图像生成

Multiple timescales in collective motion: daily and intraday upstream fish migration focusing on Feller condition

集体运动中的多时间尺度：基于Feller条件的日间和日内鱼类上游迁移

Hidekazu Yoshioka

专题命中 可控生成 ：diffusion(abstract)

AI总结 利用扩散桥（非线性随机微分方程）统一建模日间和日内鱼类迁移，通过Feller条件揭示不同时间尺度下迁移现象的随机性与间歇性差异。

Comments Updated on May 6 2026

LoSATok: Low-dimensional Semantic-Acoustic Tokenizer for Cross-Domain Audio Understanding and Generation

LoSATok: 用于跨域音频理解与生成的低维语义-声学分词器

Zhisheng Zhang, Xiang Li, Yixuan Zhou, Jing Peng, Guoyang Zeng, Zhiyong Wu

机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院，中国） ； ModelBest Inc., China（ModelBest公司，中国） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出低维音频分词器LoSATok，通过语义瓶颈压缩和双级语义监督，在紧凑潜空间中联合捕获语义和声学细节，提升扩散Transformer的生成性能。

PAST2HARM: A Simple Adaptive Past Tense Attack for Jailbreaking Multimodal AI

PAST2HARM：一种用于越狱多模态AI的简单自适应过去时攻击

Snehasis Mukhopadhyay

机构 * Indian Institute of Information Technology, Kalyani（印度信息技术学院，卡利安） 纠错

专题命中 可控生成 ：image generation(abstract)

AI总结 提出PAST2HARM框架，通过过去时态改写和迭代升级策略，系统性地利用多模态文本到图像模型的安全漏洞，实现黑盒、无梯度的高成功率越狱攻击。

Riding the Shifting Potential: When Reactive Control Suffices for Multi-Goal Behavior

驾驭变化势场：何时反应控制足以实现多目标行为

Vito Mengers, Oliver Brock

机构 * Robotics and Biology Laboratory, Technische Universität Berlin（技术大学柏林机器人与生物学实验室） ； Science of Intelligence (SCIoI), Cluster of Excellence, Berlin, Germany（智能科学（SCIoI），卓越中心，柏林，德国） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出通过零空间投影扩展图基世界模型中的交互结构，动态调整优先级以解决多目标冲突，在非凸障碍导航和非凸物体推拉任务中实现100%成功率，无需演示或重新训练。

Backward Uniqueness for Coupled Ultraparabolic Operators and an Application to Jerk-Driven Control Models

耦合超抛物算子的向后唯一性及其在急动驱动控制模型中的应用

Xiao-Dong Cao, Chao-Jiang Xu, Yan Xu

专题命中 可控生成 ：diffusion(abstract)

AI总结 通过引入不变频率变量并建立适应输运结构的频率局部化Carleman估计，证明了具有耦合线性漂移的超抛物算子的向后唯一性，并将其应用于急动驱动控制模型中位置、速度、加速度或急动误差的向后唯一性。

Comments 20 pages

Neuro-Inspired Inverse Learning for Planning and Control

神经启发式逆向学习用于规划与控制

Maryna Kapitonova, Tonio Ball

机构 * NeuroMentum AI IMBIT, University of Freiburg, Germany（NeuroMentum AI IMBIT，弗赖堡大学，德国） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出一种神经启发式框架Inverter，通过逆向学习（IL）结合前向/逆向内部模型、开环多步运动指令和层次化动作组织，在规划与控制任务中实现高效推理，平均性能提升24.2%且计算时间降低一到两个数量级。

Comments Version 2, minor fix in online version of the abstract, pdf unchanged

Multilevel Isogeometric Projection Stabilization via Quasi-Interpolation for Advection-Dominated Problems

基于拟插值的多水平等几何投影稳定化方法用于对流主导问题

Zakaria El Hasnaoui, Ahmed Ratnani

专题命中 可控生成 ：diffusion(abstract)

AI总结 针对对流主导的对流扩散问题，提出一种基于连续B样条拟插值的多水平投影稳定化方法，通过提取和惩罚细尺度波动，避免残差型方法的参数敏感性和局部投影稳定化的不连续辅助空间，理论推导先验误差估计并数值验证稳定性，显著减少非物理振荡。

Comments 28 pages, 25 figures

Computational Control of Nonlinear Partial Differential Equations Using Machine Learning

使用机器学习对非线性偏微分方程进行计算控制

Maximilian Kurbanov, Minh-Nhat Phung, Minh-Binh Tran

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出WeightedPINN框架，通过算子分解和独立自适应时空权重，解决非线性偏微分方程中内部和双线性控制问题的数值重构，并给出收敛分析和数值实验。

Krause Synchronization Transformers

Krause同步变换器

Jingkun Liu, Yisong Yue, Max Welling, Yue Song

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 可控生成 ：image generation(abstract)

AI总结 提出基于有界置信共识动力学的Krause注意力机制，通过局部化稀疏交互替代全局softmax归一化，缓解表示坍缩和注意力汇聚现象，实现线性复杂度并提升性能。

Comments ICML 2026, Project page: https://jingkun-liu.github.io/krause-sync-transformers/

Noise-Space Attribution and Control of Chunk-Boundary Artifact

噪声空间中的属性分析与块边界伪影控制

Rui Wang

机构 * Rui Wang（1 王瑞） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究了生成视觉-运动策略中块边界伪影的机制，通过分析噪声空间中的变量，展示了如何通过控制隐含噪声来调节伪影，并证明伪影变化可以影响最终任务结果。

Viscosity Solutions of Stochastic Hamilton--Jacobi--Bellman Equations with Jumps

具有跳跃的随机Hamilton-雅可比-贝尔曼方程的粘性解

Dunxiang Liang, Qingxin Meng

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究了跳跃扩散过程的随机最优控制及相关的非线性反向随机Hamilton-雅可比-贝尔曼方程，通过反向半群建立动态规划原理以刻画价值函数，并引入基于半鞅测试函数和全局切线条件的随机粘性解框架来处理非局部积分微分算子和多项式增长问题，最后在超抛物性条件下建立弱比较原理并证明了全局唯一性。

C$^2$FG: Control Classifier-Free Guidance via Score Discrepancy Analysis

C$^2$FG: 通过分数差异分析实现控制分类器无关引导

Jiayang Gao, Tianyi Zheng, Jiayang Zou, Fengxiang Yang, Shice Liu, Luyao Fan, Zheyu Zhang, Hao Zhang, Jinwei Chen, Peng-Tao Jiang, Bo Li, Jia Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； vivo BlueImage Lab（vivo 蓝影实验室） ； vivo Mobile Communication Co., Ltd.（vivo 通信有限公司） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出C$^2$FG，一种基于分数差异分析的控制分类器无关引导方法，通过严格理论分析建立了条件分布与无条件分布在不同时间步的分数差异上界，从而为时间依赖引导提供了理论基础，并通过实验验证了其在多种生成任务中的有效性。

Comments Accepted to CVPR 2026 (Highlight)

Spacetime Optimal-Transport Attention for Visuo-Haptic Imitation Learning of Contact-Rich Manipulation

时空最优传输注意力用于视觉-触觉模仿学习中的富接触操作

Yue Feng, Weicheng Huang, I-Ming Chen

机构 * Robotics Research Centre, School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机器人研究中心，机械与航空航天工程学院，南洋理工大学，新加坡） ； Wings Robotics（Wings机器人） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种三模态融合框架Spacetime Optimal-Transport Attention (SO-TA)，通过熵正则化的最优传输对力-姿态衍生的子查询和视觉块进行对齐，以解决富接触操作中多模态信息融合的问题，并在真实机器人任务中实现了高成功率。

Comments 8 pages, 16 figures, 3 tables. Preprint

Stochastic Optimal Control with Measurable Coefficients and Applications

具有可测系数的随机最优控制及其应用

Filippo de Feo

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究了具有可测系数的无限时间随机最优控制问题，通过$L^p$-粘性解理论证明了HJB方程的解的存在性，并建立了最优控制的验证定理，首次在该领域提出了可测系数下的完全非线性随机最优控制问题的解决方案。

Comments Accepted for publication on SIAM Journal on Control and Optimization

Analytical Approach to Continuous-Time Causal Optimal Transport

连续时间因果最优传输的解析方法

Julio Backhoff, Erhan Bayraktar, Ibrahim Ekren, Antonios Zitridis

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究了连续时间因果最优传输问题，通过将源替换为其给定目标观测的条件分布，利用全非线性抛物型主方程在扩展状态空间中刻画传输问题的值，并展示了该值与两个等价的随机控制问题在单纯形上的解一致。

A model reduction method based on nonlinear optimization for multiscale stochastic optimal control problems

基于非线性优化的多尺度随机最优控制问题模型降维方法

Lingling Ma, Jingyi Zhang, Qiuqi Li

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种基于非线性优化的多尺度随机最优控制问题的降维方法，通过非侵入式、数据驱动的降阶建模框架，利用梯度优化最小化L2范数输出误差，实现参数到输出的映射近似，适用于实时应用。

Iterative Compositional Data Generation for Robot Control

迭代组合数据生成用于机器人控制

Anh-Quan Pham, Marcel Hussing, Shubhankar P. Patankar, Dani S. Bassett, Jorge Mendez-Mendez, Eric Eaton

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Stony Brook University（石溪大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种语义组合扩散变换器，通过注意力机制学习机器人、物体、障碍物和目标特定组件的交互，从而在有限任务集上训练后，能够零样本生成高质量过渡，进而学习未见任务组合的控制策略，并通过迭代自我改进过程提升零样本性能。

Generating Physically Consistent Molecules with Energy-Based Models

生成具有物理一致性的分子的基于能量模型

Christoph Griesbacher, Lea Bogensperger, Andreas Habring, Thomas Pock

机构 * Graz University of Technology（格拉茨技术大学） ； University of Zurich（苏黎世大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种基于能量模型（EBM）的方法EBMol，用于生成三维分子，通过学习原子可加的标量势能恢复了能量归纳偏差，从而在QM9和GEOM-Drugs数据集上实现了最先进的性能，并展示了学习的能量景观作为质量度量用于配置排序和过滤，以及通过形状引导采样实现可控生成。

Two-scale neural networks for optimal control of linear convection-dominated equations

用于线性对流主导方程最优控制的双尺度神经网络

Sijing Liu, Marcus Sarkis, Yi Zhang, Zhongqiang Zhang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种双尺度神经网络方法，用于求解由对流主导的对流-扩散-反应方程所支配的最优控制问题。该方法基于针对奇异摄动前向问题开发的双尺度架构，通过引入适当缩放的特征来增强空间输入，当扩散系数变小时这些特征变得越来越重要。该方法分别使用神经网络处理最优系统的状态和伴随状态变量，反映了由于相反的对流场，这些量在域的不同部分发展出尖锐层的事实。通过为两个网络选择不同的中心点，架构自然地与每个变量的层位置对齐。本文提出了两种方法形式，一种基于一阶最优性条件，另一种使用惩罚PDE约束，并将其与逐步训练策略结合，逐步将扩散系数降至目标值。数值实验在基准问题上展示了所提出方法的有效性和行为。

Engineering Ratchet-Based Particle Separation via Shortcuts to Isothermality

通过‘等温性捷径’实现基于棘轮的粒子分离工程

Xiu-Hua Zhao, Z. C. Tu, Yu-Han Ma

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种非平衡热力学方法，利用‘等温性捷径’概念，实现对过阻尼布朗粒子的可控分离，展示了不同扩散系数的粒子在预设D*下向不同方向运动，并揭示了额外能量成本和准静态功消耗。

Comments 5 pages, 3 figures + Supplemental Materials (10 pages, 4 figures). Comments are welcome!

Journal ref Physical Review E 110, 034105 (2024)

SemaVoice: Semantic-Aware Continuous Autoregressive Speech Synthesis

SemaVoice: 基于语义的连续自回归语音合成

Huimeng Wang, Hui Lu, Jiajun Deng, Haoning Xu, Youjun Chen, Xueyuan Chen, Zhaoqing Li, Shuhai Peng, Shiyin Kang, Xunying Liu

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出SemaVoice，一种语义感知的连续自回归语音合成框架，旨在解决零样本文本到语音合成中语义-语音建模与重建驱动的连续语音表示之间的不匹配问题，通过引入Speech Foundation Model（SFM）引导对齐机制提升语音合成的高质量和语义一致性。

CUBic: Coordinated Unified Bimanual Perception and Control Framework

CUBic：协调统一的双臂感知与控制框架

Xingyu Wang, Pengxiang Ding, Jingkai Xu, Donglin Wang, Zhaoxin Fan

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算高级创新中心，人工智能学院，北京航空航天大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出CUBic框架，通过统一感知模型解决双臂协调问题，采用共享表示学习提升任务成功率。

Metric Geometry Governs Optimal Control in Driven Stokes Flows: Magnetic Driving and Beyond

度量几何支配驱动斯托克斯流中的最优控制：磁驱动及其他

Kyle McKee

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究揭示在斯托克斯流中，洛伦兹力诱导的可调环流可通过度量几何确定最优控制路径，展现各向异性扩散特性，方法适用于通用驱动斯托克斯流。

Journal ref Phys. Rev. Lett. 136, 184001 (2026)

Learning Generative Dynamics with Soft Law Constraints: A McKean-Vlasov FBSDE Approach

通过软法律约束学习生成动力学：一种 McKean-Vlasov FBSDE 方法

Samer El Boustany, Samy Mekkaoui, Yadh Hafsi, Alexandre Alouadi, Huyên Pham

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出通过 McKean-Vlasov 控制问题学习随机动力学，利用软能量约束强制终端和时间边际分布，通过 FBSDE 生成耦合的随机路径，验证了在低维和高维数据中生成符合观测分布的轨迹效果。

Viscoelastic control of acoustic particle migration and trapping in microchannels

粘弹性控制微通道中声学粒子迁移与捕获

T. Sujith, A. K. Sen

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究粘弹性流体中声学辐射力与流体诱导拖曳的竞争作用，揭示粘弹性对粒子动态的调控机制，提出通过德布罗意数和粘性扩散数控制粒子迁移与捕获的新方法。

Exciton-mediated optical control of liquid-solid friction

激子介导的液体-固体摩擦光学控制

Timur Pryadilin, Alexey Kavokin, Baptiste Coquinot

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种基于光生成激子与水电荷波动耦合的微观理论，研究了纳米流体系统界面摩擦，并展示了通过光学调控可显著减少纳米通道的滑移长度和液压渗透性。

Comments 6 pages, 2 figures

WavCube: Unifying Speech Representation for Understanding and Generation via Semantic-Acoustic Joint Modeling

WavCube：通过语义-声音联合建模统一语音表示以实现理解和生成

Guanrou Yang, Tian Tan, Qian Chen, Zhikang Niu, Yakun Song, Ziyang Ma, Yushen Chen, Zeyu Xie, Tianrui Wang, Yifan Yang, Wenxi Chen, Qi Chen, Wenrui Liu, Shan Yang, Xie Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Tencent（腾讯） ； Independent Researcher（独立研究员） ； Peking University（北京大学） ； Tianjin University（天津大学） ； Zhejiang University（浙江大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 WavCube通过语义-声音联合建模统一语音表示，解决语音理解和生成的表示兼容问题，实现压缩后的高性能语音任务表现。

Si/SiGe multi-channel superlattice structure epitaxial growth with segmented temperature control for Next-Generation Logic Devices

Si/SiGe多通道超晶格结构分子束外延生长与分段温度控制用于下一代逻辑器件

Wenlong Yao, Zhigang Li, Guobin Bai, Jianfeng Gao, Jiahan Yu, Junfeng Li, Xiaolei Wang, Jun Luo

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文通过分段温度控制实现Si/SiGe多通道超晶格生长，抑制Ge-Si扩散和应变松弛，提升界面质量与材料性能，为2nm以下逻辑器件提供高质量基础材料。

Colloidal layer deposition with a controllable number of layers and compositional order

具有可控层数和组分有序性的胶体层沉积

Akshaya Kumar Jena, Aashima Aashima, Pritam Kumar Jana, Bortolo Matteo Mognetti

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文设计了一种二元悬浮液与表面结合的系统，通过DNA寡聚物调控胶体自组装，实现可控层数和组分有序的胶体聚集。

Comments These last two authors contributed equally to this work

Long-Term Average Impulse and Singular Control of a Growth Model with Two Revenue Sources

长期平均冲击与双收入源增长模型的奇异控制

K. L. Helmes, R. H. Stockbridge, C. Zhu

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究了长期平均冲击控制及相关奇异控制问题，针对一维扩散过程，探讨了可再生能源管理与金融投资优化中的长期平均收益最大化方法，分析了冲击与奇异控制间的联系。

Comments arXiv admin note: substantial text overlap with arXiv:2505.11345