图像生成

Dissipative properties of a Fermi system within the diffusion approximation of kinetic theory

动力学理论扩散近似下费米系统的耗散性质

Sergiy V. Lukyanov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究球形原子核模型费米系统在动力学理论扩散近似下的耗散性质，通过非线性扩散方程解析解表明分布函数趋近平衡费米分布，得出不同弛豫时间，解释了弛豫时间差异。

Comments 7 pages, 4 figures

On the use of the Belopol'skaya-Daletskii representation of a diffusion on a Riemann manifold to construct path integrals

关于在黎曼流形上使用扩散的别洛波尔斯卡娅 - 达列茨基表示来构建路径积分

Paolo Muratore-Ginanneschi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用黎曼流形上随机微分方程的别洛波尔斯卡娅 - 达列茨基公式，通过指数映射描述扩散增量，构建扩散路径测度有限维近似的等变表示。

Comments 20 pages, no figures

Evidence for elemental diffusion in the eclipsing binary star AI Phoenicis

食双星AI Phoenicis中元素扩散的证据

Pierre F. L. Maxted, Nicholas Storm, Andreas J. Korn, Marília Carlos, Matthew R. Gent, Sviatoslav B. Borisov, Paula Jofré, Maria Bergemann, Hans-Günter Ludwig, Nicola J. Miller

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究食双星AI Phoenicis，通过获取其光谱测量铁和镁丰度，与M67星团恒星比较，发现F7V恒星有元素扩散特征，可用于测试含元素扩散和混合的单星模型。

Comments Accepted for publication in MNRAS. 9 pages, 5 figures

Toward a mechanistic understanding of inference in visual cortex and diffusion models

迈向对视觉皮层和扩散模型中推理的机制性理解

Zeyu Yun, Alexander Belsten, Dasheng Bi, Zahra Kadkhodaie, Yubei Chen, Bruno A. Olshausen

机构 * Dept. of Electrical Engineering and Computer Science, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Helen Wills Neuroscience Institute, UC Berkeley（加州大学伯克利分校海伦·威尔斯神经科学研究所） ； Herbert Wertheim School of Optometry and Vision Science, UC Berkeley（加州大学伯克利分校赫伯特·韦特海姆视觉科学学院） ； Redwood Center for Theoretical Neuroscience, UC Berkeley（加州大学伯克利分校红木理论神经科学中心） ； Flatiron Institute（Flatiron研究所） ； Dept. of Electrical and Computer Engineering, UC Davis（加州大学戴维斯分校电气与计算机工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究旨在理解视觉皮层和扩散模型中推理，提出基于稀疏编码的模型，用去噪分数匹配等训练，其性能出色，能揭示递归动力学机制，还能断开部分潜在变量与视觉输入连接，连接神经科学与机器学习领域。

DADiff: Diffusion-Driven Cross-Domain Policy Adaptation for Reinforcement Learning

DADiff：用于强化学习的扩散驱动跨域策略适应

Hanyang Chen, Anirudh Satheesh, Longchao Da, Hua Wei

机构 * Arizona State University（亚利桑那州立大学） ； University of Maryland, College Park（马里兰大学帕克分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究强化学习中跨域策略适应问题，提出基于扩散的DADiff框架，利用源域和目标域生成轨迹差异估计动态不匹配，开发奖励修改和数据选择变体，实验表明该方法性能优于现有方法，有效解决动态不匹配。

Comments Accepted by IROS 2026

From Similarity to Feasibility: Diffusion-Refined Retrieval-Augmented Generation for Distribution Network Optimization

从相似性到可行性：用于配电网优化的扩散细化检索增强生成

Yuxuan Chen, Haipeng Xie, Shuo Dai, Ruoyi Xu, Zhaohong Bie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对配电网优化中传统方法的不足，提出GridRAG框架，通过将场景特征与最优解嵌入联合空间，检索相似历史场景，并用扩散模块细化解，实现跨场景通用且加速求解，相比基线有显著优势。

From Diffusion to Reaction-Diffusion: A Dynamical-Systems View of Oversmoothing in Hypergraph Neural Networks

从扩散到反应扩散：超图神经网络中过平滑的动力系统视角

Zhiheng Zhou, Mengyao Zhou, Yancheng Chen, Dengyi Zhao, Xingqin Qi, Guiying Yan

机构 * School of Mathematics and Statistics, Shandong University, Weihai（山东大学（威海）数学与统计学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究超图神经网络过平滑问题，从动力系统视角出发，提出反应扩散框架HNRD，通过定义算子解释消息传递为扩散过程，分析得出过平滑是能量耗散现象，HNRD能补偿耗散稳定变化，实验证明其优于基线，为深度超图架构设计提供框架。

Comments 17 pages,5 figures

Adaptive Multi-Step Lookahead Decoding for Diffusion Language Models

扩散语言模型的自适应多步前瞻解码

Yingqian Cui, Wei Deng, Lantao Mei, Hang Li, Charu C. Aggarwal, Hui Liu, Yue Xing

机构 * Michigan State University（密歇根州立大学） ； Morgan Stanley（摩根士丹利） ； IBM T.J. Watson Research Center（IBM 托马斯·J·沃森研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散语言模型解码，提出自适应多步前瞻框架AdaLook，基于候选分数方差动态决定是否继续展开及进行分支扩展，避免不必要的深度展开，实验证明其在准确性和解码步骤权衡上优于现有一步前瞻解码方法。

MGDT: MLLM-Guided Diffusion Transformer with Relation-Adaptive Mixture-of-Experts for Multimodal Knowledge Graph Completion

MGDT：具有关系自适应专家混合的MLLM引导扩散变压器用于多模态知识图谱补全

Xu Hou, Meiyu Liang, Wei Huang, Yawen Li, Zhe Xue, Wu Liu, Guanhua Ye, Lei Shi, Kangkang Lu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Communication University of China（中国传媒大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究多模态知识图谱补全问题，提出MGDT框架，先通过RASR-MoE模块选路径、抑干扰，再用MLLM对齐表示，最后KGDT去噪生成，实验证明该框架在三个基准数据集上性能优于基线。

Comments 8pages, 6 figures

Diffusion models recover accurate mixture weights despite score function insensitivity

扩散模型即使在得分函数不敏感的情况下也能恢复准确的混合权重

Andrew Dennehy, Ramchandran Muthukumar, Rebecca Willett, Nisha Chandramoorthy

机构 * University of Chicago（芝加哥大学） ； Data Science Institute（数据科学研究所） ； Department of Computer Science（计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究基于得分的生成模型在多模态分布中恢复混合权重的问题，通过定义扩散得分敏感性指数，证明其控制目标分布参数估计准确性，还展示了噪声调度对敏感性及模式放大的影响，此框架可用于恢复目标分布的定性参数。

Comments 37 pages, 7 figures

Uniqueness for nonlinear Fokker-Planck equations with general diffusion terms and their associated nonlinear Markov processes

具有一般扩散项的非线性福克 - 普朗克方程及其相关非线性马尔可夫过程的唯一性

Viorel Barbu, Yuqi Li, Michael Röckner

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有非对角扩散项的非线性福克 - 普朗克方程分布解唯一性，证明温和解在更大类中唯一，扩展以往结果，还证相关线性化方程唯一性，应用于麦克凯恩 - 弗拉索夫随机微分方程，建立\(L^{\infty}\)估计并证明其解的路径律构成非线性马尔可夫过程。

Constructing far-from-equilibrium patterns in a cross-diffusion vegetation-autotoxicity model

在交叉扩散植被自毒模型中构建远离平衡态模式

Annalisa Iuorio, Cinzia Soresina, Frits Veerman

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究利用几何奇异摄动理论，在受毒性影响的植物生长交叉扩散模型中构建稳态、周期、前沿型远离平衡态模式，扩展一维模式分析技术，证明其单参数族存在性，并依临界流形形状确定前沿型模式出现条件。

Mask-Aware Policy Gradients for Diffusion Language Models

用于扩散语言模型的掩码感知策略梯度

Haran Raajesh, Kulin Shah, Adam Klivans, Philipp Krähenbühl

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对强化学习扩展到MDLMs的难题，将MDLM生成形式化为两阶段动作MDP，使策略梯度分解为令牌项和掩码项，结合优化这两项在数学推理和编码基准测试中取得了最优成绩。

Comments Accepted at COLM 2026

CODA: Algorithm-Hardware Co-design for Edge Video Diffusion via NMP-Enabled Compute-Cache Operator Disaggregation

CODA：通过启用NMP的计算-缓存算子分解实现边缘视频扩散的算法-硬件协同设计

Yuanpeng Zhang, YuXuan Wu, Yitong Xiao, Chenhao Xue, Yi Ren, Cong Li, Yihan Yin, Dimin Niu, Guangyu Sun

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在边缘设备部署视频扩散模型时速度慢的问题，提出CODA架构，通过计算-缓存算子分解，分离计算与缓存路径、重组缓存活动并利用分支独立性，实现端到端加速和能源效率提升，且保持生成质量。

Comments 15 pages, 14 figures, accepted to the 59th IEEE/ACM International Symposium on Microarchitecture (MICRO 2026)

Seeing the End at Step Zero: Accelerating Diffusion MLLMs via MLP Sparsity-Aware Truncation

从零步洞察终点：通过MLP稀疏感知截断加速扩散多模态大语言模型

Qicheng Zhao, Qi Sun, Zheyu Yan

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散多模态大语言模型推理效率受固定长度生成约束影响的问题，提出Seer框架，利用MLP激活稀疏性变化检测有效语义边界，进行冗余截断及采用混合执行策略，实验表明其可加速吞吐量并维持性能甚至提升复杂视觉任务准确性。

Comments Accepted to ACM Multimedia (ACM MM) 2026

A Continuous-Time Reinforcement Learning Framework for Fine-Tuning Discrete Diffusion Models

用于微调离散扩散模型的连续时间强化学习框架

Zikun Zhang, Jiayuan Sheng, David D. Yao, Wenpin Tang

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出连续时间强化学习框架，推导策略梯度方法得到PPO和GRPO的连续时间变体。以此开发框架微调离散扩散模型，无需奖励信号可微，能纳入中间奖励或优势信号，还为MDM提供统一视角，用轨迹子采样技术降低计算成本，在相关任务中验证了方法有效性。

Comments 36 pages, 5 figures

Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling

基于约束优化和自适应调度的基于模型扩散的运动规划

Zhilin He, Bowei Li, Jianlin Dou, Yuner Zhang, Changliu Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高度非凸约束环境下单机器人运动规划难题，提出MD-COAS方法，统一软扩散先验与硬投影算子，自适应调度并共同优化安全约束及扩散调度，实验证明其在多方面优于基线规划器。

Integration Matters: Rollout-Based Training for Constrained Diffusion Models

集成很重要：基于展开的受限扩散模型训练

Xiaoxuan Liang, Saeid Naderiparizi, Berend Zwartsenberg, Frank Wood

机构 * University of British Columbia（英属哥伦比亚大学） ； Inverted AI（Inverted AI公司） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究受限生成模型，提出将在线展开获得约束指导纳入训练过程的微调框架，通过微分固定噪声时间表使训练与采样对齐，实验表明该方法能提高约束满足度且保持采样质量。

MIDiff: Tackling Sparsity and Imbalance in Mobile Usage Generation via Multivariate-Imaging Diffusion

MIDiff：通过多变量成像扩散解决移动使用生成中的稀疏性和不平衡问题

Yilai Liu, Shiyuan Zhang, Hongyang Du

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对移动使用数据存在的稀疏性、变量异构及使用不平衡问题，提出多变量成像扩散框架MIDiff，通过C-GASF转换数据，在U-Net中用三重注意力保持一致性和依赖性，实验表明该方法在生成移动使用轨迹上性能优异。

Polestar: Drift-Aware Cache Calibration and Token Commitment for Efficient Inference of Diffusion LLMs

北极星：用于扩散语言模型高效推理的漂移感知缓存校准和令牌承诺

Mingyu Lee, Akshat Ramachandran, Souvik Kundu, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel AI Group（英特尔人工智能集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散语言模型推理效率受双向注意力和静态阈值影响的问题，提出北极星框架，利用令牌表示漂移信号，由北极星缓存和北极星提交两组件构成，大幅提升了模型在准确性-吞吐量方面的表现及解码并行性。

Token Time Continuous Diffusion for Language Modeling

用于语言建模的令牌时间连续扩散

Parikshit Bansal, Sujay Sanghavi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出令牌时间连续扩散（TTCD）语言模型，其在连续空间运行，引入令牌时间概念。该模型避免多令牌并行采样，能更好建模条件生成。实验表明，在高速加速时TTCD优于离散模型，在无条件和条件生成上有优势，数独求解也有类似成果。

Measuring Spatial Clustering via Metropolis-Hastings Diffusion Distance

通过Metropolis-Hastings扩散距离测量空间聚类

Thomas Weighill, Chidinma Williams

机构 * Department of Mathematics and Statistics, University of North Carolina at Greensboro（数学与统计学系，北卡罗来纳州格林斯堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出用Metropolis-Hastings扩散距离衡量图上概率分布差异，当第二个分布均匀时可测空间聚类，扩展了Moran's \(I\)。建立相关理论并给出统计检验方法，实验表明其在合成数据和实际数据上比Moran's \(I\)更具优势。

Tensor Network Methods for Advection-Diffusion-Reaction Systems Using Quantum-Inspired Representations

使用量子启发表示的对流-扩散-反应系统的张量网络方法

Nahid Binandeh Dehaghani, Rafal Wisniewski, A. Pedro Aguiar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对对流-扩散-反应偏微分方程，提出量子启发张量网络框架，将离散解场编码为MPS，微分算子表示为MPOs，用显式欧拉更新进行时间积分。通过与高精度解比较，验证其在多维度问题上保持紧凑、稳定、准确，展现了张量网络用于PDE模拟的潜力。

Comments 6 pages, 7 figures

Vortex-Beam Transient Absorption Microspectroscopy Resolves Ultrafast Free-Exciton and Polaron Diffusion in 2D Perovskites

涡旋光束瞬态吸收显微术解析二维钙钛矿中超快自由激子和声子扩散

Ju-Young Kim, Anirban Mondal, Gi Rim Han, Kwang Jin Lee, Jong Min Lim, Myeongsam Jen, Minhaeng Cho

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用涡旋光束瞬态吸收显微术平台VTAM，通过编码空间扩散信息到泵浦探测信号，以亚皮秒时间分辨率解析二维钙钛矿超快载流子输运动力学，推导扩散模型并提取相关参数，为研究钙钛矿等半导体系统载流子输运提供强大无成像平台。

Self-organized defect clustering and concentration-dependent vacancy diffusion in MoS$_2$

二硫化钼中自组织缺陷聚集和浓度依赖的空位扩散

Aaron Flötotto, Benjamin Spetzler, Martin Ziegler, Erich Runge, Christian Dreßler

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究MoS₂中硫空位团簇集体行为，用基于机器学习原子间势分子动力学模拟跃迁速率的动力学蒙特卡洛模拟，识别出三种输运状态，揭示空位扩散系数与平均缺陷浓度的强依赖关系，为MoS₂忆阻行为起源提供新见解。

Avoiding Dilution: Using Diffusion and Vision Transformers to resolve Majorana Features in Nanowires at High Temperature

避免稀释：利用扩散和视觉变压器解析高温下纳米线中的马约拉纳特征

Jacob R. Taylor, Haining Pan, Jay D. Sau, Sankar Das Sarma

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用扩散和视觉变压器，通过生成高低温电导模拟并训练神经网络，从高温电导数据恢复和推断低温马约拉纳纳米线特征，为早期筛选不良器件提供实用途径，加速马约拉纳纳米线器件开发的实验反馈循环。

Comments 3 Figures, 6 Pages

Memory of Initial Conditions in Self-Similar Diffusion: A Renormalization-Group Perspective

自相似扩散中初始条件的记忆：重整化群视角

Ko Okumura

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究自相似扩散中初始条件的记忆，利用统一重整化群框架，通过修正密度依赖扩散模型揭示标度结构，初始条件信息渐近相关，Barenblatt方程是特例，为普遍性和反常标度提供新视角。

Comments 7 pages, no figures

The Open Cluster Chemical Abundances and Mapping Survey: IX. Measuring the Effects of Stellar Diffusion in the Open Clusters NGC 752 and Ruprecht 147 using APOGEE

开放星团化学丰度与测绘巡天：IX. 使用APOGEE测量开放星团NGC 752和鲁普雷希特147中恒星扩散的影响

Diogo Souto, Taylor Spoo, Peter M. Frinchaboy, Katia Cunha, Jamie Tayar, Alessa Ibrahim Wiggins, Natalie Myers

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用SDSS/APOGEE数据研究开放星团NGC 752和鲁普雷希特147中恒星的原子扩散，分析多种元素丰度差异，拟合观测模式获星团年龄，碳为关键诊断元素，结果进一步约束原子扩散模型，影响主序拐点附近恒星年龄估计。

Comments Accepted for publication in the ApJ

Kaleido: Algorithm-Hardware Co-Design for Video Diffusion Transformers by Exploiting Latent Space Correlations

Kaleido：通过利用潜在空间相关性对视频扩散变压器进行算法-硬件协同设计

Wenxuan Miao, Haosong Liu, Weiming Hu, Zihan Liu, Aiyue Chen, Jianlin Yu, Yiwu Yao, Yiming Gan, Jieru Zhao, Jingwen Leng, Minyi Guo, Yu Feng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Jiao Tong University, Shanghai Qi Zhi Institute（上海交通大学、上海颀智研究所） ； Huawei Technologies（华为技术有限公司） ； ICT, Chinese Academy of Sciences（信息科技研究所、中国科学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对视频扩散变压器计算成本高的问题，提出Kaleido算法-硬件协同设计，利用潜在空间通道级时空相关性加速操作，有轻量级重用算法，设计了加速器，实验表明其相比现有加速器有显著加速和节能效果。

Discrete Diffusion Models: A Unified Framework from Tokenization to Generation

离散扩散模型：从词元化到生成的统一框架

Ye Yuan, Weien Li, Rui Song, Zeyu Li, Haochen Liu, Xiangyu Kong, Zixuan Dong, Linfeng Du, Zipeng Sun, Weixu Zhang, Jiaxin Huang, Changjiang Han, Yonghan Yang, Zichen Zhao, Xiuyuan Hu, Haolun Wu, Yankai Chen, Fengran Mo, Jikun Kang, Bowei He, Philip S. Yu, Xue Liu

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Tsinghua University（清华大学） ； Rochester Institute of Technology（罗彻斯特理工学院） ； Salesforce（Salesforce公司） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究离散扩散模型，引入统一框架从离散状态空间构建审视该模型，让现有公式成为共同设计空间实例，揭示训练、推理等方面权衡，为未来研究提供方向。