kliment Ohridski” 纠错

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

AI总结 本文提出Syn2Seq-Forcing方法，通过插值生成连续信号解决外视角到视角视频生成中的时空和几何断点问题，提升扩散模型在跨视角视频合成中的性能。

Revisiting Autoregressive Models for Generative Image Classification

重新审视自回归模型用于生成式图像分类

Ilia Sudakov, Artem Babenko, Dmitry Baranchuk

机构 * Yandex Research（Yandex 研究） 纠错

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

AI总结 本文通过利用任意顺序自回归模型估计边缘化预测，解决了固定token顺序限制，使自回归生成分类器在性能上超越扩散模型，效率提升25倍。

Comments ECCV 2026

Explainability in mulimodal deep transformation models for stroke outcome prediction

多模态深度转换模型在卒中结局预测中的可解释性

Lisa Herzog, Jonas Brändli, Maurice Schneeberger, Loran Avci, Nordin Dari, Martin Hänsel, Hakim Baazaoui, Pascal Bühler, Susanne Wegener, Beate Sick

机构 * University Hospital Zurich, Department of Neurology（苏黎世大学医院神经内科） ； Zurich University of Applied Sciences, Institute of Data Analysis and Process Design (IDP)（苏黎世应用科学大学数据分析与流程设计研究所） ； University of Zurich, Epidemiology, Biostatistics and Prevention Institute (EBPI)（苏黎世大学流行病学、生物统计学与预防研究所） ； Thurgau Institute for Digital Transformation (TIDIT)（图尔高数字转型研究所） 纠错

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

AI总结 提出多模态深度转换模型，结合统计方法和神经网络，通过改进Grad-CAM和Occlusion实现图像分支的可解释性，在卒中功能结局预测中达到AUC 0.81。

Comments Accepted at MICCAI 2026

Effective population sizes for asymmetrically regulated birth-death processes

非对称调控出生-死亡过程的有效种群大小

Yunbei Pan, Tom Chou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究多物种出生-死亡过程中种群调控机制（抑制复制或提高死亡率）对宏观随机动力学的影响，通过引入调控分配参数α并投影到Moran过程，发现调控机制依赖的扩散张量，定义了α依赖的有效种群大小。

Comments 11 pages, 2 figures

Positive-Incentive Noise Predictor for Adversarial Purification in Speaker Verification

说话人验证中对抗净化的正激励噪声预测器

Yibo Bai, Sizhou Chen, Michele Panariello, Hao Ma, Xiao-Lei Zhang, Xuelong Li, Massimiliano Todisco, Nicholas Evan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出正激励噪声预测器（PnP），通过学习输入自适应的正激励噪声并混合到输入中，提升下游ASV系统的鲁棒性，在防御效果、自然语音性能和推理效率间取得平衡。

Comments Submitted to IEEE TASLP.13 pages for maunscript, 2 pages for supplementary material

Enhancing Prostate Cancer Segmentation for Multi-Domain Generalization using a novel Parallel-Route Coherent Mixup Regularization Training

使用新颖的并行路由连贯混合正则化训练增强前列腺癌分割的多域泛化能力

Josiah Simeth, Sudharsan Madhavan, Victoria Brennan, Sean McBride, James Janopaul-Naylor, Justin Haseltine, Daniel Gorovets, Himanshu Nagar, Neelam Tyagi, Harini Veeraraghavan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出并行路由连贯混合（PaRC-mix）训练方法，通过多网络层特征增强实现单源到多域泛化，在前列腺癌病灶分割中显著提升检测精度和泛化性能。

Comments 28 pages, 5 figures

Tail Risk Management with Puts and Trend Following: A CVaR Framework for Crashes and Drawdowns

利用看跌期权和趋势跟踪进行尾部风险管理：针对崩盘和回撤的CVaR框架

Miquel Noguer I Alonso, Ali Al Fallouji

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一个连续时间CVaR框架，将长期虚值看跌期权和系统趋势跟踪统一在尾部风险任务中，通过分析两种保护机制的时间差异，给出混合配置的充分条件，并引入四轴诊断层。

Language-Critique Imitation Learning from Suboptimal Demonstrations

语言-批评模仿学习从次优演示中

Chih-Han Yang, Dai-Jie Wu, Yun-Ping Huang, Ping-Chun Hsieh, Kenneth Marino, Shao-Hua Sun

机构 * Graduate Institute of Communication Engineering, National Taiwan University (NTU)（国立台湾大学电信工程学研究所） ； University of Utah（犹他大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； NTU Artificial Intelligence Center of Research Excellence（国立台湾大学人工智能卓越研究中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出语言批评框架，用自然语言作为结构化监督信号从次优演示中学习策略，避免压缩为标量，在连续控制任务上优于基线方法。

FAR: Failure-Aware Retry for Test-Time Recovery and Continual Policy Improvement

FAR: 面向测试时恢复与持续策略改进的失败感知重试

Haoran Hao, Shahram Najam Syed, Jeffrey Ichnowski, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出FAR框架，通过失败对比偏好适应和轻量动作扰动，使机器人从测试时失败中学习并自主恢复，结合成功轨迹持续改进策略，在仿真和真实任务中成功率分别提升17.6%和11.7%。

Diffeomorphic Optimization

微分同胚优化

Ludwig Winkler, Andrew Leaver-Fay, Joseph Kleinhenz, Pan Kessel

机构 * Microsoft Research AI4Science（微软研究院AI4Science） ； Prescient Design, Genentech Roche（Prescient Design, 基因泰克/罗氏） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出微分同胚优化方法，利用扩散/流模型将数据流形映射到简单基空间进行梯度下降，等价于流形上的黎曼梯度下降，并扩展到SO(3)和SE(3)群，在蛋白质设计中显著提升二级结构靶向、肽结合亲和力和Rosetta能量优化。

NATO and Emerging Technologies: The Alliance's Shifting Approach to Military Innovation

北约与新兴技术：联盟对军事创新方法的转变

Stephen Herzog, Dominika Kunertova

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文探讨了在大国竞争和新兴颠覆性技术扩散背景下，北约如何调整其技术协调方法，并分析新技术特性给联盟带来的额外挑战。

Comments 23 pages. Available here: https://digital-commons.usnwc.edu/nwc-review/vol77/iss2/5

Journal ref Naval War College Review 77(2): 47-70 (2024)