图像生成

Nearly Full-Sky Low-Multipole Cosmic Microwave Background Temperature Anisotropy: II. Angular Power Spectra and Likelihood

近全天低多极宇宙微波背景温度各向异性：II. 角功率谱与似然

Hayley C. Nofi, Graeme E. Addison, Charles L. Bennett, Laura Herold, J. L. Weiland

专题命中 图像修复 ：inpainting(abstract)

AI总结 基于模板法去除前景的WMAP和Planck数据，测量了低多极（ℓ<30）CMB温度功率谱，仅屏蔽1%像素，发现四极矩偏低（2.2σ）、20≤ℓ≤27处凹陷及整体功率低于ΛCDM预言，并提供了新的似然函数。

Comments Published in The Astrophysical Journal

Journal ref 2026 ApJ 1005 145

Nearly Full-Sky Low-Multipole Cosmic Microwave Temperature Anisotropy: I. Foreground Cleaned Maps

近全天低多极宇宙微波温度各向异性：I. 前景清洁图

Hayley C. Nofi, Graeme E. Addison, Charles L. Bennett, Laura Herold, J. L. Weiland

专题命中 图像修复 ：inpainting(abstract)

AI总结 利用多频模板图组合，仅掩蔽1%像素，生成近全天CMB温度图，推荐用于低多极（ℓ<30）研究。

Comments Published to The Astrophysical Journal

Journal ref 2026 ApJ 1005 144

Prompt2Effect: Training-Free Image-to-Video Model Specialization via LoRA Generation

Prompt2Effect: 通过LoRA生成实现免训练图像到视频模型特化

Xiaomeng Yang, Yanyu Li, Gordon Guocheng Qian, Ivan Skorokhodov, Viacheslav Ivanov, Avalon Vinella, Xuan Zhang, Yanzhi Wang, Sergey Tulyakov, Anil Kag

机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Prompt2Effect，一种权重驱动超网络，通过单次前向传播直接合成效果特定的LoRA权重，无需训练，在保持视频质量的同时将计算成本从56 GPU小时降至3.3秒。

Comments Accepted to ECCV 2026, project page: https://xiaomeng-yang.github.io/Prompt2Effect

Laplace-Fisher Gate Identities for Optimal Matrix-Gated Blended Score Estimation

Laplace--Fisher 门恒等式用于最优矩阵门控混合得分估计

Alois Duston, Tan Bui-Thanh

机构 * The Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； The Department of Aerospace Engineering & Engineering Mechanics（航空航天工程与机械系） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 针对非归一化目标采样中的得分估计问题，提出矩阵值门控混合得分估计方法，推导出方差最优门公式（Laplace-Fisher 门恒等式），并证明有限参考一致性，应用于贝叶斯逆问题的归一化密度评估。

Comments Provisional report

A proof of an identity for the critical exponents of jamming

关于堵塞临界指数的一个恒等式的证明

Giorgio Parisi, Francesco Zamponi

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 通过解析求解全复制对称性破缺标度方程，证明了堵塞转变中临界指数满足 a+b=1 的恒等式，从而统一了力学边缘稳定性与全复制对称性破缺理论。

Comments 12 pages, no figures

Journal ref J. Stat. Mech. (2026) 073301

Radial Interaction Tomography: Recognizing Non-Transitive Evolutionary Games from One Range-Expansion Image

径向相互作用断层扫描：从一次范围扩张图像识别非传递演化博弈

Faruk Alpay, Baris Basaran

机构 * Department of Computer Engineering, Bahçeşehir University（巴赫切希尔大学计算机工程系） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 提出计算机视觉逆问题，从单张端点图像恢复径向边界流场，并检验视觉模式是否与传递标量适应度层级兼容，通过几何信号提取和统计检验实现非传递循环检测。

Comments 17 pages, 10 figures. Ancillary files include computational diagnostics, benchmark code, and supplementary proofs

Flow-Map GRPO: Reinforcement Learning for Few-Step Flow-Map Generators via Anchored Stochastic Composition

Flow-Map GRPO：基于锚定随机组合的少步流映射生成器的强化学习

Zhiqi Li, Wen Zhang, Bo Zhu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV

AI总结 提出Flow-Map GRPO框架，通过锚定随机流映射组合（ASFMC）对确定性少步流映射生成器进行随机化，使其适用于强化学习后训练，并在FLUX文本到图像生成器上提升奖励和感知指标。

Comments 31 pages, 29 figures

GaussianGPT: Towards Autoregressive 3D Gaussian Scene Generation

GaussianGPT：迈向自回归3D高斯场景生成

Nicolas von Lützow, Barbara Rössle, Katharina Schmid, Matthias Nießner

机构 * Technical University of Munich, Germany（德国慕尼黑工业大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出GaussianGPT，一种基于Transformer的自回归模型，通过逐词预测生成3D高斯分布，实现可控的3D场景生成，支持逐步构建场景并支持完成、外推等操作。

Comments Project page: https://nicolasvonluetzow.github.io/GaussianGPT/ - Project video: https://youtu.be/zVnMHkFzHDg - Accepted at ECCV 2026

DSWIM:Efficient and Stable Deterministic Computation of Warm Inflation Perturbations

DSWIM：温暖暴胀扰动的高效稳定确定性计算

Umang Kumar

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对温暖暴胀扰动计算中随机方法效率低且确定性方法数值不稳定的问题，提出基于相关矩阵演化的确定性模块DSWIM，通过物理标度变换改善数值条件，实现准确、鲁棒且加速的计算。

Comments 24 pages, 6 figures, 2 tables, prepared for submission to JCAP. v2: Added an appendix clarifying the residual discrepancy at moderate Q between SWIM/DSWIM and WI2easy, results and conclusions unchanged

Crystalite: A Lightweight Transformer for Efficient Crystal Modeling

晶体：一种轻量级Transformer用于高效的晶体建模

Tin Hadži Veljković, Joshua Rosenthal, Ivor Lončarić, Jan-Willem van de Meent

机构 * UvA-Bosch Delta Lab（阿姆斯特丹大学-博世三角洲实验室） ； University of Amsterdam（阿姆斯特丹大学） ； Ruđer Bošković Institute（鲁杰尔·博斯科维奇研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出Crystalite，一种轻量级扩散Transformer，通过子原子标记化和几何增强模块提升晶体建模效率，实现最佳晶体结构预测性能。

Comments 39 pages, 13 figures. Code available at: https://github.com/joshrosie/crystalite

From Prior to Pro: Efficient Skill Mastery via Distribution Contractive RL Finetuning

从先验到专家：通过分布收缩强化学习微调实现高效技能掌握

Zhanyi Sun, Shuran Song

机构 * Stanford University（斯坦福大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出DICE-RL框架，将强化学习作为分布收缩算子，通过在线反馈放大高成功行为，将预训练行为先验微调为高性能专家策略，实现稳定、样本高效的复杂操作技能掌握。

Efficient spin-pumping and spin transport across epitaxial Mn$_3$Sn(0001) noncollinear antiferromagnet/permalloy interfaces

高效自旋泵浦与跨 epitaxial Mn$_3$Sn(0001) 非列线反铁磁体/铁氧体界面的自旋传输

Surya N. Panda, Ning Mao, Nikolai Peshcherenko, Xiaolong Feng, Yang Zhang, Anastasios Markou, Claudia Felser, Edouard Lesne

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究通过系统分析 epitaxial Mn$_3$Sn 薄膜中的自旋电流生成及自旋-电荷转换现象，发现自旋霍尔角为0.9%，自旋霍尔电导率约为44.4 ($\hbar$/e) $\Omega^{-1}$.cm$^{-1}$，并观察到高自旋混合电导和界面自旋透明度。

Journal ref npj Spintronics 4, 17 (2026)

Representation as a Bottleneck for Mechanistic Interpretability: The Manifestation Unit Protocol

表征作为机械可解释性的瓶颈：Manifestation Unit 协议

Hussein Chouman, Wataru Sasaki, Tomokazu Matsui, Hirohiko Suwa, Keiichi Yasumoto

机构 * Ubiquitous Computing Systems Laboratory, Nara Institute of Science and Technology, Nara, Japan（奈良先端科学技术大学院大学普适计算系统实验室） 纠错

专题命中 其他图像生成 ：generative vision(abstract)

AI总结 提出 Manifestation Unit 协议，将组件分析结果组织为结构化字段，通过混合检索实现可重用和可查询，在视觉和语言模型上验证了其优于非结构化基线，并揭示了核心字段。

Comments 65 pages. Interactive demos: https://manifestation-xai.github.io/manifestation-transformers/ , https://manifestation-xai.github.io/manifestation-cnn