图像生成

DexDirect: Direct Kinesthetic Arm Guidance for Efficient Dexterous Demonstration Collection

DexDirect：用于高效灵巧演示采集的直接运动学手臂引导

Beom Jun Kim, Shiu-Jen Wang, Jonathan Liu, Alvin Zhu, Quanyou Wang, Hanzhang Fang, Feng Xu, Mingzhang Zhu, Yuchen Cui, Dennis W. Hong

机构 * UCLA（加利福尼亚大学洛杉矶分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究提出DexDirect方法，结合直接运动学手臂引导与视觉手部重定向，采集灵巧操作演示的效率更高、认知负荷更低，训练的扩散策略在立方体抓取任务上达到90%成功率。

Comments 8pages, 6 figures

Fermi-level mediated acceleration of flash sintering of oxide ceramics

费米能级介导的氧化物陶瓷快速烧结加速

Qin-Kun Li, Evgeni S. Penev, Boris I. Yakobson

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究探讨氧化物陶瓷快速烧结中原子层面机制，用第一性原理计算，揭示YSZ中缺陷电荷补偿使费米能级上移加速阳离子迁移，如Zr空位电荷转变降低扩散势垒，该机制可推广，对FS技术理论有重要意义。

A Lower Bound on the Sliced Wasserstein Comparison Constant for Translated Measures

平移测度的切片沃尔什斯坦因比较常数的下界

Avery Noroozi

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 该研究针对ℝᵈ上的平移概率测度，推导了W₁与SW₁的闭式表达式，并为二者间的常数c_d构造了显式下界，揭示了切片沃尔什斯坦因距离计算效率对应的理论成本。

Comments 6 pages

Efficient Recommendations via Graph Coarsening and Label Propagation

通过图粗化和标签传播实现高效推荐

Alessandro Sbandi, Federico Siciliano, Fabrizio Silvestri

机构 * Sapienza University of Rome（罗马第一大学） ； TIM S.p.A.（意大利电信股份公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究基于图的推荐在大规模下的效率问题，提出结合图粗化与多步标签传播的两阶段扩散框架，在电信数据集实验中，该方法在可扩展性、延迟和推荐质量间实现平衡，不同阶段采用不同模型有不同提升效果。

NanoBTE: Fast Iterative Solution of the Phonon Boltzmann Transport Equation for Nanoscale Heat Transport

NanoBTE：用于纳米尺度热输运的声子玻尔兹曼输运方程的快速迭代解

Hongjiang Chen, Hai-Xuan Lin, Xiaole Tian, Hongyu Chen, Juan Zhang, Shengyao Yan, Hezhu Shao, Yu Wu, Junjie Liu, Hao Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对纳米尺度热输运中声子输运偏离经典傅里叶描述的问题，提出NanoBTE求解器，采用有限体积法，支持多种条件，有迭代方案及任务分解策略，可加速收敛并实现并行化与GPU加速。

Comments 29 pages, 9 figures

DC-Leap: Training-Free Acceleration of dLLMs via Draft-Guided Contiguous Leaping Decoding

DC-Leap：通过草稿引导的连续跳跃解码实现无训练的dLLMs加速

Yanhua Jiao, Tianyi Wu, Xiaoxi Sun, Yulin Li, HuiLing Zhen, Libo Qin, Baotian Hu, Zhuotao Tian, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对dLLMs并行解码中因保守置信阈值致效率低的问题，提出DC-Leap框架。其采用动态连续验证策略消除JPDE，结合草稿引导解码机制。实验表明该框架能大幅加速dLLMs，长序列生成加速显著，且保证生成质量。

AlayaWorld: Interactive Long-Horizon World Modeling -- Full Technical Report

阿莱雅世界：交互式长视野世界建模——完整技术报告

AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge, Yuanyang Yin, Jiaming Tan, Kang He, Liaoyuan Fan, Mingliang Zhai, Ruicong Liu, Xiaojie Xu, Xuangeng Chu, Zhen Li, Zhengyuan Lin, Zhixiang Wang, Zian Meng, Zihui Gao

机构 * Alaya Lab（阿莱亚实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究旨在创建交互式视频世界模型，核心方法是基于15B视频扩散变压器构建阿莱雅世界，通过自回归生成短潜在块等实现多种能力，在iWorld - Bench上长视野生成性能最佳，为相关研究提供开源可扩展基础。

Comments Authors are listed alphabetically by the first name and their role. See the contribution section for details

ATLAS: A Foundation Neural Sampler for Amorphous Materials

ATLAS：一种用于非晶材料的基础神经采样器

Mouyang Cheng, Denis Blessing, Botao Yu, Gerhard Neumann, Mingda Li, Carles Domingo-Enrich, Yuanqi Du

机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Center for Computational Science and Engineering（计算科学与工程中心） ； MIT（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Materials Science and Engineering（材料科学与工程系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； OSU（俄亥俄州立大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对非晶材料能量景观难采样问题，提出ATLAS神经采样器，由等变图神经网络参数化，能跨系统泛化，利用扩散过程时间反转估计热力学量。在多种系统中验证有效性，还通过预训练降低逆设计成本，结合大语言模型搜索高熵金属玻璃，确立其为基础模型。

Importance Sampling and PCA for Finding Failures in Commercial Autonomous Vehicles

用于发现商用自动驾驶车辆故障的重要性采样和主成分分析

Hailey Warner, Duncan Eddy, Shreya Parjan, Caroline Cahilly, Harrison Delecki, Matthias Kleinstauber, Chaitanya Shinde, Jerry Lopez, Mykel J. Kochenderfer

机构 * Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） ； Torc Robotics（Torc机器人公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究商用自动驾驶车辆故障发现问题，应用自适应压力测试和基于扩散的故障采样算法找到模拟碰撞，引入基于主成分分析的统计分析将故障分类并恢复噪声轨迹，为故障发现到系统诊断提供路径。

Comments IEEE ICVES 2026 (Submitted)

UniSteer: Unified Noise Steering for Efficient Human-Guided VLA Adaptation

统一噪声引导用于高效的人类引导VLA适应

Junjie Lu, Xinyao Qin, Yuhua Jiang, Kaixin Wang, Chuheng Zhang, Bin Liang, Jun Yang, Min Xu, Li Zhao

机构 * University of Technology Sydney（悉尼技术大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出UniSteer框架，结合人类纠正指导与噪声空间RL，通过近似动作到噪声的逆向转换提升VLA在真实世界中的适应效率，实验显示成功率显著提升。

Reducing Temporal Redundancy for Efficient Vision-Language-Action Inference

减少时间冗余以实现高效视觉-语言-动作推理

Yuzhou Wu, Yuxin Zheng, Muchun Niu, Yishan Yang, Tianhao Liu, hanwen kang, Jiajian Jing, Linfeng Zhang, Chuan Wen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对VLA模型推理延迟高的问题，识别出时间冗余来源，提出系统级加速策略，在感知和动作生成上减少计算，经实验验证该策略能加速超2倍且保持高性能。

Comments 13pages, 7 figuers

Highly Efficient Rank-Adaptive Sweep-based SI-DSA for the Radiative Transfer Equation via Mild Space Augmentation

通过温和的空间增强实现高效且适应性的秩适应性扫掠SI-DSA用于辐射传输方程

Wei Guo, Zhichao Peng

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效的秩适应性扫掠SI-DSA方法，通过温和的空间增强实现低秩求解，减少内存和计算时间，适用于多尺度问题。

Comments 26 pages, 7 figures

Next-Dense-Stride Prediction for Multimodal Autoregressive Visual Modeling

用于多模态自回归视觉建模的下密集步长预测

Chicago Y. Park, Jialin Mao, Xiaojian Xu, Taha Kass-Hout, Ulugbek S. Kamilov, Cao Xiao

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； GE HealthCare（通用电气医疗） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 研究提出DenseAR范式，将自回归图像生成重构成下密集步长预测，解决现有模型局限。基于此扩展为统一模型处理多模态和成像任务，在医学和自然图像验证，在多对比脑MRI及ImageNet上取得良好效果。

An efficient method based on the evolutionary center algorithm for optimizing chemical-diffusive models for flame acceleration and DDT

基于进化中心算法的高效方法用于优化火焰加速和DDT的化学扩散模型

Huahua Xiao, Xu Zhang, Mingbin Zhao, Congling Shi

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于进化中心算法（ECA）和Nelder-Mead算法的混合方法，用于高效优化化学扩散模型参数，以准确模拟火焰加速和DDT现象，并验证其在氢气混合物中的燃烧波特性。

Comments Manuscript with 13 figures, 7 tables, and appendix

Lévy Langevin Monte Carlo for sampling from heavy-tailed target distributions

用于从重尾目标分布中采样的Lévy朗之万蒙特卡罗方法

Anita Behme, Claudius Lütke Schwienhorst

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究如何从重尾目标分布采样，扩展Lévy朗之万蒙特卡罗方法，利用由复合泊松过程驱动的随机微分方程，可从非光滑目标和分离模式分布中采样，指数收敛到不变分布，且因复合泊松噪声项易于实现。

Comments 29 pages, 8 figures

Journal ref Extremes (2026)

Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning

用于高效离线强化学习的捷径轨迹规划

Guanquan Wang, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。

Comments 16 pages, 3 figures

Force convergence in Monte Carlo Lyman-alpha radiative transfer

蒙特卡罗莱曼阿尔法辐射传输中的力收敛

Joshua Kasiri, Aaron Smith, Kevin Lorinc, Olof Nebrin, Kazutaka Kimura

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究蒙特卡罗莱曼阿尔法辐射传输中力收敛问题，通过建立基准、开发基于矩的框架，应用于多种估计器，从不同阶次评估收敛性，为内部力计算提供实用框架，表明需分别评估统计精度、计算成本和物理准确性。

Comments 22 pages, 15 figures. Comments welcomed

Safe Flow Q-Learning: Offline Safe Reinforcement Learning with Reachability-Based Flow Policies

安全流Q学习：基于可达性的安全离线强化学习流策略

Mumuksh Tayal, Manan Tayal, Ravi Prakash

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出Safe Flow Q-Learning，结合达性启发的安全价值函数和高效的一步流策略，通过自一致性Bellman递归学习安全价值，行为克隆训练流策略并转化为奖励最大化安全动作选择器，减少部署时的拒绝采样，提升实时安全应用性能。

Comments 21 pages, 6 figures, 3 tables; First 2 authors have contributed equally; Paper accepted at Reinforcement Learning Conference (RLC) 2026

SeFA-Policy: Fast and Accurate Visuomotor Policy Learning with Selective Flow Alignment

SeFA策略：基于选择性流对齐的快速准确视觉运动策略学习

Rong Xue, Jiageng Mao, Mingtong Zhang, Yue Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对机器人模仿学习中视觉运动策略学习难题，提出SeFA框架，用选择性流对齐策略，借助专家示范纠正动作，统一整流流效率与观测一致动作生成，实验显示其超越现有策略，准确性、鲁棒性高且推理延迟大幅降低。

TOM: An Open-Source Tongue Segmentation Method with Multi-Teacher Distillation and Task-Specific Data Augmentation

TOM：一种基于多教师知识蒸馏和任务特定数据增强的开源舌象分割方法

Jiacheng Xie, Ziyang Zhang, Biplab Poudel, Congyu Guo, Yang Yu, Guanghui An, Xiaoting Tang, Lening Zhao, Chunhui Xu, Dong Xu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出TOM模型，通过多教师知识蒸馏和任务特定数据增强实现高效舌象分割，并提供开源工具和案例研究，提升中医诊断性能。

Comments Tongue segmentation, data augmentation, synthetic data for AI training, prompt engineering, Segment Anything Model, knowledge distillation, tongue classification

VS-Graph: Scalable and Efficient Graph Classification Using Hyperdimensional Computing

VS-Graph: 基于超维度计算的可扩展高效图分类

Hamed Poursiami, Shay Snyder, Guojing Cong, Thomas Potok, Maryam Parsa

机构 * Department of Electrical and Computer Engineering, George Mason University, Fairfax, VA, USA（电气与计算机工程系，乔治·马歇尔大学，弗吉尼亚州 Fairfax） ； Oak Ridge National Laboratory, Oak Ridge, TN, USA（橡树岭国家实验室，橡树岭，田纳西州） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 VS-Graph通过超维度计算实现高效图分类，在保持性能的同时显著提升训练速度。

Optimal Transport Q-Learning for Flow Policy Steering and Acceleration

用于流策略引导和加速的最优传输Q学习

Andreas Sochopoulos, Esmeralda S. Whitammer, Nikolaos Tsagkas, João Moura, Michael Gienger, Sethu Vijayakumar

机构 * University of Edinburgh（爱丁堡大学） ； Honda Research Institute Europe（本田欧洲研究院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对流策略性能优化难题，提出最优传输Q学习（OTQL），利用机器人经验，通过优势加权条件最优传输流匹配微调加速流策略，提升单任务和VLA策略成功率，减少推理步骤数。

Decision-Focused Scenario Generation and Selection for Efficient and Robust Grid Dispatch

用于高效稳健电网调度的决策聚焦场景生成与选择

Yangze Zhou, Yihong Zhou, Thomas Morstyn, Yi Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对电网调度中分布鲁棒优化依赖预测场景构建模糊集存在的问题，提出基于决策聚焦的生成框架，依下游运行成本优化场景，适配多种生成模型，开发可微场景选择器，案例研究显示可有效降低运行成本。

Comments 10 pages, 12 figures

Strain-Rate-Consistent $\varepsilon$-Based Non-Premixed Flamelet Model

基于应变速率一致的基于ε的非预混小火焰模型

Sylvain L. Walsh, Yalu Zhu, Feng Liu, William A. Sirignano

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究非预混燃烧传统FPV公式应变速率不一致问题，提出基于ε的替代耦合方法即ε-Z小火焰模型，通过二维RANS模拟对比，分析平均应变速率场与局部应变速率关系，指出原公式问题，阐述新模型优势。

Quantize the Target, Quantize the Drafter: Efficient Inference with Qwen3.5-4B

量化目标，量化草稿生成器：使用Qwen3.5 - 4B进行高效推理

Jaeyeon Kim, Jewon Lee, Bo-Kyeong Kim

机构 * Nota Inc.（Nota公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究旨在在资源受限的NVIDIA A10G GPU上实现Qwen3.5 - 4B的低延迟服务。核心方法是结合量化目标模型与推测性解码，通过量化感知蒸馏恢复精度，训练专用草稿生成器加速解码，还用量化等减少开销。贡献是实现加速并满足质量阈值，排名第三。

Comments All authors contributed equally. Our submission to Efficient Qwen Competition, ICML 2026 Workshop on AdaptFM

High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching

通过递归校正、频率一致性和对比流匹配实现高保真一步生成视觉运动策略

Yuran Chen, Xinye Cai, Zhonglin Gong, Yang Huang

机构 * School of Safety Science and Engineering, Anhui University of Science and Technology（安徽理工大学安全科学与工程学院） ； State Key Laboratory of Digital Intelligent Technology for Unmanned Coal Mining, Anhui University of Science and Technology（安徽理工大学煤矿智能开采技术与装备国家重点实验室） ； School of Artificial Intelligence, Anhui University of Science and Technology（安徽理工大学人工智能学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对生成模型多步采样有延迟、一步加速方法有偏差等问题，提出含递归校正、频率一致性和对比流匹配三机制的框架，解决相关问题，实验显示该方法在低延迟下性能优。

Less Tokens, Better Forecasts: Sparse Residual Routing for Efficient Weather Prediction

更少令牌，更优预测：用于高效天气预报的稀疏残差路由

Janet Wang, Yunbei Zhang, Lin Zhao, Xi Xiao, Jihun Hamm, Xiao Wang

机构 * Tulane University（杜兰大学） ； Northeastern University（东北大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对现有基于ViT的天气预报模型计算冗余问题，提出无参数插件路由模块Sparse-Reslim，通过稀疏令牌处理兼顾固定网格要求，提升预报精度并大幅降低成本。

Comments ECCV 2026

Efficient Analysis of Carrier Transport and TM-TE Emission in AlGaN UVC LEDs via Multi-band Localization Landscape Theory

基于多带局域景观理论对AlGaN深紫外发光二极管中载流子输运和TM - TE发射的高效分析

Yu-Ming Chang, Ping-Jie Zhuang, Marcel Filoche, Claude Weisbuch, James S. Speck, Yuh-Renn Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究AlGaN基深紫外发光二极管问题，用多带局域景观模型替代传统模型，结合Wigner - Weyl形式，高效捕捉量子效应和载流子局域化，再现光谱趋势，分析电特性，为优化性能提供快速可靠方案。

Comments 11 figures

DSWIM:Efficient and Stable Deterministic Computation of Warm Inflation Perturbations

DSWIM：温暖暴胀扰动的高效稳定确定性计算

Umang Kumar

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对温暖暴胀扰动计算中随机方法效率低且确定性方法数值不稳定的问题，提出基于相关矩阵演化的确定性模块DSWIM，通过物理标度变换改善数值条件，实现准确、鲁棒且加速的计算。

Comments 24 pages, 6 figures, 2 tables, prepared for submission to JCAP. v2: Added an appendix clarifying the residual discrepancy at moderate Q between SWIM/DSWIM and WI2easy, results and conclusions unchanged

Crystalite: A Lightweight Transformer for Efficient Crystal Modeling

晶体：一种轻量级Transformer用于高效的晶体建模

Tin Hadži Veljković, Joshua Rosenthal, Ivor Lončarić, Jan-Willem van de Meent

机构 * UvA-Bosch Delta Lab（阿姆斯特丹大学-博世三角洲实验室） ； University of Amsterdam（阿姆斯特丹大学） ； Ruđer Bošković Institute（鲁杰尔·博斯科维奇研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出Crystalite，一种轻量级扩散Transformer，通过子原子标记化和几何增强模块提升晶体建模效率，实现最佳晶体结构预测性能。

Comments 39 pages, 13 figures. Code available at: https://github.com/joshrosie/crystalite