图像生成

RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation

RoMAN-Flow：驯服自回归归一化流用于机器人操作中的离线强化学习

Shaoxuan Wang, Guangting Zheng, Rui Huang, Zhipeng Tang, Sha Zhang, Jiajun Deng, Yanyong Zhang

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

AI总结 该研究针对机器人操作离线强化学习中AR-NFs采样开销大的问题，提出RoMAN-Flow框架，通过无采样的优势加权似然目标和策略蒸馏方法，在保证性能的同时大幅降低推理延迟。

Continuous Adversarial MeanFlow Transfer

Yara Bahram, Zahra Dehghani, Mélodie Desbos, Eric Granger, Pablo Piantanida, Mohammadhadi Shateri

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

Comments Paper under review

PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening

PETA：用于虚拟筛选的参数高效测试时自适应方法

Jia-Qi Lin, Yinghua Yao, Chang-Dong Wang, Yew-Soon Ong, Yuangang Pan

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出参数高效测试时自适应框架PETA，仅更新预训练虚拟筛选模型约0.03%的LayerNorm参数，在测试时通过构建特定负样本等方式自适应，性能优于预训练及全重训练基线。

Physics-Informed Neural Networks as Fast Surrogate Models for Electrochemical Flow Reactors

用于电化学流动反应器快速替代模型的物理信息神经网络

Eric Fernández-García, Miguel Modestino, Sergio Maldonado

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出物理信息神经网络（PINN），将其作为电化学流动反应器的快速替代模型，经验证精度高、速度快，为低计算成本的数字孪生建模提供基础。