图像生成

Follow the Latent Roadmap: Navigating Revocable Decoding for Diffusion LLMs with Anchor Tokens

遵循潜在路径：利用锚定令牌导航扩散LLM的可撤销解码

Yizhen Yao, Qinglin Zhu, Runcong Zhao, Xiangxiang Dai, Yanzheng Xiang, Yulan He, Lin Gui

机构 * King's College London（伦敦国王学院） ； The Chinese University of Hong Kong（香港中文大学） ； The Alan Turing Institute, UK（英国艾伦·图灵研究所） 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解码速度与质量的权衡，提出无训练框架ASRD，通过锚定令牌解耦上下文，结合锚定引导生成与锚定扰动验证，在数学和编码基准上提升准确率6.4%，加速推理7.2倍。

Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models

注意力折扣自适应采样器用于掩码扩散语言模型

Yusuf Sahin, Ahmed Rockey Saikia, Volkan Cevher, Paolo Favaro

机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。

DiffAU: Diffusion-Based Ambisonics Upscaling

DiffAU: 基于扩散的Ambisonics升阶

Amit Milstein, Nir Shlezinger, Boaz Rafaely

机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiffAU方法，利用扩散模型和空间音频适配，从一阶Ambisonics生成三阶Ambisonics，实现快速可靠的升阶。

On a Universal Strictly Decreasing Nonparametric Estimator Applied to the Drift Function of a Recurrent Diffusion Process Estimation

关于递归扩散过程漂移函数的严格递减非参数估计器

Nicolas Marie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种严格递减的非参数估计器，用于估计递归扩散过程的漂移函数，通过非渐近L1风险界和带宽选择方法提高估计精度。

Comments 17 pages, 2 figures

DECO: Decoupled Multimodal Diffusion Transformer for Bimanual Dexterous Manipulation with a Plugin Tactile Adapter

DECO：解耦多模态扩散变压器用于配备插件触觉适配器的双臂灵巧操作

Xukun Li, Yu Sun, Lei Zhang, Bosheng Huang, Yibo Peng, Yuan Meng, Haojun Jiang, Shaoxuan Xie, Guocai Yao, Alois Knoll, Zhenshan Bing, Xinlong Wang, Zhenguo Sun

机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； School of Computation, Information and Technology, Technical University of Munich, Garching, Germany（慕尼黑技术大学计算与信息学院） ； Department of Shenyang Institute of Computing Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院沈阳计算技术研究所部门） ； State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DECO通过解耦多模态输入和触觉适配器，实现了双臂灵巧操作的高效整合与高成功率

Comments 17 pages, 8 figures. Project Page: https://baai-humanoid.github.io/DECO-webpage/

Diffusion Denoiser-Aided Gyrocompassing

扩散去噪器辅助的陀螺罗经法

Gershy Ben-Arie, Daniel Engelsman, Rotem Dror, Itzik Klein

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对低成本陀螺仪准确及时陀螺罗经法的挑战，提出扩散去噪器辅助的陀螺罗经法，集成扩散去噪框架与航向估计模型，处理原始传感器信号，实验证明相比其他方法显著提高了陀螺罗经精度，对自主平台导航意义重大。

Comments 8 pages, 8 figures

Journal ref Measurement, Measurement, Volume 287, 2026, Article 122370

Spectral Diffusion Processes

谱扩散过程

Angus Phillips, Thomas Seror, Michael Hutchinson, Valentin De Bortoli, Arnaud Doucet, Emile Mathieu

机构 * University of Oxford（牛津大学） ； ENS, CNRS, PSL University Paris（巴黎高等师范学院、国家科学研究中心、巴黎大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将扩散模型应用于函数空间上的随机过程，通过谱表示分离随机部分与时空结构，用有限维扩散模型建模谱系数，经截断确保模型有效性，投影回原空间对应相关噪声扩散模型，还展示了方法在多模态数据建模及条件采样上的有效性。

Comments This version (v3) extends the previous workshop version (v2) with conditional sampling and theoretical results. Work carried out in 2022/23. V2 appeared in Score-based Methods Workshop at the 36th Conference on Neural Information Processing Systems (NeurIPS 2022)

Prompt Compression in Diffusion Large Language Models: Evaluating LLMLingua-2 on LLaDA

在扩散大型语言模型中进行提示压缩：在LLDA上评估LLMLingua-2

Sterling Huang, Abigayle Brown, Jiyoo Noh, Jiakang Xu, Wantong Huo, Kaung Myat Kyaw, Jonathan Chan

机构 * University of Toronto（多伦多大学） ； King Mongkut’s University of Technology Thonburi（泰国科技理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了提示压缩在扩散大型语言模型中的有效性，通过在LLDA上评估LLMLingua-2，发现提示压缩在数学推理任务中效果不佳，而摘要任务相对稳健，表明为扩散模型设计的提示压缩方法并不适用于所有场景。

Comments Accepted to appear in The 14th International Conference on Advances in Information Technology (IAIT2026)

Safer Trajectory Planning with CBF-guided Diffusion Model for Unmanned Aerial Vehicles

基于CBF引导扩散模型的无人机安全轨迹规划

Peiwen Yang, Shiyu Bai, Weisong Wen, Yixin Gao, Jiahao Hu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出AeroTrajGen框架，通过CBF引导采样提升扩散模型在无人机轨迹生成中的安全性与敏捷性，减少碰撞率94.7%。

Comments Some equations need to be checked

MetaState: Persistent Working Memory Enhances Reasoning in Discrete Diffusion Language Models

MetaState: 持久工作记忆增强离散扩散语言模型的推理能力

Kejing Xia, Mingzhe Li, Lixuan Wei, Zhenbang Du, Xiangchi Yuan, Dachuan Shi, Qirui Jin, Wenke Lee

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Harvard University（哈佛大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MetaState通过引入轻量级循环增强模块，为冻结的离散扩散语言模型提供持久固定大小的工作记忆，提升推理性能，平均提升4.5%。

Enhancing Reasoning for Diffusion LLMs via Distribution Matching Policy Optimization

通过分布匹配策略优化增强扩散大语言模型的推理能力

Yuchen Zhu, Wei Guo, Jaemoo Choi, Petr Molodyk, Bo Yuan, Molei Tao, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DMPO方法，通过分布匹配优化提升扩散大语言模型的推理能力，实现显著的准确率提升。

Riemannian Denoising Diffusion Probabilistic Models

黎曼去噪扩散概率模型

Zichen Liu, Wei Zhang, Christof Schütte, Tiejun Li

机构 * Center for Data Science, Peking University（数据科学中心，北京大学） ； Zuse Institute Berlin（柏林Zuse研究所） ； Institute of Mathematics, Freie Universität Berlin（柏林自由大学数学研究所） ； LMAM and School of Mathematical Sciences, Center for Machine Learning Research and Center for Data Science, Peking University（LMAM和数学系，机器学习研究中心和数据科学中心，北京大学） 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投影方案的黎曼去噪扩散概率模型，适用于更一般的流形，无需复杂的几何信息，通过理论分析和实验验证展示了其在高维流形数据建模中的有效性。

Journal ref Communications in Mathematical Sciences, 2026

Likelihood Matching for Diffusion Models

扩散模型的似然匹配

Lei Qian, Wu Su, Yanqi Huang, Song Xi Chen

机构 * Center for Data Science（数据科学中心） ； Peking University（北京大学） ； Guanghua School of Management（光华管理学院） ； Department of Statistics and Data Science（统计与数据科学系） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出似然匹配方法训练扩散模型，通过建立目标数据分布似然与反向扩散样本路径似然的等价关系，利用拟似然近似反向转移密度，估计得分和海森矩阵函数，引入随机采样器，建立一致性并提供收敛保证，经评估验证了该方法的有效性。

Airborne Particle Communication Through Time-varying Diffusion-Advection Channels

通过时变扩散-平流通道的机载粒子通信

Fatih Merdan, Ozgur B. Akan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究时变扩散-平流通道下的机载粒子通信，用移动框架法推导通道脉冲响应，通过功率延迟分布表征通道，定义通道色散时间。系统级仿真表明波形设计关键，引入OLR量化失真，为复杂环境中粒子通信建模设计提供基础。

Comments 14 Pages, 9 figures

Nanoscale Protein Diffusion in Supercooled Cryoprotectant Solutions

过冷冷冻保护剂溶液中的纳米级蛋白质扩散

Maddalena Bin, Anita Girelli, Mariia Filianina, Mario Reiser, Sharon Berkowicz, Milla Åhlfeldt, Michelle Dargasz, Sonja Timmermann, Jaqueline Savelkouls, Takeshi Kawasaki, Shinji Saito, Federico Zontone, Yuriy Chushkin, Fajun Zhang, Frank Schreiber, Michael Paulus, Christian Gutt, Fivos Perakis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究过冷冷冻保护剂溶液中蛋白质扩散，结合XPCS和SAXS，测量铁蛋白扩散系数，发现冷却时其迁移率高于预期，最小波动摩擦模型可再现，为相关理论和模拟研究提供实验基准。

Low-dimensional adaptation of diffusion models: Convergence in total variation

扩散模型的低维适应性：全变差中的收敛性

Jiadong Liang, Zhihan Huang, Yuxin Chen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散模型利用低维结构加速采样，聚焦DDIM和DDPM采样器，证明其在精确得分函数下的迭代复杂度，扩展到学习得分函数情况，通过基于核的估计器实现假设，为采样器适应性提供证据并改进DDPM理论。

Denoising Data with Measurement Error Using a Reproducing Kernel-based Diffusion Model

使用基于再生核的扩散模型对含测量误差的数据进行去噪

Mingyang Yi, Marcos Matabuena, Zhiming Ma, Ruoyu Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对测量系统获取的含误差数据，提出基于再生核希尔伯特空间方法训练扩散模型的去噪框架，能生成接近无误差数据的去噪数据，推导散度上界验证有效性，模拟及实际应用表明该方法性能良好。

Tracing boron diffusion into a textured silicon solar cell using electron beam induced current in a scanning transmission electron microscope

利用扫描透射电子显微镜中的电子束诱导电流追踪硼向织构化硅太阳能电池中的扩散

Tobias Meyer, David A. Ehrlich, Peter Pichler, K. L. Skrollan Detzler, Christoph Flathmann, Valeriya Titova, Tim Böckendorf, Hartmut Bracht, Jan Schmidt, Michael Seibt

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用扫描透射电子显微镜中的电子束诱导电流及硼扩散模拟，追踪织构化硅太阳能电池中硼的掺杂剂分布，通过有效模型考虑表面复合，模拟与实验数据相符，还探讨了其在量化弱电场方面的应用。

Non-perturbative heavy quark diffusion coefficients in arbitrarily magnetized quark-gluon plasma

强子在任意磁化夸克-胶子等离子体中的非微扰重子动量扩散系数

Debarshi Dey, Aritra Bandyopadhyay, Yifeng Sun, Santosh K. Das

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在任意强磁场下，非微扰热QCD介质中重子动量和空间扩散系数的计算，发现磁场方向定义各向异性轴，非微扰效应在低温下占主导。

Comments 7 pages, 2 figures

Journal ref Physics Letters B, 880, 2026

Integrating Fourier Neural Operator with Diffusion Model for Autoregressive Predictions of Three-dimensional Turbulence

将傅里叶神经算子与扩散模型整合用于三维湍流的自回归预测

Yuchi Jiang, Yunpeng Wang, Huiyu Yang, Jianchun Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiAFNO模型，整合隐式自适应傅里叶神经算子与扩散模型，以提高三维湍流的自回归预测精度，通过条件生成实现长期稳定预测，并在多种湍流场景中验证其优越性。

Change of bifurcation type in 2D free boundary model of a moving cell with nonlinear diffusion

具有非线性扩散的移动细胞二维自由边界模型中的分岔类型变化

Leonid Berlyand, Oleksii Krupchytskyi, Tim Laux

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有非线性扩散的二维移动细胞自由边界模型，通过开发多维向量框架直接应用克兰德尔 - 拉宾诺维茨定理，推导解析公式控制分岔类型变化，解释生物物理机制，结果与一维文献一致并首次扩展到二维。

Anisotropic Defect Diffusion in Layered CsPbBr$_\mathrm{x}$I$_\mathrm{3-x}$ Perovskites

层状CsPbBr$_\mathrm{x}$I$_\mathrm{3-x}$钙钛矿中各向异性缺陷扩散

Konrad Wilke, Mike Pols, Titus S. van Erp, Geert Brocks, Shuxia Tao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过分子动力学模拟探讨层状CsPbBr$_\mathrm{x}$I$_\mathrm{3-x}$钙钛矿中缺陷扩散的各向异性，揭示层状卤素排列对材料稳定性及缺陷迁移的调控作用。

GenDA: Generative Data Assimilation on Complex Urban Areas via Classifier-Free Diffusion Guidance

GenDA：基于无分类器扩散引导的复杂城市区域生成式数据同化

Francisco Giral, Álvaro Manzano, Ignacio Gómez, Ricardo Vinuesa, Soledad Le Clainche

机构 * Applied Mathematics Department, ETSIAE-School of Aeronautics, Universidad Politécnica de Madrid, Spain（马德里理工大学应用数学系） ； Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI 48109, USA（密歇根大学航空航天工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对仅靠稀疏传感器数据进行城市风流重建的难题，提出GenDA框架，利用多尺度图扩散架构及无分类器引导机制，在RANS模拟实验中表现出色，相比其他方法降低误差、提高相似性指数，为复杂领域环境监测提供可扩展路径。

Structured drift design for denoising diffusion models

去噪扩散模型的结构化漂移设计

Mahsa Taheri

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出几何感知Ornstein-Uhlenbeck过程，通过方差感知各向异性漂移嵌入数据几何结构，改善扩散模型对多模态、高相关分布的模式分离和相关性保持。

An effective energy-enstrophy diffusion process with a condensation bound

具有凝聚界的有效能量-涡量扩散过程

Alain-Sol Sznitman, Klaus Widmayer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究利用\(\mathbb{R}^N\)上高斯测度定义椭圆扩散系数，建立其平稳分布的存在唯一性，推导出凝聚界，还证明此扩散是特定演化过程定律的无粘极限，为相关研究提供了新方法和结论。

Comments 29 pages, 2 figures, typos corrected, redactional improvement of abstract and introduction

An inviscid limit to an effective energy-enstrophy diffusion process

有效能量-涡量扩散过程的无粘极限

Alain-Sol Sznitman, Klaus Widmayer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有布朗强迫和随机搅拌的稳态N维Galerkin-Navier-Stokes型演化，证明二维开放锥中稳态扩散是N维扩散过程“涡量-能量”定律的无粘极限，借助相关界推导出定量无粘凝聚界。

Comments 37 pages, 1 figure, typos corrected, redactional improvement of abstract and introduction

Diffusion Models in Simulation-Based Inference: A Tutorial Review

基于模拟推理的扩散模型：教程综述

Jonas Arruda, Niels Bracher, Ullrich Köthe, Jan Hasenauer, Stefan T. Radev

机构 * Bonn Center for Mathematical Life Sciences, Life & Medical Sciences Institute, University of Bonn, Germany（波恩数学生命科学中心、生命与医学科学研究所、波恩大学，德国） ； Center for Modeling, Simulation, & Imaging in Medicine (CeMSIM) Rensselaer Polytechnic Institute, NY, USA（医学建模、仿真与成像中心（CeMSIM）雷士利理工学院，纽约，美国） ； Computer Vision and Learning Lab, Heidelberg University, Germany（计算机视觉与学习实验室，海德堡大学，德国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 综述基于模拟推理的扩散模型进展，介绍其能快速准确估计潜在参数，阐述涵盖训练等方面的设计选择、相关概念带来的机遇及噪声调度等的影响，通过案例研究说明并指出未来研究问题。

Spectral Diffusion Models on the Sphere

球面上的谱扩散模型

Francesco Mari, Pierpaolo Brutti, Claudio Durastanti

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将谱扩散方法扩展到球面数据的问题，开发在球谐表示上的扩散建模框架，通过球面离散傅里叶变换建立相关随机微分方程，揭示空间和谱得分匹配目标不等价及两者定量关系，推导扩散方程并刻画噪声协方差。

Comments 27 pages, 1 figure

The diffusion equation is compatible with special relativity

扩散方程与狭义相对论兼容

Lorenzo Gavassino

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散方程与狭义相对论的兼容性问题，通过证明扩散方程特定解是相对论性弗拉索夫 - 福克 - 普朗克方程精确解的粒子密度，确立了因果、稳定且热力学一致的相对论动力学理论，解决了传统观点中扩散方程与狭义相对论不兼容的问题。

Comments 6 pages, 0 figures, published in PRL (see https://journals.aps.org/prl/abstract/10.1103/rkz9-xps2)

Journal ref Phys. Rev. Lett. 137, 022302 (8 July, 2026)

Probing the Quantum Nature of Gravity through Classical Diffusion

通过经典扩散探究引力的量子本质

Oliviero Angeli, Sandro Donadi, Giovanni Di Bartolomeo, José Luis Gaona-Reyes, Andrea Vinante, Angelo Bassi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究引力是否本质为量子这一问题，提出无需量子态工程的替代策略，通过考虑引力作用下物体的线性化主方程建立噪声下限，基于高精度扭摆给出实验方案，为测试引力本质提供新途径，降低实验复杂性。

Comments Fully revised manuscript with a mathematical formalization of the main argument