图像生成

Text2Structure3D: Graph-Based Generative Modeling of Equilibrium Structures with Diffusion Transformers

Text2Structure3D: 基于扩散变换器的图生成建模平衡结构

Lazlo Bleker, Zifeng Guo, Kaleb E. Smith, Kam-Ming Mark Tam, Karla Saldaña Ochoa, Pierluigi D'Acunto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Text2Structure3D，结合潜在扩散、变分图自编码器和图变换器，从自然语言提示生成接近平衡状态的结构图，并通过残余力优化确保完全满足静力平衡。

Journal ref Results in Engineering 31 (2026) 111375

Fully mixed virtual element schemes for a new model of steady-state poroelastic stress-assisted diffusion in the brain

脑稳态孔隙弹性应力辅助扩散新模型的完全混合虚拟元方案

Isaac Bermudez, Bryan Gomez-Vargas, Kent-Andre Mardal, Andres E. Rubiano, Ricardo Ruiz-Baier

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出完全混合虚拟元法求解线性孔隙弹性与应力依赖非线性扩散的耦合问题，通过解耦不动点策略证明解存在性，并建立先验误差估计，数值实验验证了最优收敛性和参数鲁棒性。

Graph Diffusion-Based AeBS Deployment and Resource Allocation in RSMA-Enabled URLLC Low-Altitude Wireless Networks

基于图扩散的RSMA使能URLLC低空无线网络中AeBS部署与资源分配

Xudong Wang, Lei Feng, Jiacheng Wang, Hongyang Du, Changyuan Zhao, Wenjing Li, Ping Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对低空无线网络中频谱受限和同频干扰问题，提出基于速率分割多址接入（RSMA）的传输设计，并利用生成式图扩散模型联合优化AeBS部署、用户关联和资源分配，以最大化总速率和覆盖率。

Comments 13 pages, 9 figures

Unsupervised Diffusion Solver for Combinatorial Optimization via Combinatorial Adjoint Matching

通过组合伴随匹配实现组合优化的无监督扩散求解器

Shengyu Feng, Tarun Suresh, Yiming Yang

机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出组合伴随匹配（CAM）框架，利用离散伴随动力学和随机控制公式，实现无监督训练离散扩散求解器，在多种组合优化问题上达到与监督方法竞争的性能。

Comments ICML26

DiffVQE: Hybrid Diffusion Voice Quality Enhancement Under Acoustic Echo and Noise

DiffVQE：声学回声和噪声下的混合扩散语音质量增强

Haljan Lugo, Ernst Seidel, Pejman Mowlaee, Ziyue Zhao, Tim Fingscheidt

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出首个基于扩散的声学回声控制模型DiffVQE，在回声和噪声控制性能、计算复杂度和模型大小上均优于判别式DeepVQE模型。

Comments 6 pages, 4 figures, accepted at Interspeech 2026

IPSL-AID: Generative Diffusion Models for Climate Downscaling from Global to Regional Scales

IPSL-AID：用于从全球到区域尺度气候降尺度的生成扩散模型

Kishanthan Kingston, Olivier Boucher, Freddy Bouchet, Pierre Chapel, Rosemary Eade, Jean-Francois Lamarque, Redouane Lguensat, Kazem Ardaneh

机构 * Climate Modeling Center（气候建模中心） ； Sorbonne University（索邦大学） ； CNRS（法国国家科学研究中心） ； IPSL ； Paris（巴黎） ； France（法国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于去噪扩散概率模型的IPSL-AID工具，利用ERA5再分析数据从粗分辨率输入生成0.25°温度、风和降水场，并建模细尺度特征概率分布以量化不确定性，准确重建统计分布、极端事件和空间结构。

Comments 17 pages, 12 figures, submitted to Climate Informatique 2026, to appear in Environmental Data Science

DSB: Dynamic Sliding Block Scheduling for Diffusion LLMs

DSB: 扩散语言模型的动态滑动块调度

Lizhuo Luo, Shenggui Li, Yonggang Wen, Tianwei Zhang

机构 * Nanyang Technological University（南洋理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型固定块调度忽视语义难度的问题，提出无训练的动态滑动块方法DSB及配套KV缓存机制DSB Cache，显著提升生成质量和推理效率。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

Global Well-Posedness and Numerical Approximation of a Coupled Darcy-Convection-Diffusion System with Exponential Nonlinearity

具有指数非线性的耦合达西-对流-扩散系统的全局适定性与数值逼近

Sahil Kundu, Amiya Kumar Pani, Manoranjan Mishra

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究多孔介质中密度驱动流，通过Galerkin逼近和截断技术证明弱解存在唯一性，分析浓度指数衰减，数值模拟揭示密度对比和吸附对混合效率的影响。

Comments Published in Nonlinear Analysis: Real World Applications

Journal ref Nonlinear Analysis: Real World Applications, vol. 93, 104674 (2027)

Evolution of Conditional Entropy for Diffusion Dynamics on Graphs

图上扩散动力学的条件熵演化

Samuel Koovely, Alexandre Bovet

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 引入图上热扩散的条件熵，建立连续时间马尔可夫链与信息论框架，证明其满足热力学第二定律的信息论版本，并给出完全图、路径图、循环图上的显式结果及一般网络的渐近结果与界。

Diffusion in a $d$-dimensional rough potential

在 $d$ 维粗糙势中的扩散

Jacob Jeffries, Emilio Mendoza Reyes, Fadi Abdeljawad, Murray Daw, Enrique Martinez

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过平均首次通过时间分析，建立了任意维度下噪声固溶体中扩散率的解析模型，发现粗糙度总是降低扩散率，并与动力学蒙特卡洛模拟在低维下定量吻合。

Comments 12 pages, 3 figures

On the Singular Control of a Diffusion and its Running Infimum or Supremum

关于扩散过程及其运行下确界或上确界的奇异控制

Giorgio Ferrari, Neofytos Rodosthenous

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维扩散过程及其运行下确界/上确界的奇异控制问题，引入两个积分算子，证明一般验证定理，并应用于最优分红问题。

Comments 29 pages, 2 figures

Learn from Your Mistakes: Self-Correcting Masked Diffusion Models

从错误中学习：自纠正掩码扩散模型

Yair Schiff, Omer Belhasin, Roy Uziel, Guanghan Wang, Marianne Arriola, Gilad Turok, Ran Zilberstein, Michael Elad, Volodymyr Kuleshov

机构 * Cornell（康奈尔大学） ； NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出ProSeCo框架，通过训练模型同时进行掩码去除和错误纠正，在生成过程中迭代修正已解码标记，提升样本质量并实现更快的采样速度。

Comments Code to reproduce our experiments is available here: https://github.com/kuleshov-group/proseco

DICE: Diffusion Large Language Models Excel at Generating CUDA Kernels

DICE：扩散大语言模型在生成CUDA内核方面表现出色

Haolei Bai, Lingcheng Kong, Xueyi Chen, Jianmian Wang, Zhiqiang Tao, Huan Wang

机构 * Westlake University（西湖大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Rochester Institute of Technology（罗切斯特理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CuKe数据集和BiC-RL训练框架，构建DICE系列扩散大语言模型（1.7B/4B/8B），在KernelBench上显著优于同类自回归和扩散模型，实现CUDA内核生成新SOTA。

Comments v2: Expanded with dLLM vs. autoregressive LLM comparisons, ablation studies, and qualitative case studies

Global Dynamics and Patterns of a Gray-Scott Model with Local-Nonlocal Diffusion

具有局部-非局部扩散的Gray-Scott模型的全局动力学与模式

Md Shah Alam

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用半群理论与对偶论证，证明了具有局部-非局部扩散的Gray-Scott模型全局解的存在性与有界性，并展示了局部与混合模型的模式。

Manifold GCN: Diffusion-based Convolutional Neural Network for Manifold-valued Graphs

Manifold GCN：基于扩散的流形值图卷积神经网络

Martin Hanik, Gabriele Steidl, Christoph von Tycowicz

机构 * BIFOLD—Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究院） ； Technical University Berlin（柏林技术大学） ； Zuse Institute Berlin（柏林泽尼茨研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出两种适用于黎曼流形特征图的图神经网络层：基于流形值图扩散方程的扩散层和受向量神经元启发的切向多层感知器，两者在节点置换和流形等距下等变，在更广泛问题上优于任务特定网络。

Comments Extended ADNI experiment

Journal ref International Journal of Computer Vision, Volume 134, article number 315 (2026)

Existence of weak solutions for fast diffusion equation with a divergence type of drift term

带有散度型漂移项的快速扩散方程弱解的存在性

Sukjung Hwang, Kyungkeun Kang, Hwa Kil Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 在漂移项满足可积性条件下，构造满足L^q能量不等式和Wasserstein空间速度估计的非负弱解；当漂移项无散时，可放宽条件，并应用于粘性Boussinesq系统。

Comments arXiv admin note: text overlap with arXiv:2306.08237

Journal ref Nonlinear Anal. Real World Appl. 93 (2027), Article 104685

Generative AI Enabled Robust Sensor Placement in Cyber-Physical Power Systems: A Graph Diffusion Approach

生成式AI赋能的信息物理电力系统鲁棒传感器布置：一种图扩散方法

Changyuan Zhao, Guangyuan Liu, Bin Xiang, Benoit Delinchant, Dong In Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于图扩散的生成式AI框架，通过经验反馈图扩散算法优化传感器布置，同时提升物理层异常检测和网络层通信韧性，解决信息物理电力系统的NP-hard优化问题。

Comments 14 pages, 9 figures

Accessible pore geometry governs tracer diffusion in crowded environments

可及孔隙几何形状主导拥挤环境中的示踪剂扩散

Jinseok Lee, Tong Lin, Mengyang Gu, Yimin Luo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过实验和模拟发现，示踪剂在拥挤环境中的扩散主要由可及孔隙尺寸决定，并利用并行部分高斯过程模型快速预测均方位移。

Comments 32 pages, 16 figures

Diffusion Models for Adaptive Sequential Data Generation

自适应序列数据生成的扩散模型

Haoyang Cao, Minshuo Chen, Yinbin Han, Renyuan Xu

机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能研究所、数据科学数学研究所，约翰霍普金斯大学） ； Department of Industrial Engineering and Management Sciences, Northwestern University（工业工程与管理科学系，西北大学） ； Department Management Science and Engineering, Stanford University（管理科学与工程系，斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种顺序前向后向扩散框架，通过沿序列逐步注入和去除噪声并基于历史生成条件确保自适应性，用于生成自适应时间序列数据，并引入新的分数匹配目标实现高效并行训练，在合成数据和均值-方差最优投资组合构建中验证有效性。

Comments 38 pages

Fast-dLLM++: Fréchet Profile Decoding for Faster Diffusion LLM Inference

Fast-dLLM++: 用于更快扩散LLM推理的Fréchet轮廓解码

Siva Rajesh Kasa, Yasong Dai, Sumit Negi, Hongdong Li

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 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推理中并行令牌生成的瓶颈，提出Fréchet轮廓解码方法，通过利用异构置信度轮廓选择并行提交集，在保持模型和缓存不变的情况下提升吞吐量。

Comments Initial version accepted at Workshop on Structured Probabilistic Inference & Generative Modeling, ICML 2026. Project Page: https://ringo-star.github.io/projectpage_frechet/

CoBit: Language Modeling with Bitstream Diffusion

CoBit: 基于比特流扩散的语言建模

Georgios Batzolis, Mark Girolami, Luca Ambrogioni

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CoBit模型，将文本建模为固定宽度二进制比特流上的连续扩散过程，采用匹配滤波残差参数化和基于熵率门控的朗之万校正采样器，在LM1B和OpenWebText上达到接近自回归模型的生成困惑度，并消除词汇表缩放瓶颈。

FlowRL: A Taxonomy and Modular Framework for Reinforcement Learning with Diffusion Policies

FlowRL：基于扩散策略的强化学习分类与模块化框架

Chenxiao Gao, Edward Chen, Tianyi Chen, Bo Dai

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散/流策略强化学习算法的统一分类法，构建模块化JAX框架，在多个基准上提供系统比较，为算法设计与应用提供指导。

Comments accepted by RLC 2026

DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy

DemoDiffusion: 使用预训练扩散策略的一次性人类模仿

Sungjae Park, Homanga Bharadhwaj, Shubham Tulsiani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DemoDiffusion方法，通过单次人类演示和预训练扩散策略，无需任务特定训练即可使机器人执行操作任务，在8项任务中平均成功率达83.8%。

Comments 11 pages. Published at ICRA 2026

Ultra slow sub-logarithmic diffusion of a sluggish random walker subject to resetting with memory

具有记忆重置的慢速随机游走者的超慢次对数扩散

Denis Boyer, Satya N. Majumdar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究布朗粒子扩散系数随距离原点代数衰减且以恒定速率重置到历史访问位置的模型，发现典型位移以[ln(rt)]^{1/(α+2)}超慢增长，位置分布呈双峰非高斯标度律。

Comments 22 pages, 4 figures

Journal ref J. Stat. Mech. (2026) 063201

Sample from What You See: Visuomotor Policy Learning via Diffusion Bridge with Observation-Embedded Stochastic Differential Equation

从所见中采样：基于观测嵌入随机微分方程的扩散桥视觉运动策略学习

Zhaoyang Liu, Mokai Pan, Zhongyi Wang, Kaizhen Zhu, Haotao Lu, Haipeng Zhang, Jingya Wang, Ye Shi

机构 * 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BridgePolicy，通过扩散桥公式将观测直接集成到随机动力学中，利用语义对齐器处理异构观测，在模拟和真实任务中超越现有生成式策略。

Comments Accepted by ICML 2026

SSNAPS: Audio-Visual Separation of Speech and Background Noise with Diffusion Inverse Sampling

SSNAPS: 基于扩散逆采样的语音与背景噪声视听分离

Yochai Yemini, Yoav Ellinson, Rami Ben-Ari, Sharon Gannot, Ethan Fetaya

机构 * Bar-Ilan University（巴伊兰大学） ； OriginAI 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无监督的视听语音分离方法，利用扩散先验和逆采样联合建模语音与噪声，在单麦克风场景下优于有监督基线，并支持离屏说话人分离。

Multi-Robot Motion Planning from Vision and Language using Heat-Inspired Diffusion

基于热启发的扩散模型实现从视觉和语言的多机器人运动规划

Jebeom Chae, Junwoo Chang, Seungho Yeom, Yujin Kim, Jongeun Choi

机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院） ； School of Mechanical Engineering, Yonsei University（燕山大学机械工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出LHD框架，结合CLIP语义先验与碰撞避免扩散核，实现语言条件化的多机器人无碰撞轨迹规划，在成功率上优于先前方法并降低延迟。

Comments 8 pages, 6 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7118-7125, June 2026

Diffusion Non-Additive Model for Multi-Fidelity Simulations with Tunable Precision

扩散非加性模型：用于可调精度多保真度模拟

Junoh Heo, Romain Boutelet, Wenjia Wang, Chih-Li Sung

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散非加性（DNA）模型，利用高斯过程捕获非线性依赖并外推精确解，实现多保真度模拟的精度提升与不确定性量化。

Comments 35 pages including references and 27 pages supplementary

Every Nearby Energetic Pulsar Is Surrounded by a Region of Inhibited Diffusion

每个附近的高能脉冲星都被一个扩散抑制区域包围

Isabelle John, Tim Linden

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 H.E.S.S.观测到高达40 TeV的电子正电子能谱，与标准单区模型冲突；通过模拟本地脉冲星群，发现每个年轻高能脉冲星周围必须存在扩散抑制区域（如超新星遗迹、脉冲星风云或TeV晕），否则会过度产生观测通量。

Comments 7 pages, 4 figures, appendix adds 4 pages, 4 figures. Updated version matches version accepted by PRD

Tamed Feynman-Kac diffusion processes: Killing-branching intertwine

驯化的Feynman-Kac扩散过程：杀死-分支交织

Piotr Garbaczewski, Mariusz Żaba

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究漂移布朗运动平衡松弛的Feynman-Kac核，通过引入杀死和分支速率解释负势区域的驯化效应，并用数值模拟验证一维非线性模型。

Comments 34 pp. 26 figures, invited paper submitted to (De Gruyter Brill, Berlin) "Open Transport"

Journal ref (De Gruyter) Open Transport 2026; 1(1): 20260019