图像生成

Effects of Dynamic Disorder on Diffusion in Rugged Energy Landscapes

动态无序对粗糙能量景观中扩散的影响

Biman Bagchi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究探讨了动态无序对粗糙能量景观中扩散的影响，通过分析波动率变化，揭示了从陷阱主导到运动缩小的连续过渡。

Comments 53 pages, 1 figure, Revised version: discussion expanded, presentation clarified, and references updated. Main conclusions unchanged

Optimal Control of McKean--Vlasov Branching Diffusion Processes

McKean-Vlasov 分支扩散过程的最优控制

Julien Claisse, Jiazhi Kang, Tianxu Lan, Xiaolu Tan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了 McKean-Vlasov 分支扩散过程的最优控制问题，通过建立动态规划原理和 HJB 主方程，推导了线性-二次分支过程的显式解。

CSI Prediction Using Diffusion Models

基于扩散模型的信道状态信息（CSI）预测

Mehdi Sattari, Javad Aliakbari, Alexandre Graell i Amat, Tommy Svensson

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散模型的新型概率CSI预测框架，分解任务为时间编码器与扩散生成器，研究多种推理方案与骨干，仿真显示其性能优于现有最先进基线模型。

Comments Accepted, IEEE Transactions on Wireless Communications

ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions

ReDiSC：用于结构化预测可扩展节点分类的重参数化掩码扩散模型

Yule Li, Yifeng Lu, Zhen Wang, Zhewei Wei, Yaliang Li, Bolin Ding

机构 * Sun Yat-sen University（中山大学） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有节点分类方法未建模图节点标签相关性的问题，提出ReDiSC重参数化掩码扩散模型，通过变分EM框架学习，在同构/异构图上性能优异且可扩展至大规模数据，优于多数基线方法。

Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-60545-6}

Jumping for diffusion in random metastable systems

随机亚稳态系统中的扩散跳跃

Cecilia González-Tokman, Joshua Peters

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究针对随机亚稳态系统，通过时齐马尔可夫链跳跃分布近似其跳跃分布及可观测量扩散系数，并将结果应用于Horan随机配对帐篷映射，为相关系统的涨落分析提供了近似方法。

Diffusion Disambiguation Models for Partial Label Learning

用于部分标签学习的扩散消歧模型

Jinfu Fan, Xiaohui Zhong, Kangrui Ren, Jiangnan Li, Linqing Huang, Min Gan, C. L. Philip Chen

机构 * College of Computer Science and Technology, Qingdao University（青岛大学计算机科学与技术学院） ； Department of Control Science and Engineering, College of Electronics and Information Engineering, Tongji University（电子信息工程学院控制科学与工程系，同济大学） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究从模糊标签学习的问题，基于扩散模型提出用于部分标签学习的扩散消歧模型（DDMP），利用实例与标签互补信息构建伪干净标签，引入过渡感知矩阵估计潜在真实标签，经实验验证了DDMP在部分标签学习中的优势。

Comments Accepted by IEEE TCSVT

Fractional diffusion without disorder in two dimensions

二维无无序的分数扩散

Nilotpal Chakraborty, Markus Heyl, Roderich Moessner

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究二维中简单局部约束使缺陷呈现可调亚扩散，通过冰型和二聚体型模型揭示丰富动力学现象及有效分数扩散方程，缺陷路径分形维数为5/4，该研究对人工自旋冰和量子模拟器等平台有重要意义。

Comments 5+2 pages; 5 figures. v2 is the published version

Journal ref Phys. Rev. Research 8, 033118 (2026)

G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance

G2DP: 基于时空网格引导的扩散规划

Hang Yu, Ye Jin, Alessandro Canevaro, Julian Schmidt, Julian Jordan, Peizheng Li, Marc Kaufeld, Silvan Lindner, Johannes Betz, Wilhelm Stork

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； TU Munich（慕尼黑工业大学） ； University of Tübingen（图宾根大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对自动驾驶扩散规划器随机性导致的安全与路线保持问题，提出G2DP，通过可微时空代价体积在去噪过程中注入密集梯度，实现无碰撞与路径最优的轨迹生成，在nuPlan等基准上取得最优性能。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Accelerating Frequency Domain Diffusion Models with Error-Feedback Event-Driven Caching

通过误差反馈事件驱动缓存加速频域扩散模型

Dong Liu, Yanxuan Yu, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Yale University（耶鲁大学） ； East China Normal University（华东师范大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出E²-CRF方法，利用频域扩散模型的频谱局部化和镜像对称性，通过事件驱动的残差动态实现自适应缓存，提升推理速度2.2倍并保持样本质量。

FRIGID: Scaling Diffusion-Based Molecular Generation from Mass Spectra at Training and Inference Time

FRIGID：在训练和推理时通过质谱进行扩散分子生成的扩展

Montgomery Bohde, Hongxuan Liu, Mrunali Manjrekar, Magdalena Lederbauer, Shuiwang Ji, Runzhong Wang, Connor W. Coley

机构 * Massachusetts Institute of Technology, Cambridge, MA, United States ； Texas A\&M University, College Station, TX, United States 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 FRIGID通过中间指纹表示和确定的化学式生成分子结构，利用扩散模型在大规模无标签数据上训练，推理时通过碎片修复提升准确性，达到18%的Top-1准确率。

Diffusion Models for SU(2) Lattice Gauge Theory in Two Dimensions

二维SU(2)晶格规范理论中的扩散模型

H. Alharazin, J. Yu. Panteleeva, B. -D. Sun

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型生成二维SU(2)晶格规范场，通过四元数参数化和U-Net架构实现高精度模拟，验证了其在非阿贝尔规范场生成中的有效性。

Journal ref Phys. Rev. D 114, 014522 (2026)

Damping-Diffusion-Noise Interactions in the Stochastic Camassa-Holm Equation

随机 Camassa-Holm 方程中的阻尼-扩散-噪声相互作用

Diego Alonso-Orán, Peter H. C. Pang, Hao Tang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究含时非齐次阻尼、非局部扩散和噪声相互作用对 Camassa-Holm 方程经典解的影响，建立局部时间理论，确定保证解全局正则性和长期行为的条件，证明测度演化系统存在，推广不变测度概念。

Journal ref Journal of the London Mathematical Society, Volume114, Issue2, 2026

Multi-Mask Diffusion Language Models for Few-Step Generation

用于少步生成的多掩码扩散语言模型

Sijin Chen, Yinuo Ren, Heyang Zhao, Ziheng Cheng, Quanquan Gu, Lexing Ying

机构 * ByteDance Seed（字节跳动种子） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对掩码扩散模型少步生成难的问题，提出多掩码扩散模型MultiMDM，通过特定前向过程使反向过程有起草能力，推导训练目标并制定蒸馏方案，经实验验证其为少步生成提供了有效基础。

Comments Needs corporate approval

Constrained Zero-Sum Stochastic Linear-Quadratic Differential Game for Jump-Diffusion Systems with Random Coefficients

具有随机系数的跳扩散系统约束零和线性二次微分博弈

Yanyan Tang, Xun Li, Jie Xiong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有随机系数和 regime switching 的跳扩散系统中带锥约束的零和线性二次微分博弈，通过FBSDEs建立了开环解的存在性并推导了闭式解表达式。

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis

SurvDiff：用于生存分析中生成合成数据的扩散模型

Marie Brockschmidt, Maresa Schröder, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SurvDiff是一种专为生存分析设计的端到端扩散模型，通过联合生成协变量、事件时间和删失机制，提升合成数据的分布忠实度和生存模型评估性能。

Cross-reality location privacy protection in 6G-enabled vehicular metaverses: an LLM-enhanced hybrid generative diffusion model-based approach

6G赋能车联网元宇宙中的跨现实位置隐私保护：一种基于LLM增强混合生成扩散模型的方法

Xiaofeng Luo, Jiayi He, Jiawen Kang, Ruichen Zhang, Zhaoshui He, Ekram Hossain, Dong In Kim

机构 * School of Automation, Guangdong University of Technology（自动化学院，广东技术大学） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） ； Department of Electrical and Computer Engineering, University of Manitoba（电气与计算机工程系，曼尼托巴大学） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（电气与计算机工程系，成均馆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于LLM增强混合生成扩散模型的方法，用于6G赋能车联网元宇宙中的跨现实位置隐私保护，通过混合动作优化平衡隐私保护、延迟降低和服务质量维护。

Comments 16 pages, 8 figures

Generating Samples of Stationary Distributions of Weakly Interacting Diffusion Models Without Finite Particle Truncation: A Weak Generative Approach

在无有限粒子截断情况下生成弱相互作用扩散模型平稳分布的样本：一种弱生成方法

Zhiqiang Cai, Chengyu Liu, Xiang Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对计算弱相互作用扩散粒子平均场模型平稳分布及样本的难题，提出基于弱偏微分方程公式的生成框架，能同时计算平稳分布并生成样本，揭示真实分布，数值实验验证了该方法的有效性。

Comments 29 pages, 12 figures

Conditional Entropy of Heat Diffusion on Temporal Networks

时间网络上热扩散的条件熵

Samuel Koovely, Alexandre Bovet

机构 * Department of Mathematical Modeling and Machine Learning（数学建模与机器学习系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了时间网络上热扩散的条件熵，提出了一种新的方法来检测时间网络中的相变点，并展示了其在信息论中的意义，类似于热力学第二定律。

Dimension-Free Convergence of Discrete Diffusion Models: Adjoint Equations Induce the Right Space

离散扩散模型的维度无关收敛性：伴随方程诱导了正确的空间

Kelvin Kan, Xingjian Li, Benjamin J. Zhang, Tuhin Sahai, Stanley Osher, Markos A. Katsoulakis

机构 * Department of Mathematics（数学系） ； Oden Institute School of Data Science and Society（数据科学与社会学院） ； UCLA（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Computational and Applied Sciences Group（计算与应用科学组） ； Department of Mathematics and Statistics（数学与统计学系） ； SRI International（SRI国际） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于伴随方程的统一框架，实现了任何积分概率度量（IPM）下的维度无关收敛保证，克服了传统KL和TV方法在处理大规模状态空间时的局限性。

Understanding and Accelerating the Training of Masked Diffusion Language Models

理解并加速掩码扩散语言模型的训练

Chunsan Hong, Sanghyun Lee, Chieh-Hsin Lai, Satoshi Hayakawa, Yuhta Takida, Yuki Mitsufuji, Seungryong Kim, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； Sony AI（索尼人工智能） ； University of Tokyo（东京大学） ； Sony Group Corporation（索尼集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了掩码扩散模型训练缓慢的原因，提出bell-shaped时间采样策略，显著提升训练效率和模型性能。

Comments Preprint

LaDA-Band: Language Diffusion Models for Vocal-to-Accompaniment Generation

LaDA-Band：语言扩散模型用于人声到伴奏生成

Qi Wang, Zhexu Shen, Meng Chen, Guoxin Yu, Chaoxu Pang, Weifeng Zhao, Wenjiang Zhou

机构 * State Key Lab of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（中国科学院计算技术研究所人工智能安全国家重点实验室） ； Lyra Lab, Tencent Music Entertainment（腾讯音乐娱乐集团Lyra实验室） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LaDA-Band通过引入离散掩码扩散模型，解决了人声到伴奏生成中保持音质真实、维持全局连贯性和产生动态编曲的三重挑战，提升了长距离结构一致性和时间同步性。

Comments Accepted by ACMMM 2026

DynFOA: Generating First-Order Ambisonics with Conditional Diffusion for Dynamic and Acoustically Complex 360-Degree Videos

DynFOA: 基于条件扩散的动态和声学复杂的360度视频生成一阶混响

Ziyu Luo, Lin Chen, Qiang Qu, Xiaoming Chen, Yiran Shen

机构 * School of Computer and Artificial Intelligence, Beijing Technology and Business University, Beijing, China（计算机与人工智能学院，北京技术与商业大学） ； School of Computer Science, The University of Sydney, Sydney, NSW, Australia（计算机科学学院，悉尼大学） ； School of Software, Shandong University, Jinan, China（软件学院，山东大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DynFOA通过动态声学感知和条件扩散生成高质量的360度视频一阶混响，提升沉浸式音频体验。

Comments Revised version with updated content.This submission is the intended replacement of arXiv:2602.06846

Simple Policy Gradients for Reasoning with Diffusion Language Models

为扩散语言模型进行推理的简单策略梯度

Anthony Zhan

机构 * Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出 AGRPO 算法，通过优化 dLLM 的去噪步骤提升推理性能，实现多个任务上的显著增益。

Comments 19 pages. ICML 2026

PILD: Physics-Informed Learning via Diffusion

PILD：通过扩散进行物理引导学习

Tianyi Zeng, Tianyi Wang, Jiaru Zhang, Zimo Zeng, Feiyang Zhang, Yiming Xu, Sikai Chen, Junfeng Jiao, Christian Claudel, Xinbo Chen

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校） ； Zhejiang University, Hangzhou, Zhejiang, China（浙江大学） ； Tongji University, Shanghai, China（同济大学） ； University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PILD通过引入虚拟残差观测和条件嵌入模块，结合物理约束与扩散模型，提升工程和科学任务中生成模型的准确性、稳定性和泛化能力。

Comments 34 pages, 13 figures, 14 tables

Privatization of Synthetic Gaze: Attenuating State Signatures in Diffusion-Generated Eye Movements

合成眼动的私有化：减弱扩散生成眼动中的状态特征

Kamrul Hasan, Oleg V. Komogortsev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于扩散模型的合成眼动方法，通过分析合成眼动特征与主观报告之间的相关性，证明生成方法能有效抑制与隐私相关的内部状态特征，同时保留真实数据的信号特征。

Comments Accepted at IEEE International Joint Conference on Biometrics (IJCB) 2026

CLOAK: Contrastive Guidance for Latent Diffusion-Based Data Obfuscation

CLOAK：基于潜在扩散的数据混淆的对比引导

Xin Yang, Omid Ardakanian

机构 * University of Alberta（阿尔伯塔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对数据混淆问题，提出基于潜在扩散模型的Cloak框架，用对比学习提取解纠缠表示，指导潜在扩散过程平衡隐私与效用。实验表明该框架优于现有技术，能降低效用和隐私损失，适合资源受限环境。

Journal ref Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, Volume 10, Issue 3, Article 184, September 2026

Quantitative and Qualitative Comparison of Generative Models for Subject-Specific Gaze Synthesis: Diffusion vs GANs

特定主体注视合成生成模型的定量与定性比较：扩散模型与生成对抗网络

Kamrul Hasan, Dmytro Katrychuk, Mehedi Hasan Raju, Oleg V. Komogortsev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究特定主体注视合成，对扩散模型和GAN进行修改，前者纳入用户嵌入，后者引入特定主体条件模块，通过眼动信号质量指标评估，发现扩散模型生成的注视序列更优，推进了对合成注视相关特性的理解及生物识别应用发展。

Comments Accepted at IEEE International Joint Conference on Biometrics (IJCB) 2026

LaCache: Exact Caching and Precision-Adaptive Inference for Diffusion Large Language Models

LaCache：用于扩散大语言模型的精确缓存和精度自适应推理

Xingru Chen, Zelang Liang, Yongjia Ma, Jiqing Zhan, Shuling Yang, Lian Wen, Kun Zhan

机构 * Li Auto Inc.（理想汽车公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散大语言模型算子级冗余问题，提出LaCache加速框架，通过无损缓存中间结果及集成FP8量化策略，无需训练，单独使用可实现约1.3倍端到端加速，与现有方法结合可达40.2倍加速且保持任务精度。

On the Separability of Information in Diffusion Models

关于扩散模型中信息分离性

Akhil Premkumar

机构 * Department of Applied Physics, Yale University, New Haven, CT 06511, USA（应用物理系，耶鲁大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究扩散模型中信息的分离性，发现模型大部分信息用于重建图像细节，而类别标签相关性由语义内容决定，从而解释了无分类器指导的有效性。

Comments 30 pages + references, 19 figures. v5: Camera-ready version from ICML 2026

Diffusion-based Annealed Boltzmann Generators : benefits, pitfalls and hopes

基于退火的玻尔兹曼生成器：益处、陷阱与希望

Louis Grenioux, Maxence Noble

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了基于退火蒙特卡洛的玻尔兹曼生成器，探讨了扩散模型在其中的应用及其在高维多模态目标中的性能表现。

Comments TMLR camera ready version