图像生成

Diffusion-Based Body Schema Learning Enabling Abnormal-State Adaptation in Musculoskeletal Robots

基于扩散模型的身体模式学习：实现肌肉骨骼机器人的异常状态适应

Kento Kawaharazuka, Shuhei Ikemoto

机构 * The University of Tokyo（东京大学） ； Kyushu Institute of Technology（九州工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究针对肌肉骨骼机器人传统身体模式学习方法难以处理异常状态的问题，提出基于扩散模型的身体模式学习框架，通过仿真实验验证了其异常状态下自适应估计肌肉参数的有效性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L), website - https://haraduka.github.io/muscle-diffusion/

Dynamic data generation and dynamic portfolio selection: an application of a score-based diffusion model

动态数据生成与动态投资组合选择：基于分数扩散模型的应用

Ahmad Aghapour, Erhan Bayraktar, Fengyi Yuan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出自适应分数扩散框架用于动态数据生成，将其应用于历史价格有限的动态均值-方差投资组合选择，实验显示该方法优于多个基准。

Comments Code available on https://github.com/fy-yuan/diffusion_dynamic_mv

Music Restoration via Latent Operator Optimization and Diffusion Model Priors

基于潜在算子优化与扩散模型先验的音乐修复

Michal Švento, Eloi Moliner, Valtteri Kallinen, Lauri Juvela, Vesa Välimäki, Pavel Rajmic

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出LOUDAR方法，将未知失真建模为可学习潜在算子，结合预训练音频自编码器与潜在扩散模型先验，在歌声、吉他失真修复任务上表现优于退化输入且具竞争力。

Comments Accepted to the the 27th International Society for Music Information Retrieval Conference (ISMIR 2026)

AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling

AURORA-LM：用于连续潜在扩散语言建模的统一表示自动编码

Jiajun Liang, Yucheng Liao, Yukang Cao, Jiazhe Wei, Ken Li, Wende Tan, Jiankun Zhang, ZY Cui, Jingkang Yang, Liucheng Guo, Shiqi Yang, B. Yang, Caifeng Shan, Ziwei Liu, Chenyang Si

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 AURORA-LM是一种分离文本表示构建与分布建模的连续潜在扩散语言模型，通过特定技术优化后，在OpenWebText自由生成和XSum摘要任务中性能优于同类模型。

Comments 40 pages, 17tables, project page: https://aurora-lm-project.github.io/

CMuon: Accelerating and Stabilizing Diffusion Transformer Training via Chunked Momentum Orthogonalization

CMuon：通过分块动量正交化加速并稳定扩散Transformer的训练

Chuyan Chen, Peng Sun, Kun Yuan

机构 * Peking University（北京大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散Transformer训练计算成本高、普通Muon优化器存在后期收敛问题的瓶颈，提出CMuon策略，通过分块权重实现训练加速与收敛优化，在ImageNet 256上200个epoch达FID1.18，训练速度超AdamW2倍

Comments ECCV 2026

xPress: Parallel Refinement for Diffusion Drafters in Speculative Decoding

xPress：推测解码中扩散草稿模型的并行优化

Zheng Wang, Davis Wertheimer, Yu Chin Fabian Lim, Mudhakar Srivatsa, Raghu K. Ganti, Minjia Zhang, Naigang Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； IBM（国际商业机器公司（IBM）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 xPress是恢复扩散草稿模型因果依赖的并行优化方法，在Qwen3-8B的7个基准上，可提升推测解码的接受长度与端到端吞吐量。

Diffusion Policy with Behavioral Advantage Correction for Offline Reinforcement Learning

面向离线强化学习的带行为优势修正的扩散策略

Botao Dong, Longyang Huang, Ning Pang, Hongtian Chen

机构 * School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University（南洋理工大学化学、化学工程与生物技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对离线强化学习中分布偏移导致的Q值估计偏差问题，提出带行为优势修正的扩散策略（DPBAC）算法，结合BAC-PE与扩散模型，在D4RL任务上实现优于SOTA的性能。

REFLEX: Rethinking MoE Inference as Refinement-Aware Compute Allocation in Diffusion Language Models

REFLEX：将MoE推理重新思考为扩散语言模型中的感知细化的计算分配

Xiang Xia, Cheng Yan, Yiming Zhang, Jiazheng Liu, Hongyu Zhang, Wuyang Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 REFLEX是一种无需训练的MoE推理方法，通过粗到细的专家预算分配和前沿进度分数，在扩散语言模型中平均减少15%专家计算量，同时保持或提升生成质量，实现更优的质量-计算权衡。

Disagree to Accelerate: Closing the Loop on Diffusion Feature Forecasts

弃权以加速：闭合扩散特征预测的循环

Yanchao Li, Jiaqing Xie, Ben Gao, Wanhao Liu, Yanbo Wang, T. Y. Tsui, Jinfei Liu, Yuqiang Li, Tianfan Fu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出无需训练的闭环控制器RACER，利用预测分歧信号调整对扩散特征预测的信任度，在多模型多数据集上实现了相同评估次数下的性能提升或同等质量下的更快采样。

Beyond On-Policy Exploration: Integrating External Policy Rollouts for Reinforcement Learning in Diffusion Language Models

超越在线策略探索：将外部策略 rollout 整合用于扩散语言模型中的强化学习

Wonseok Lee, Jimyeong Kim, Jungmin Ko, Wonjong Rhee

机构 * Seoul National University（首尔大学） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔大学人工智能交叉项目） ； Artificial Intelligence Institute, Seoul National University（首尔大学人工智能研究院） ； Department of Intelligence and Information, Seoul National University（首尔大学智能与信息系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散大语言模型强化学习中在线策略 rollout 稀缺的问题，提出 ERILS 方法整合外部策略 rollout，在数独等任务上显著提升性能，验证了 rollout 构建与奖励处理的重要性。

Separate-and-Detect: Unified Drum Transcription and Stem Generation via Latent Diffusion

分离与检测：通过潜在扩散实现统一鼓转录与音轨生成

Wei-Han Hsu, Chih-Cheng Chang, Bo-Yu Chen, Li Su, Yi-Hsuan Yang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出分离与检测框架，以5音轨潜在扩散模型为前端，结合起始点分支等辅助训练，实现鼓转录与音轨生成，性能优于基线，兼具分离音轨能力。

Comments 8 pages, 3 figures, 4 tables. Accepted at the 27th International Society for Music Information Retrieval Conference (ISMIR 2026)

Escaping Confidence Trap: Evolutionary Decoding for Mathematical Reasoning in Diffusion LLMs

逃离置信陷阱：扩散大语言模型数学推理的进化解码

Zhenhong Sun, Hanqing Zhao, Yatao Bian, Rongcheng Tu, Liuyue Xie, Xu Zhang, Jue Wang, Davide Modolo, Daoyi Dong, Dacheng Tao

机构 * Australian National University（澳大利亚国立大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） ； University of Technology Sydney（悉尼科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型数学推理的置信陷阱，提出无训练的进化解码框架，通过逐步选择与分块变异提升LLaDA 2.0的数学推理可靠性。

DLLM-TTS: Block Discrete Diffusion Language Model for Text-to-Speech Synthesis

DLLM-TTS：用于文本到语音合成的块离散扩散语言模型

Wasim Madha, Nityanand Mathur, Hamees Sayed, Apoorv Singh, Sameer Khurana, Akshat Mandloi, Sudarshan Kamath

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出 DLLM-TTS 框架，将 TTS 建模为基于 X-Codec2 的条件块离散扩散，通过块内掩码扩散与并行预测实现高效语音生成，在 Seed-TTS-eval 基准上取得良好性能，兼具实用性与数据效率。

A Unified Kullback--Leibler Divergence Analysis of Generative Diffusion Models via Entropy Production Rate

基于熵产生率的生成扩散模型的统一Kullback-Leibler散度分析

Han Wu, Zhiwen Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出基于熵产生率的生成模型误差分析统一框架，将终端KL散度分解为三类误差，为Euler-Maruyama采样器得出$\boldsymbol{\textit{O}}(h^2)$收敛速率，统一三类生成模型分析并经实验验证。

Comments 37 pages, 15 figures

Equilibration versus Localization in a Diffusion-Relaxation System

扩散-弛豫系统中的平衡化与局域化

Aseel AlNajjar, Hoyoun Kim, Athanasios Tzavaras

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散-弛豫系统，通过能量耗散结构、不变区域估计及几何奇异摄动理论，严格刻画了平衡化与局域化的参数转变条件及对应解的行为。

Numerical approximation of fractional diffusion equations on metric graphs

度量图上分数阶扩散方程的数值逼近

David Bolin, Lenin Riera-Segura, Alexandre B. Simas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对紧度量图上由平移Kirchhoff-Laplacian分数次幂控制的分数阶扩散方程，建立严格数学框架，提出结合向后欧拉与有限元的完全离散格式，采用有理近似实现高效求解，推导误差估计并通过实验验证收敛性。

Stochastic heat equation with nondegenerate Hölder diffusion coefficient: uniqueness below the three-fourth threshold

非退化Hölder扩散系数的随机热方程：四分之三阈值以下的唯一性

Yi Han

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对非退化Hölder扩散系数的随机热方程，证明当β>2/3时弱唯一性成立，此前同类研究仅在β>3/4时成立，该结果填补了β∈(2/3,3/4]区域内的弱唯一性研究空白。

Diffusion and shear viscosity coefficients of hot isospin asymmetric strange hadronic matter using a chiral SU(3) model

基于手征SU(3)模型的热同位旋不对称奇异强子物质的扩散系数与剪切粘度系数

Amruta Mishra, Shujun Zhao, Tetsufumi Hirano

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究采用手征SU(3)模型计算热同位旋不对称奇异强子物质的扩散与剪切粘度系数，发现同位旋不对称性和奇异数对扩散系数影响显著，奇异数使剪切粘度大幅增强，相关结果可应用于重离子碰撞实验。

Comments 31 pages, 17 figures

Strain engineering of transient exciton diffusion in WSe2 monolayers at cryogenic temperatures

低温下WSe2单层中瞬态激子扩散的应变工程

Roberto Rosati, Mohammed Adel Aly Nouh, Robert Schmidt, Rudolf Bratschitsch, Ermin Malic

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究探究低温下应变封装hBN的WSe2单层的激子动力学，发现拉伸应变加速瞬态激子扩散，压缩应变可周期性调制其扩散，揭示应变可调控二维半导体的瞬态光致发光与激子扩散。

Comments 8 pages, 4 figures, Supplementary Material

Conditional grain-graph diffusion for property-guided inverse design of polycrystalline microstructures

用于多晶微结构性能引导逆设计的条件晶粒图扩散方法

Yuheng Zhou, Xiao Shang, Huicong Chen, Yu Zou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出条件晶粒图扩散框架，结合增强晶粒图神经网络，高效实现双相Ti-6Al-4V微结构的性能引导逆设计，生成候选性能接近预设且晶体学一致性高，运行速度远快于随机搜索与进化优化。

Mimicking diffusion processes with differential equations

用微分方程模拟扩散过程

Rama Cont

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在弱正则性假设下扩散过程、福克 - 普朗克方程和相关PF - ODE的数学关系，通过建立边际密度流的性质、研究拉格朗日问题等方法，证明流的相关特性，识别正则性条件，强调描述区别并推导稳定性估计。

Comments 41 pages including appendix, 2 figures

HERALD: High-Throughput Block Diffusion LLM Serving via CPU-GPU Cooperative KV Cache Retrieval

HERALD: 通过CPU-GPU协同KV缓存检索实现高吞吐量块扩散LLM服务

Omin Kwon, Doyeon Kim, Jongseok Park, Seung Yul Lee, Ion Stoica, Jae W. Lee

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对块扩散LLM中KV缓存随上下文增长导致吞吐量下降的问题，提出HERALD系统，利用块内去噪步骤间KV条目一致性，通过稀疏检索和计算重叠实现高精度低开销的KV卸载，在5-10%缓存预算下达到近无损精度，延迟降低1.59倍，吞吐量提升2.47倍。

Plug-and-Play Guidance for Discrete Diffusion Models via Gradient-Informed Logit Correction

基于梯度信息逻辑校正的离散扩散模型即插即用引导

Hongkun Dou, Zike Chen, Fengji Li, Hongjue Li, Yue Deng

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GILC框架，通过将预训练去噪网络作为变分代理来估计引导信号，并引入无雅可比机制直接校正干净预测逻辑，实现无需额外训练的离散扩散模型可控生成，在DNA、蛋白质序列和分子生成任务上达到最优性能。

Comments Accepted by ICML 2026

TEAM: Temporal-Spatial Consistency Guided Expert Activation for MoE Diffusion Language Model Acceleration

TEAM: 时空一致性引导的专家激活用于MoE扩散语言模型加速

Linye Wei, Zixiang Luo, Pingzhi Tang, Meng Li

机构 * Institute for Artificial Intelligence（人工智能研究院） ； School of Integrated Circuits（集成电路学院） ； Yuanpei College（元培学院） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进创新中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对MoE扩散语言模型中专家激活过多导致推理开销大的问题，提出TEAM框架，利用路由决策的时空一致性，通过保守激活和激进推测解码实现加速，最高提速2.2倍且性能损失极小。

Comments Accepted by ICML 2026

Optimal Weighted Smoothing and Asymptotics of Ancient Solutions for Fast Diffusion Equations

最优加权平滑与快速扩散方程古解的渐进行为

Beomjun Choi, Xiqin Jiang, Hua-Yang Wang, Jingang Xiong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究快速扩散方程古解的最优加权平滑估计及渐进行为，确定关键指数与经典Brezis-Turner指数一致，并推导改进的全局Harnack不等式。

A Comparative analysis of Layer-wise Representational Capacity in AR and Diffusion LLMs

对AR和扩散LLM中逐层表示能力的比较分析

Raghavv Goel, Risheek Garrepalli, Sudhanshu Agrawal, Chris Lott, Mingu Lee, Fatih Porikli

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文比较了AR和扩散LLM的表示能力，发现扩散模型产生更全局的表示，而AR模型产生紧密耦合的局部表示，扩散训练引入深度冗余以实现原理性压缩。

Comments v4: improving writing and adding Qwen2.5-Instruct results with all v3 changes

GaiaFlow: Semantic-Guided Diffusion Tuning for Carbon-Frugal Search

GaiaFlow：基于语义的扩散调优用于碳节约搜索

Rong Fu, Jia Yee Tan, Chunlei Meng, Shuo Yin, Xiaowen Ma, Wangyu Wu, Simon Fong

机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。

Comments 19 pages, 7 figures

Expert-Choice Routing Enables Adaptive Computation in Diffusion Language Models

专家选择路由使扩散语言模型实现自适应计算

Shuibai Zhang, Caspian Zhuang, Chihan Cui, Zhihan Yang, Fred Zhangzhi Peng, Yanxin Zhang, Haoyue Bai, Zack Jia, Yang Zhou, Guanhua Chen, Ming Liu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Scitix ； Cornell University（康奈尔大学） ； Duke University（杜克大学） ； UC Davis（加州大学戴维斯分校） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出专家选择路由方法，通过确定性负载平衡提升扩散语言模型的吞吐量和收敛速度，并展示如何通过时间步依赖的专家容量优化计算分配，从而在匹配FLOPs下提升性能。

Comments Accepted at COLM 2026

Subspace decomposition with defect diffusion coefficient

子空间分解与缺陷扩散系数

Dilini Kolombage, Axel Målqvist, Barbara Verfürth

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出一种基于随机缺陷局部结构的离线-在线预条件器近似方法，用于高效处理多尺度异质系数的椭圆扩散问题。

Just on Time: Token-Level Early Stopping for Diffusion Language Models

准时完成：扩散语言模型的标记级早期停止

Zakhar Kohut, Severyn Shykula, Mykola Vysotskyi, Serhii Dmytryshyn, Dmytro Khamula, Michal Zakrzewski, Damian Rynczak, Jacek Małecki, Taras Rumezhak, Volodymyr Karpiv

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需训练的标记级早期停止方法，通过动态确定标记收敛点，减少扩散步骤并提升生成效率。

Comments Under review