图像生成

Robust Queueing for Single-Server Queues with Abandonment

具有退队的单服务器队列的鲁棒排队

Wei You

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出鲁棒排队方法用于近似具有退队的单服务器队列的稳态虚拟等待时间，通过确定性时间变化和重负荷极限改进算法，实现了一种可解的固定点近似，并验证了其在不同负载条件下的准确性。

A Production-Oriented Framework for Evaluation of SFX Generation

一种面向生产的声效生成评估框架

Mélodie Desbos, Yara Bahram, Eric Granger, Mohammadhadi Shateri

专题命中 图像生成评测 ：inpainting(abstract)

AI总结 针对工业声音设计中声效生成评估问题，提出面向生产的评估框架，通过确定生产要求、两阶段协议及结合客观指标与人类研究，揭示不同基线的优势权衡，为声效变化评估建立协议并为设计音频生成管道提供基础。

Comments 8 pages main paper, 7 pages appendix, Proceedings of the 29th International Conference on Digital Audio Effects (DAFx26)

Minimizing Benchmark-Relative Drawdown Duration via Occupation Time Penalization

通过占用时间惩罚最小化基准相对回撤持续时间

Jun Sekine, Marcus Wunsch

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 研究连续时间投资组合优化问题，投资者相对不可复制基准评估，引入基准相对回撤持续时间标准，通过推导方程、建立定理等，得到基于投影的最优控制特征及相关结果，为基准跟踪提供新方案和风险管理新结构。

Q-Sched: Pushing the Boundaries of Few-Step Diffusion Models with Quantization-Aware Scheduling

Q-Sched: 推动少步扩散模型的边界，通过量化感知调度

Natalia Frumkin, Diana Marculescu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 Q-Sched通过量化感知调度器改进少步扩散模型，实现模型大小减少4倍并提升生成质量

Journal ref ICML 2026

BARD: Bridging AutoRegressive and Diffusion Vision-Language Models Via Highly Efficient Progressive Block Merging and Stage-Wise Distillation

BARD：通过高效渐进性块合并和分阶段蒸馏桥接自回归与扩散视觉-语言模型

Baoyou Chen, Hanchen Xia, Peng Tu, Haojun Shi, Liwei Zhang, Yuxuan Yao, Weihao Yuan, Siyu Zhu

机构 * Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

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

AI总结 BARD通过高效渐进块合并与分阶段蒸馏将预训练自回归视觉-语言模型转换为解码高效的扩散视觉-语言模型，实现在大块规模下性能恢复与解码效率提升。

Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models

让它简单：视觉-语言-动作模型的单步动作生成

Yitong Chen, Shiduo Zhang, Jingjing Gong, Xipeng Qiu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） 纠错

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

AI总结 针对视觉-语言-动作（VLA）模型，提出通过偏置训练时间分布至高频噪声状态，实现无需教师模型、蒸馏或辅助目标的单步动作生成，性能可匹配十步解码。

Comments 13 pages, 10 figures

Next-Dense-Stride Prediction for Multimodal Autoregressive Visual Modeling

用于多模态自回归视觉建模的下密集步长预测

Chicago Y. Park, Jialin Mao, Xiaojian Xu, Taha Kass-Hout, Ulugbek S. Kamilov, Cao Xiao

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； GE HealthCare（通用电气医疗） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 研究提出DenseAR范式，将自回归图像生成重构成下密集步长预测，解决现有模型局限。基于此扩展为统一模型处理多模态和成像任务，在医学和自然图像验证，在多对比脑MRI及ImageNet上取得良好效果。

An efficient method based on the evolutionary center algorithm for optimizing chemical-diffusive models for flame acceleration and DDT

基于进化中心算法的高效方法用于优化火焰加速和DDT的化学扩散模型

Huahua Xiao, Xu Zhang, Mingbin Zhao, Congling Shi

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于进化中心算法（ECA）和Nelder-Mead算法的混合方法，用于高效优化化学扩散模型参数，以准确模拟火焰加速和DDT现象，并验证其在氢气混合物中的燃烧波特性。

Comments Manuscript with 13 figures, 7 tables, and appendix

Lévy Langevin Monte Carlo for sampling from heavy-tailed target distributions

用于从重尾目标分布中采样的Lévy朗之万蒙特卡罗方法

Anita Behme, Claudius Lütke Schwienhorst

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究如何从重尾目标分布采样，扩展Lévy朗之万蒙特卡罗方法，利用由复合泊松过程驱动的随机微分方程，可从非光滑目标和分离模式分布中采样，指数收敛到不变分布，且因复合泊松噪声项易于实现。

Comments 29 pages, 8 figures

Journal ref Extremes (2026)