图像生成

Parameter Efficient Machine Unlearning on Hybrid Resistive Memory based Compute-in-Memory Accelerators

基于混合电阻式内存的内存计算加速器上的参数高效机器遗忘

Ning Lin, Jichang Yang, Yangu He, Zijian Ye, Kwun Hang Wong, Xinyuan Zhang, Songqi Wang, Zihao Li, Yuxi Chen, Jiajia Zha, Wenxing Li, Yi Li, Kemi Xu, Leo Yu Zhang, Xiaoming Chen, Dashan Shang, Chaoliang Tan, Han Wang, Xiaojuan Qi, Zhongrui Wang

专题命中 个性化与一致性 ：image generation(abstract)

AI总结 研究基于混合电阻式内存的计算加速器上的机器遗忘问题，提出硬件和软件协同设计方法，通过LoRA风格参数高效更新，将适应限制在数字参数，避免模拟权重重复编程，降低成本能耗，验证框架并展示其能实现高效部署后适应。

Laplace-Fisher Gate Identities for Optimal Matrix-Gated Blended Score Estimation

Laplace--Fisher 门恒等式用于最优矩阵门控混合得分估计

Alois Duston, Tan Bui-Thanh

机构 * The Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； The Department of Aerospace Engineering & Engineering Mechanics（航空航天工程与机械系） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 针对非归一化目标采样中的得分估计问题，提出矩阵值门控混合得分估计方法，推导出方差最优门公式（Laplace-Fisher 门恒等式），并证明有限参考一致性，应用于贝叶斯逆问题的归一化密度评估。

Comments Provisional report

A proof of an identity for the critical exponents of jamming

关于堵塞临界指数的一个恒等式的证明

Giorgio Parisi, Francesco Zamponi

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 通过解析求解全复制对称性破缺标度方程，证明了堵塞转变中临界指数满足 a+b=1 的恒等式，从而统一了力学边缘稳定性与全复制对称性破缺理论。

Comments 12 pages, no figures

Journal ref J. Stat. Mech. (2026) 073301

Energy-Structured Low-Rank Adaptation for Continual Learning

能量结构低秩自适应持续学习

Longhua Li, Lei Qi, Qi Tian, Xin Geng

机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用重点实验室（东南大学），教育部，中国） ； Huawei Technologies, Shenzhen, China（华为技术有限公司，深圳，中国） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 提出E²-LoRA方法，通过能量集中和排序的低秩自适应以及动态秩分配策略，解决持续学习中的任务干扰和知识压缩问题，实现最优性能。

Comments Accepted by ICML 2026

Closing the Quality Gap in Low-Resource Text-to-Speech: LoRA Fine-Tuning of VoxCPM2 for Khmer and Korean

缩小低资源文本转语音的质量差距：针对高棉语和韩语的VoxCPM2 LoRA微调

Phannet Pov, Sovandara Chhoun, Hyun Woo Park, Wan-Sup Cho, Saksonita Khoeurn

机构 * Department of Big Data, Chungbuk National University（Chungbuk National University大数据系） ； Institute of Digital Research and Innovation, Cambodia Academy of Digital Technology（柬埔寨数字技术研究院） ； Department of Management Information Systems, Chungbuk National University（Chungbuk National University管理信息系） ； BigData Labs Co., Ltd.（BigData Labs公司） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 针对高棉语和韩语，使用LoRA微调VoxCPM2模型，在仅训练0.19%-3.03%参数的情况下，高棉语MOS从3.85提升至4.23，而韩语无提升，表明适配主要帮助基础模型表现差的语言。

Comments 5 pages, 1 figure, 4 tables. IEEE conference format (IEEEtran)

First-Token Broadcasters: Mechanistic Origins of Language Identity and Distributed Robustness in Transformers

首个令牌广播者：Transformer中语言身份与分布式鲁棒性的机制起源

Arjun Pillai, Christian Hoang, Anjelo Jann Laroza

机构 * Irvington High School（欧文顿高中） ； GenAI4E ； Mapua University（马普阿大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 通过因果干预方法LIHA，发现Transformer中少量注意力头（如GPT-2的L6H1）持续关注首个令牌并广播语言信号，且消融后补偿呈现层级前馈模式；指令微调将语言身份电路重组至早期层。

Comments Under review at BlackboxNLP (EMNLP 2026)

P-Check: Advancing Personalized Reward Model via Learning to Generate Dynamic Checklist

P-Check：通过学习生成动态检查清单推进个性化奖励模型

Kwangwook Seo, Dongha Lee

机构 * Department of Artificial Intelligence,Yonsei University（燕京大学人工智能学院） 纠错

专题命中 个性化与一致性 ：personalized generation(abstract)

AI总结 本文提出P-Check框架，通过学习生成动态检查清单来提升个性化奖励模型的准确性，并引入偏好对比准则加权策略以增强个性化生成效果。

Comments ACL 2026 Main

How Do Instructions Shape Speech? Cross-Attention Attribution for Style-Captioned Text-to-Speech

指令如何塑造语音？面向风格描述文本到语音的交叉注意力归因

Nityanand Mathur, Hamees Sayed, Wasim Madha, Apoorv Singh, Sameer Khurana, Akshat Mandloi, Sudarshan Kamath

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 提出交叉注意力归因方法，分析风格描述文本到语音系统中单词对声学输出的影响，发现风格标记在早期步骤和深层注意力峰值，且与基频和能量相关。

MimicIK: Real-Time Generative Inverse Kinematics from Teleoperation with FK Consistency

MimicIK: 基于遥操作且保持正运动学一致性的实时生成式逆运动学

Jiahao Yang, Shenhao Yan, Fan Feng, Chengsi Yao, Ge Wang, Zhixin Mai, Yiming Zhao, Yatong Han

机构 * Ising AI ； CUHK-Shenzhen（香港中文大学（深圳）） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 提出MimicIK框架，利用条件流匹配从遥操作数据学习平滑鲁棒的关节空间运动先验，通过两阶段迭代优化和正运动学一致性损失实现实时逆运动学求解，在6-DOF机器人数据集上达到4.65mm位置误差和92.01%成功率。

Manifold-Orthogonal Dual-spectrum Extrapolation for Parameterized Physics-Informed Neural Networks

流形正交双谱外推法用于参数化物理信息神经网络

Zhangyong Liang, Huanhuan Gao

机构 * National Center for Applied Mathematics, Tianjin University（天津大学应用数学中心） ； School of Mechanical and Aerospace Engineering, Jilin University（吉林大学机械与 aerospace 工程学院） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 提出流形正交双谱外推法（MODE），通过主谱密集混合、残谱激活和平移解锁三种机制，在保持SVD参数效率的同时实现参数化PINN的强分布外泛化。

Pareto-Guided Teacher Alignment for Fair Personalized Text Generation

帕累托引导的教师对齐用于公平个性化文本生成

Tunazzina Islam

机构 * Purdue University（普渡大学） 纠错

专题命中 个性化与一致性 ：personalized generation(abstract)

AI总结 提出帕累托引导的教师对齐框架，通过修订候选生成、对感知可行性门控、帕累托候选选择和偏好优化，在减少人口统计差异的同时保持个性化保真度，实验表明公平缓解效果依赖于目标且跨域迁移不一致。

Stochastic C-stability and B-consistency of explicit and implicit Milstein-type schemes

显式和隐式Milstein型方案的随机C稳定性与B一致性

Wolf-Jürgen Beyn, Elena Isaak, Raphael Kruse

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文研究了两种Milstein方案在满足全局单调性条件的随机微分方程中的随机C稳定性与B一致性，证明了其均方收敛性，并展示了在加性噪声情况下split-step backward Euler方法和projected Euler-Maruyama方案的强收敛性。

Comments 34 pages, 7 figures. arXiv admin note: text overlap with arXiv:1411.6961

Stochastic C-stability and B-consistency of explicit and implicit Euler-type schemes

随机C稳定性与B一致性：显式与隐式欧拉型方案

Wolf-Jürgen Beyn, Elena Isaak, Raphael Kruse

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文研究满足全局单调性条件的随机微分方程的数值解，提出C稳定性与B一致性的广义概念，分析了显式与隐式欧拉型方案的均方收敛性，并通过数值实验验证了其最优强收敛速率。

Comments 31 pages, 3 figures

LATTE: Forecasting Peer Anchored Preference Trajectories for Personalized LLM Generation

LATTE: 预测同伴锚定偏好轨迹以实现个性化LLM生成

Jinze Li, Xiaoyan Yang, Shuo Yang, Jinfeng Xu, Yue Shen, Jian Wang, Jinjie Gu, Edith Cheuk-Han Ngai

机构 * The University of Hong Kong（香港大学） ； Ant Healthcare, Ant Group（蚂蚁集团医疗科技部） 纠错

专题命中 个性化与一致性 ：personalized generation(abstract)

AI总结 提出LATTE框架，通过预测同伴锚定的相对偏好状态来个性化冻结的大语言模型，在Amazon Reviews 2023和MemoryCD上优于检索、摘要记忆和静态潜在轮廓等方法。

Comments Under review

OneVoice: One Model, Triple Scenarios-Towards Unified Zero-shot Voice Conversion

OneVoice: 一个模型，三种场景——迈向统一的零样本语音转换

Zhichao Wang, Tao Li, Wenshuo Ge, Zihao Cui, Shilei Zhang, Junlan Feng

机构 * JIUTIAN Research（钧天研究院） ； China Mobile（中国移动） ； Beijing, China（北京，中国） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出OneVoice，一种能够统一处理语音转换三种场景（语音克隆、语言保护和歌唱）的零样本框架，通过混合专家机制和双路径路由机制实现统一建模，并采用两阶段训练策略解决数据不平衡问题。

Quantifying the Climate Risk of Generative AI: Region-Aware Carbon Accounting with G-TRACE and the AI Sustainability Pyramid

量化生成式人工智能的气候风险：基于G-TRACE和AI可持续性金字塔的区域感知碳核算

Zahida Kausar, Seemab Latif, Raja Khurram Shahzad, Mehwish Fatima

机构 * School of Electrical Engineering and Computer Science (SEECS), National University of Sciences and Technology (NUST), Islamabad, Pakistan（电气工程与计算机科学学院（SEECS），国家科学与技术大学（NUST），巴基斯坦伊斯兰阿巴德） 纠错

专题命中 个性化与一致性 ：image generation(abstract)

AI总结 本文提出G-TRACE框架，用于量化生成式人工智能在不同模态和部署地区的训练和推理相关排放，并通过AI可持续性金字塔模型提出七级治理框架，以指导可持续的人工智能部署。

Comments 27 page, 4 figures

ClusterRAG: Cluster-Based Collaborative Filtering for Personalized Retrieval-Augmented Generation

ClusterRAG: 基于聚类的协同过滤用于个性化检索增强生成

Gibson Nkhata, Uttamasha Anjally Oyshi, Quan Mai, Susan Gauch

机构 * University of Arkansas（阿肯色大学） ； Walmart Inc.（沃尔玛公司） 纠错

专题命中 个性化与一致性 ：personalized generation(abstract)

AI总结 ClusterRAG通过聚类用户轮廓文档，利用相似用户的协同信号提升当前用户的个性化生成性能，通过在集群和文档层面进行检索，实现了高效的个性化检索增强生成。

Comments 17 pages, 2 figures, to be published in the proceedings of ACL 2026

Content-Style Identification via Differential Independence

通过微分独立性进行内容-风格识别

Subash Timilsina, Hoang-Son Nguyen, Sagar Shrestha, Xiao Fu

机构 * School of Electrical Engineering and Computer Science, Oregon State University, Corvallis, Oregon, USA（电气工程与计算机科学学院，俄勒冈州立大学，科瓦利斯，俄勒冈，美国） 纠错

专题命中 个性化与一致性 ：image generation(abstract)

AI总结 本文提出了一种新的结构条件，即内容-风格微分独立性（CSDI），用于在内容和风格可能依赖的情况下实现生成分析中的可识别性，通过在雅可比子空间上施加块状正交约束，并设计了基于数值雅可比近似的随机正则化器以支持高维生成模型。

Comments 24 pages, 15 figures, ICML 2026

Diff-ANO: Towards Fast High-Resolution Ultrasound Computed Tomography via Conditional Consistency Models and Adjoint Neural Operators

Diff-ANO：通过条件一致性模型和伴随神经算子实现快速高分辨率超声计算断层扫描

Xiang Cao, Qiaoqiao Ding, Xinliang Liu, Lei Zhang, Xiaoqun Zhang

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出Diff-ANO框架，结合条件一致性模型与伴随算子学习，解决传统方法在USCT中面临的问题，提升计算效率与重建质量，尤其在稀疏视图和部分视图条件下表现突出。

Comments 27 pages, 10 figures, 6 tables

AsymTalker: Identity-Consistent Long-Term Talking Head Generation via Asymmetric Distillation

AsymTalker：通过不对称蒸馏实现身份一致的长期说话头生成

Yuxin Lu, Jiayang Sun, Guibo Zhu, Min Cao

机构 * Soochow University（苏州大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出AsymTalker，通过时空对齐和不对称蒸馏解决长期说话头生成中的身份漂移问题，实现高保真身份一致的600秒视频生成，达到66 FPS的实时推理速度。

Bridging Spectral Operator Learning and U-Net Hierarchies: SpectraNet for Stable Autoregressive PDE Surrogates

弥合谱算子学习与U-Net层次结构：SpectraNet用于稳定的自回归PDE替代模型

Enrique Hernández Noguera, Md Meftahul Ferdaus, Elias Ioup, Mahdi Abdelguerfi, Julian Simeonov

机构 * University of New Orleans（新奥尔良大学） ； Naval Research Laboratory（海军研究实验室） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 SpectraNet通过在U-Net层次结构中嵌入截断谱卷积，并利用Semigroup-Consistency Loss训练残差目标谱块，实现了稳定的自回归PDE替代模型，其参数量与网格无关，且在多个PDE测试中表现优于FNO。

Comments 29 pages, 9 figures. Code: https://github.com/Enrikkk/spectranet

Geometry Guided Self-Consistency for Physical AI

基于几何的自一致性物理AI

Yinwei Dai, Zhuofu Chen, Lijie Yang, Ravi Netravali

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出KeyStone方法，通过并行生成动作片段并聚类，返回最大簇的质心，提升任务成功率13.3%且无额外延迟。

Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency

通过内在微分一致性从离散观测中恢复物理动力学

Yuxiang Luo, Andrew Perrault

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； The Ohio State University（俄亥俄州立大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出通过全局结构约束替代局部监督，训练时间条件化的secant速度场，以提升从离散观测中恢复连续时间动力学的精度与效率。

Koopman Autoencoders with Continuous-Time Latent Dynamics for Fluid Dynamics Forecasting

具有连续时间潜在动态的Koopman自编码器用于流体动力学预测

Rares Grozavescu, Pengyu Zhang, Etienne Meunier, Mark Girolami

机构 * University of Cambridge（剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） ； Inria（法国国家信息与自动化技术研究所） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出一种连续时间Koopman自编码器，通过闭式推断实现长周期预测，克服了传统方法的固定时间步限制，并在流体动力学中实现了高效稳定预测。

GCCM: Enhancing Generative Graph Prediction via Contrastive Consistency Model

GCCM: 通过对比一致性模型增强生成图预测

Shaozhen Ma, Wei Huang, Hanchen Wang, Dong Wen, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； University of Technology Sydney（技术与科学大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 GCCM通过引入对比一致性目标和特征扰动，解决图预测中对比学习易陷入捷径解的问题，提升预测性能。

STEP: Warm-Started Visuomotor Policies with Spatiotemporal Consistency Prediction

STEP: 带时空一致性的预热视觉运动策略

Jinhao Li, Yuxuan Cong, Yingqiao Wang, Hao Xia, Shan Huang, Yijia Zhang, Ningyi Xu, Guohao Dai

机构 * Shanghai Jiao Tong University, Shanghai, China.（上海交通大学，上海，中国。） ； Shanghai Innovation Institute, Shanghai, China.（上海创新研究院，上海，中国。） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出STEP策略，通过轻量级时空一致性预测机制生成高质量预热动作，同时保持生成能力。引入速度感知扰动注入机制，防止执行停滞，提升实时任务性能。

Comments Accept by ICML 2026

OmniUMI: Towards Physically Grounded Robot Learning via Human-Aligned Multimodal Interaction

OmniUMI: 通过人对齐的多模态交互实现物理基础的机器人学习

Shaqi Luo, Yuanyuan Li, Youhao Hu, Chenhao Yu, Chaoran Xu, Jiachen Zhang, Guocai Yao, Tiejun Huang, Ran He, Zhongyuan Wang

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； MAIS & NLPR, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Institute of Technology（北京理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 OmniUMI通过人对齐的多模态交互实现物理基础的机器人学习，整合视觉、触觉和力觉数据，提升接触密集操作的性能。

Accelerating Training of Autoregressive Video Generation Models via Local Optimization with Representation Continuity

通过局部优化与表征连续性加速自回归视频生成模型训练

Yucheng Zhou, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学智慧城市物联网国家重点实验室及计算机与信息科学系） 纠错

专题命中 个性化与一致性 ：image generation(abstract)

AI总结 本文提出局部优化与表征连续性方法，通过减少误差传播和提升生成视频一致性，使自回归视频生成模型训练效率提升一倍而不牺牲质量。

Comments ACL 2026 Findings

A Novel Automatic Framework for Speaker Drift Detection in Synthesized Speech

一种用于合成语音中说话人漂移检测的新型自动框架

Jia-Hong Huang, Seulgi Kim, Yi Chieh Liu, Yixian Shen, Hongyi Zhu, Prayag Tiwari, Stevan Rudinac, Evangelos Kanoulas

机构 * University of Amsterdam（阿姆斯特丹大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Halmstad University（哈尔姆斯塔德大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 本文提出一种自动框架，通过将说话人漂移检测转化为语音层面的二元分类任务，利用余弦相似度和大语言模型进行检测，建立了说话人漂移作为独立研究问题的理论基础。

Comments The paper has been accepted by the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2026

Beyond Generation: An Empirical Study on Redefining the Act of Drawing Through an 85% Time Reduction in Picture-Book Production

超越生成：通过减少85%的图画书生产时间重新定义绘画行为的实证研究

Cosei Kawa

专题命中 个性化与一致性 ：image generation(abstract)

AI总结 本研究通过实证评估AI协作流程，发现其在减少生产时间的同时，将节省的时间用于高水平的艺术判断和完成工作，从而提升创作体验。

Comments 10 pages, 6 figures, 1 table. This study provides an empirical comparison between conventional and AI-collaborative picture-book production workflows