图像生成

Privacy Evaluation of Generative Models for Trajectory Generation

轨迹生成生成模型的隐私评估

Stavros Bouras, Ioannis Kontopoulos, Chiara Pugliese, Francesco Lettich, Emanuele Carlini, Hanna Kavalionak, Chiara Renso, Konstantinos Tserpes

机构 * School of Electrical and Computer Engineering, National Technical University of Athens（电气与计算机工程学院，国家技术大学雅典） ； Institute of Information Science and Technologies, National Research Council (CNR)（信息科学与技术研究所，国家研究委员会（CNR）） ； Institute of Informatics and Teletematics, National Research Council (CNR)（信息学与电信研究所，国家研究委员会（CNR）） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文研究生成模型在轨迹生成中的隐私评估问题，揭示现有方法在隐私保护方面的不足，并通过成员推断攻击证明生成模型仍存在隐私风险。

Comments Accepted at the 1st Workshop on Multi-Sensor Trajectory Knowledge Discovery and Extraction (MuseKDE 2026), co-located with the 27th IEEE International Conference on Mobile Data Management (IEEE MDM 2026)

MuteBench: Modality Unavailability Tolerance Evaluation for Incomplete Multimodal Fusion

MuteBench: 多模态融合不完整性容忍性评估

Wugeng Zheng, Ziwen Kan, Tianlong Chen, Chen Chen, Song Wang

机构 * University of Central Florida（中央佛罗里达大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 MuteBench评估多模态融合在模态缺失和内模态缺失下的鲁棒性，发现架构类型是预测鲁棒性的最强因素，且通道独立模型对模态缺失容忍性高但对内模态缺失敏感。

Neural Preconditioned Born Series: A Metric-Matched Framework for Learning-based Preconditioners

神经预条件Born级数：一种与度量匹配的基于学习的预条件器框架

Juntao Wang, Jiwei Jia, Xinliang Liu

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出Neural Preconditioned Born Series (NPBS)，通过将Born级数迭代转换为移位拉普拉斯左预条件，结合学习的残差到修正映射，提升了在异质Helmholtz问题中的求解效率，减少迭代次数，并在多种PDE系统中验证了残差度量匹配的通用性。

Comments 22 pages, 7 figures

DiffScore: Text Evaluation Beyond Autoregressive Likelihood

DiffScore：超越自回归似然的文本评估

Wen Lai, Yingli Shen, Dingnan Jin, Qing Cui, Jun Zhou, Maosong Sun, Alexander Fraser

机构 * Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 DiffScore通过基于掩码大扩散语言模型的掩码重建方法，消除位置偏差，建立从局部流畅到全局连贯的评估体系，并提供诊断工具提升文本评估效果。

Offline Policy Evaluation for Manipulation Policies via Discounted Liveness Formulation

通过折扣存活公式评估操纵策略的离线策略评估

Hao Wang, Joshua Bowden, Colton Crosby, Somil Bansal

机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出基于存活Bellman算子的离线策略评估框架，解决稀疏奖励下任务完成问题，通过保守固定点值函数降低截断偏差，实验证明在折叠任务中优于传统基线方法。

Comments Published at RSS 2026

A Stability Benchmark of Generative Regularizers for Inverse Problems

生成正则化器在反问题中的稳定性基准

Alexander Denker, Johannes Hertrich, Sebastian Neumayer

机构 * Helmholtz Imaging, Deutsches Elektronen-Synchrotron DESY, Germany（德意志电子同步辐射研究中心（Helmholtz Imaging）） ； ENS Paris & Inria, France（巴黎高等师范学院与法国国家信息与自动化研究所） ； Chemnitz University of Technology, Germany（化学工业大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文评估生成正则化器在反问题中的稳定性，对比优化方法，探讨其在不同场景下的性能。

Contact Wasserstein Geodesics for Non-Conservative Schrödinger Bridges

接触Wasserstein测地线用于非保守Schrödinger桥

Andrea Testa, Søren Hauberg, Tamim Asfour, Leonel Rozo

机构 * Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Technical University of Denmark (DTU)（丹麦技术大学） ； Italian Institute of Artificial Intelligence (AI4I)（意大利人工智能研究所） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 本文提出非保守广义Schrödinger桥，通过接触哈密顿力学实现能量变化的桥模型，利用接触Wasserstein测地线实现高效计算，验证了其在流形导航、分子动力学预测和图像生成中的实用性。

Comments 44 pages, 21 figures, ICLR 2026

ML-Bench&Guard: Policy-Grounded Multilingual Safety Benchmark and Guardrail for Large Language Models

ML-Bench&Guard: 政策导向的多语言安全基准与大型语言模型的防护机制

Yunhan Zhao, Zhaorun Chen, Xingjun Ma, Yu-Gang Jiang, Bo Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Fudan University（复旦大学） ； University of Chicago（芝加哥大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出ML-Bench和ML-Guard，通过区域法规构建多语言安全基准，并开发基于扩散模型的防护系统，实现文化与法律一致的多语言安全评估。

The Topology of Multimodal Fusion: Why Current Architectures Fail at Creative Cognition

多模态融合的拓扑学：为何当前架构在创造性认知上失败

Xiujiang Tan

机构 * Guangzhou Academy of Fine Arts（广州美术学院） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文指出当前多模态AI架构存在拓扑限制而非参数限制，通过哲学、认知科学和数学三个支柱提出多模态融合的拓扑学框架，提出UOO实现、ANALOGY-MM基准和META-TOP三阶基准，通过实验路线验证拓扑同构性。

Comments Expanded 11 technical improvements; 5 reference corrections; Appendix B pseudocode added. ~43 pages, 5 figures. Chinese philosophical terms romanized. Companion monograph available separately

Best Policy Learning from Trajectory Preference Feedback

最佳策略学习从轨迹偏好反馈

Akhil Agnihotri, Rahul Jain, Deepak Ramachandran, Zheng Wen

机构 * University of Southern California（南加州大学） ； Google（谷歌） ； DeepMind（深度Mind） ； OpenAI 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 本文研究了基于偏好强化学习的最佳策略识别问题，提出PSPL算法，通过维护奖励模型和动态的后验分布，提供首个贝叶斯简单遗憾保证，并在模拟和图像生成基准中优于现有基线。

DT2IT-MRM: Debiased Preference Construction and Iterative Training for Multimodal Reward Modeling

DT2IT-MRM：去偏偏好构建与迭代训练用于多模态奖励建模

Zhihong Zhang, Jie Zhao, Xiaojian Huang, Jin Xu, Zhuodong Luo, Xin Liu, Jiansheng Wei, Xuejin Chen

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)

AI总结 本文提出DT2IT-MRM方法，通过去偏偏好构建、文本到图像偏好数据重构和迭代训练框架，解决多模态奖励建模中偏好数据的偏差、噪声和不一致问题，并在三个基准测试中取得新突破。

Comments code will be uploaded to https://github.com/zhang123434/DT2IT-MRM

The scaling limit of random walk and the intrinsic metric on planar critical percolation

随机游走的标度极限与平面临界渗流的内在度量

Irina Đanković, Maarten Markering, Jason Miller, Yizheng Yuan

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 研究揭示临界渗流中随机游走在标度极限下趋近于CLE_6布朗运动，同时证明内在度量趋近于CLE_6度量，推导出化学距离指数、电阻指数和谱维数，并验证爱因斯坦关系。

Comments 139 pages, 31 figures

RationalRewards: Reasoning Rewards Scale Visual Generation Both Training and Test Time

RationalRewards: 基于理性反馈的视觉生成推理奖励

Haozhe Wang, Cong Wei, Weiming Ren, Jiaming Liu, Fangzhen Lin, Wenhu Chen

机构 * HKUST（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Alibaba（阿里巴巴） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)

AI总结 RationalRewards通过显式多维反馈提升视觉生成模型，训练时提供可解释奖励，测试时通过生成-反馈-优化循环改进输出，无需参数更新。

Comments Project Page: https://tiger-ai-lab.github.io/RationalRewards/ ; Code, Dataset, Models are released

A Large-Scale Comparative Analysis of Imputation Methods for Single-Cell RNA Sequencing Data

单细胞RNA测序数据中插补方法的大规模比较分析

Yuichiro Iwashita, Ahtisham Fazeel Abbasi, Koichi Kise, Andreas Dengel, Muhammad Nabeel Asim

机构 * RPTU University Kaiserslautern-Landau, Department of Computer Science（莱茵-瓦尔登堡大学凯撒斯劳滕-兰道分校计算机科学系） ； German Research Center for Artificial Intelligence (DFKI GmbH)（德国人工智能研究中心（DFKI GmbH）） ； Graduate School of Informatics, Osaka Metropolitan University（大阪 Metropolitan 大学信息研究生院） ； intelligentX GmbH (intelligentX.com)（intelligentX GmbH（intelligentX.com）） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文通过对比15种单细胞RNA测序数据插补方法，发现传统方法在基因表达恢复上优于深度学习方法，但生物可解释性差异显著，强调了任务特定评估的重要性。

SEED: A Large-Scale Benchmark for Provenance Tracing in Sequential Deepfake Facial Edits

SEED：一个大规模的面部深度伪造序列编辑溯源基准

Mengieong Hoi, Zhedong Zheng, Ping Liu, Wei Liu

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 SEED通过多步扩散编辑流程生成90000张图像，包含编辑顺序、文本指令等细粒度标注，用于研究序列溯源和伪造检测，揭示空间与频域特征在深度伪造分析中的作用。

SYNTHONY: A Stress-Aware, Intent-Conditioned Agent for Deep Tabular Generative Models Selection

SYNTHONY：一种考虑压力的、基于意图的深度表格生成模型选择代理

Hochan Son, Xiaofeng Lin, Jason Ni, Guang Cheng

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出SYNTHONY，一种基于意图的表格生成模型选择框架，通过压力分析选择最佳合成器，提升模型在不同数据分布下的性能和实用性。

Generative Modeling in Protein Design: Neural Representations, Conditional Generation, and Evaluation Standards

蛋白质设计中的生成建模：神经表示、条件生成与评估标准

Senura Hansaja Wanasekara, Minh-Duong Nguyen, Xiaochen Liu, Nguyen H. Tran, Ken-Tye Yong

机构 * The University of Sydney（悉尼大学） ； VinUniversity 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文系统综述了蛋白质研究中的生成AI，涵盖序列、几何和多模态表示，生成架构如SE(3)等价扩散、流匹配和混合预测生成系统，以及从结构预测到蛋白质-配体相互作用的任务设置，并提出评估最佳实践和开放挑战。

Comments 20 pages, 7 tables, 4 figures

Elliptic Bayesian Inverse Problems on Metric Graphs

椭圆贝叶斯反问题在度量图上的研究

David Bolin, Wenwen Li, Daniel Sanz-Alonso

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文研究了在度量图上贝叶斯反问题的 formulation、well-posedness 及数值解法，重点在于从噪声测量中恢复椭圆方程的扩散系数，采用现代高斯 Whittle-Matérn 过程模型并验证了数值结果的准确性。

Comments 38 pages, 7 figures, including appendices

Generative Artificial Intelligence and the Knowledge Gap: Toward a New Form of Informational Inequality

生成式人工智能与知识差距：迈向一种新的信息不平等形式

Raphael Morisco

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出将生成式AI的使用重点从访问和使用转向信息批判性评估，探讨教育水平对AI生成内容处理的影响，为未来研究教育、AI使用与知识不平等的关系提供框架。

Comments 8 pages, conceptual paper. Proposes a theoretical extension of the knowledge gap perspective, arguing that generative AI shifts informational inequality from access and usage toward the evaluation of AI-generated content

Weak Adversarial Neural Pushforward Method for Fractional Fokker-Planck Equations

弱对抗神经推进法用于分数福克-平面克方程

Andrew Qing He, Wei Cai

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出弱对抗神经推进法用于求解分数福克-平面克方程，通过神经网络将解分布表示为基本分布的推进，并利用蒙特卡洛采样离散弱形式，无需时间网格。该方法利用平面波测试函数作为分数拉普拉斯算子的本征函数，运算成本与经典扩散相同，适用于多个基准问题。

Comments 25 pages, 11 figures

RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark

RealUnify: 统一模型真的能从统一中受益吗？一个全面的基准测试

Yang Shi, Yuhao Dong, Yue Ding, Yuran Wang, Xuanyu Zhu, Sheng Zhou, Wenting Liu, Haochen Tian, Rundong Wang, Huanqian Wang, Zuyan Liu, Bohan Zeng, Ruizhe Chen, Qixun Wang, Zhuoran Zhang, Xinlong Chen, Chengzhuo Tong, Bozhou Li, Qiang Liu, Haotian Wang, Wenjing Yang, Yuanxing Zhang, Pengfei Wan, Yi-Fan Zhang, Ziwei Liu

机构 * PKU（北京大学） ； Kling Team（Kling团队） ； NTU（国立台湾大学） ； CASIA（中国科学院自动化研究所） ； NUS（国立新加坡大学） ； USTC（中国科学技术大学） ； THU（清华大学） ； ZJU（浙江大学） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 RealUnify基准测试旨在评估统一模型中理解与生成能力的双向协同效应，通过10类32子任务的1000个人工标注实例，揭示现有统一模型在协同能力上的不足，强调需新的训练策略来提升统一建模潜力。

Comments Accepted by CVPR 2026

SOL-ExecBench: Speed-of-Light Benchmarking for Real-World GPU Kernels Against Hardware Limits

SOL-ExecBench：面向真实世界GPU内核的光速基准测试，针对硬件极限

Edward Lin, Sahil Modi, Siva Kumar Sastry Hari, Qijing Huang, Zhifan Ye, Nestor Qin, Fengzhe Zhou, Yuan Zhang, Jingquan Wang, Sana Damani, Dheeraj Peri, Ouye Xie, Aditya Kane, Moshe Maor, Michael Behar, Triston Cao, Rishabh Mehta, Vartika Singh, Vikram Sharma Mailthody, Terry Chen, Zihao Ye, Hanfeng Chen, Tianqi Chen, Vinod Grover, Wei Chen, Wei Liu, Eric Chung, Luis Ceze, Roger Bringmann, Cyril Zeller, Michael Lightstone, Christos Kozyrakis, Humphrey Shi

机构 * NVIDIA 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 SOL-ExecBench通过235个CUDA内核优化问题，针对NVIDIA Blackwell GPU的硬件极限，提出基于Speed-of-Light（SOL）的基准测试方法，评估内核优化效果。

EEG-Based Brain-LLM Interface for Human Preference Aligned Generation

基于EEG的脑-大语言模型接口用于人类偏好对齐生成

Junzi Zhang, Jianing Shen, Weijie Tu, Yi Zhang, Hailin Zhang, Tom Gedeon, Bin Jiang, Yue Yao

机构 * Shandong University, China（山东大学） ； Australian National University, Australia（澳大利亚国立大学） ； Curtin University, Australia（Curtin大学） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 本文提出基于EEG的脑-大语言模型接口，通过EEG信号引导图像生成模型，利用神经信号反馈实现模型动态适应，为适应性语言模型推理提供新思路。

Comments 15 pages, 9 figures

MaterialFigBENCH: benchmark dataset with figures for evaluating college-level materials science problem-solving abilities of multimodal large language models

MaterialFigBENCH：用于评估多模态大语言模型在大学级材料科学问题解决能力的基准数据集

Michiko Yoshitake, Yuta Suzuki, Ryo Igarashi, Yoshitaka Ushiku, Keisuke Nagato

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 MaterialFigBench是一个评估多模态大语言模型在材料科学问题中图表解读能力的基准数据集，通过137个问题测试模型在视觉理解和数值精度上的表现，揭示了当前模型在图表处理方面的不足。

Comments 27 pages, 4 tables, 6 figures

Improving the Efficiency of Visually Augmented Language Models

提升视觉增强语言模型的效率

Paula Ontalvilla, Aitor Ormazabal, Gorka Azkune

机构 * HiTZ Center - Ixa, University of the Basque Country (UPV/EHU)（巴斯克大学HiTZ中心 - Ixa，巴斯克大学） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 本文提出BLIND-VALM模型，通过使用CLIP获取的视觉 grounding 文本表示，提升视觉增强语言模型的效率和性能。

Comments COLING 2025

MOOSEnger -- a Domain-Specific AI Agent for the MOOSE Ecosystem

MOOSEnger -- 一个针对MOOSE生态系统的领域特定AI代理

Mengnan Li, Jason Miller, Zachary Prince, Alexander Lindsay, Cody Permann

机构 * Idaho National Laboratory（爱达荷国家实验室） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 MOOSEnger 是一个专为MOOSE生态系统的AI代理，通过检索增强生成和领域特定工具提升多物理场仿真效率。

Impact of the out-of-plane conductivity on spin transport evaluation in a van der Waals material

层状材料中垂直面导电性对自旋输运评估的影响

Ryoya Nakamura, Futo Tokuda, Yoshinobu Ono, Nan Jiang, Hideaki Sakai, Masayuki Ochi, Hiroaki Ishizuka, Yasuhiro Niimi

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本研究通过三维有限元模型和非局部自旋阀结构，揭示了层状材料中各向异性导电性对自旋输运评估的影响，强调了在自旋电子学器件设计中考虑各向异性导电性的重要性。

Comments 15 pages, 11 figures

Journal ref Physical Review B 113, 104408 (2026)

Event-LAB: Towards Standardized Evaluation of Neuromorphic Localization Methods

Event-LAB: 向神经形态定位方法的标准化评估迈进

Adam D. Hines, Alejandro Fontan, Michael Milford, Tobias Fischer

机构 * QUT Centre for Robotics, School of Electrical Engineering and Robotics, Queensland University of Technology（昆士兰理工大学机器人中心，电气与机器人工程学院，昆士兰理工大学） ； School of Natural Sciences, Macquarie University（自然科学院，麦觉理大学） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 Event-LAB提供了一个统一框架，用于在多个数据集上运行多种基于事件的定位方法，通过一致的参数设置实现公平比较。

Comments 8 pages, 6 figures, accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026

ARCTraj: A Dataset and Benchmark of Human Reasoning Trajectories for Abstract Problem Solving

ARCTraj：抽象问题解决中人类推理轨迹的数据集和基准

Sejin Kim, Hayan Choi, Seokki Lee, Sundong Kim

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 ARCTraj通过记录人类推理轨迹，提供了一种结构化且可解释的框架，用于研究抽象问题解决中的推理过程，推动可解释性和可推广智能的发展。

Comments KDD 2026 (Datasets and Benchmarks) accepted

From Newborn to Impact: Bias-Aware Citation Prediction

从婴儿到影响：偏见感知引用预测

Mingfei Lu, Mengjia Wu, Jiawei Xu, Weikai Li, Feng Liu, Ying Ding, Yizhou Sun, Jie Lu, Yi Zhang

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出偏见感知引用预测框架，通过多代理图协同与稳健机制，提升对低引用论文的预测稳定性，实验显示在误差和排名指标上均优于基线方法。

Comments This paper has been accepted at The Web Conference (WWW) 2026