图像生成

From Prior to Pro: Efficient Skill Mastery via Distribution Contractive RL Finetuning

从先验到专家：通过分布收缩强化学习微调实现高效技能掌握

Zhanyi Sun, Shuran Song

机构 * Stanford University（斯坦福大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出DICE-RL框架，将强化学习作为分布收缩算子，通过在线反馈放大高成功行为，将预训练行为先验微调为高性能专家策略，实现稳定、样本高效的复杂操作技能掌握。

Efficient spin-pumping and spin transport across epitaxial Mn$_3$Sn(0001) noncollinear antiferromagnet/permalloy interfaces

高效自旋泵浦与跨 epitaxial Mn$_3$Sn(0001) 非列线反铁磁体/铁氧体界面的自旋传输

Surya N. Panda, Ning Mao, Nikolai Peshcherenko, Xiaolong Feng, Yang Zhang, Anastasios Markou, Claudia Felser, Edouard Lesne

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究通过系统分析 epitaxial Mn$_3$Sn 薄膜中的自旋电流生成及自旋-电荷转换现象，发现自旋霍尔角为0.9%，自旋霍尔电导率约为44.4 ($\hbar$/e) $\Omega^{-1}$.cm$^{-1}$，并观察到高自旋混合电导和界面自旋透明度。

Journal ref npj Spintronics 4, 17 (2026)

Efficient Computation Of Sensitivities For Derivatives In Energy Markets

能源市场衍生品敏感性的高效计算

Fred Espen Benth, Olfa Draouil, Farouk Hammami

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出随机框架计算能源市场Delta敏感性，对比密度法与Malliavin微积分法，通过OU、CARMA、跳扩散等过程验证方法有效性。

Sampling Out-of-Distribution Chemical Spaces via Bayesian Flow

通过贝叶斯流采样非分布化学空间

Nianze Tao, Minori Abe

机构 * Hiroshima University（广岛大学） ； Tokyo University of Agriculture（东京农业大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出利用贝叶斯流网络生成高质量非分布分子，通过强化学习策略和可控微分方程求解器提升采样效率，并引入半自回归策略提升模型性能。

Comments 35 pages, 14 figures, 9 tables

Continuous-Space Roadmap Generation for Mobile Robot Fleets with Distance Constraints and Geometry-Aware Discretization

面向距离约束与几何感知离散化的移动机器人车队连续空间路图生成

Marvin Rüdt, Constantin Enke, Kai Furmans

机构 * Institute for Material Handling and Logistics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院物流与物料搬运研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出一种连续空间路图生成方法，通过凸角点与站点交互点布点、局部网格扩展离散化、机器人尺寸约束及运输需求驱动的K最短路径剪枝，实现高冗余、短路径与足够间距的路图，在多智能体拾取与交付任务中优于现有方法。

Comments Accepted for publication at the 31st IEEE International Conference on Emerging Technologies and Factory Automation (ETFA)

CRPS-LAM: Probabilistic Regional Weather Forecasting with Continuous Ranked Probability Score

CRPS-LAM：基于连续排名概率评分的概率区域天气预报

Erik Larsson, Joel Oskarsson, Tomas Landelius, Fredrik Lindsten

机构 * Linköping University（林雪平大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； SMHI（瑞典气象和水文研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出CRPS-LAM，一种结合CNN和GNN的混合架构，用于高效准确的区域天气预测，通过连续排名概率评分目标实现快速训练和采样，相比扩散模型基线提速约39倍。

Comments Preprint

Stochastic and Non-local Closure Modeling for Nonlinear Dynamical Systems via Latent Score-based Generative Models

通过潜在分数生成模型实现非线性动力系统中随机和非局部闭合建模

Xinghao Dong, Huchen Yang, Jin-Long Wu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种基于潜在分数生成模型的框架，用于学习非线性动力系统中的随机和非局部闭合模型，通过联合训练卷积自编码器和条件扩散模型，减少采样维度并保持物理特性，提升计算效率。

Journal ref Journal of Computational Physics 563 (2026) 115082

Local Fokker--Planck Geometry for Score Estimation: Heat-Ball Mean-Value Representations and Exact High-Dimensional Sampling

局部Fokker-Planck几何用于分数估计：热球均值表示与精确高维采样

Jiayao Bai, Lang Deng, Yi Du, Yifei Jia

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对非线性漂移扩散过程中分数函数估计困难的问题，提出局部Fokker-Planck几何框架，通过时间变换和热球均值表示实现精确局部估计，并引入κ-测量实现高维蒙特卡洛采样，理论分析表明该框架是全局残差方法的一参数推广。

Comments 24 pages, 11 figures, 5 tables

Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting

面向流量矩阵预测的参数高效量子启发式快速权重编程器

Kuo-Chung Peng, Jiun-Cheng Jiang, Chun-Hua Lin, Tai-Yue Li, Nan-Yow Chen, Samuel Yen-Chi Chen

机构 * Wells Fargo（摩根大通） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出量子启发式快速权重编程器QKAN-FWP，在内存和训练预算约束下实现高精度多步流量矩阵预测，相比LSTM等基线模型，G-QKANFWP以22.4%参数取得更优RMSE。

Comments 6 pages, 3 figures

The January 2010 flare of Mrk421: Insights from a stochastic acceleration model

2010年1月Mrk421的耀斑：来自随机加速模型的见解

MAGIC collaboration, K. Abe, S. Abe, J. Abhir, A. Abhishek, V. A. Acciari, A. Aguasca-Cabot, I. Agudo, I. Albanese, T. Aniello, L. A. Antonelli, A. Arbet-Engels, C. Arcaro, T. T. H. Arnesen, A. Babić, C. Bakshi, U. Barres de Almeida, J. A. Barrio, L. Barrios-Jiménez, I. Batković, J. Baxter, J. Becerra González, W. Bednarek, E. Bernardini, J. Bernete, A. Berti, J. Besenrieder, C. Bigongiari, A. Biland, O. Blanch, G. Bonnoli, Ž. Bošnjak, E. Bronzini, I. Burelli, A. Campoy-Ordaz, A. Carosi, R. Carosi, M. Carretero-Castrillo, D. Cerasole, G. Ceribella, A. Cerviño, Y. Chai, G. Chon, A. Cifuentes Santos, J. L. Contreras, J. Cortina, S. Covino, G. D'Amico, P. Da Vela, F. Dazzi, A. De Angelis, B. De Lotto, R. de Menezes, M. Delfino, J. Delgado, C. Delgado Mendez, F. Di Pierro, R. Di Tria, L. Di Venere, A. Dinesh, D. Dominis Prester, A. Donini, D. Dorner, M. Doro, L. Eisenberger, D. Elsaesser, L. Foffano, L. Font, F. Frías García-Lago, Y. Fukazawa, S. García Soto, S. Gasparyan, M. Gaug, J. G. Giesbrecht Paiva, N. Giglietto, F. Giordano, P. Gliwny, T. Gradetzke, R. Grau, J. G. Green, P. Günther, D. Hadasch, A. Hahn, G. Harutyunyan, T. Hassan, J. Herrera Llorente, D. Hrupec, D. Israyelyan, J. Jahanvi, I. Jiménez Martínez, J. Jiménez Quiles, J. Jormanainen, S. Kankkunen, T. Kayanoki, G. W. Kluge, J. Konrad, P. M. Kouch, H. Kubo, J. Kushida, M. Láinez, A. Lamastra, E. Lindfors, S. Lombardi, F. Longo, R. López-Coto, M. López-Moya, A. López-Oramas, S. Loporchio, L. Lulić, E. Lyard, P. Majumdar, M. Makariev, M. Mallamaci, G. Maneva, M. Manganaro, S. Mangano, M. Mariotti, M. Martínez, P. Maruševec, D. Mazin, S. Menchiari, J. Méndez Gallego, S. Menon, D. Miceli, J. M. Miranda, R. Mirzoyan, M. Molero González, E. Molina, H. A. Mondal, A. Moralejo, C. Nanci, A. Negro, V. Neustroev, M. Nievas Rosillo, C. Nigro, L. Nikolić, K. Nilsson, S. Nozaki, A. Okumura, J. Otero-Santos, S. Paiano, D. Paneque, R. Paoletti, J. M. Paredes, M. Peresano, M. Persic, M. Pihet, G. Pirola, F. Podobnik, P. G. Prada Moroni, E. Prandini, W. Rhode, M. Ribó, J. Rico, A. Roy, N. Sahakyan, F. G. Saturni, F. Schiavone, K. Schmitz, F. Schmuckermaier, A. Sciaccaluga, G. Silvestri, A. Simongini, J. Sitarek, V. Sliusar, D. Sobczynska, A. Stamerra, J. Strišković, D. Strom, Y. Suda, M. Takahashi, R. Takeishi, J. Tartera Barberà, P. Temnikov, T. Terzić, M. Teshima, A. Tutone, S. Ubach, M. Vazquez Acosta, S. Ventura, G. Verna, I. Viale, A. Vigliano, C. F. Vigorito, E. Visentin, V. Vitale, M. Vorbrugg, I. Vovk, R. Walter, C. Walther, F. Wersig, P. K. H. Yeung, M. Perri, A. Tramacere

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究2010年1月Mrk421的耀斑，通过随机加速模型分析其谱变化和物理特性，发现谱变与理论模型一致。

Comments Accepted for publication in A&A. Corresponding Authors: : J. Abhir, A. Arbet-Engels, A. Tramacere

Quantization Mapping on Dirac Dynamics via Voltage-Driven Charge Density in Monolayer Graphene: A Klein Paradox and Entropy-Ruled Wavevector Mechanics Study

单层石墨烯中通过电压驱动电荷密度的狄拉克动力学量子化映射：克莱因悖论与熵控波矢力学研究

Karuppuchamy Navamani

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过电压驱动电荷密度的经验关系，利用微分熵控波矢力学对狄拉克材料进行能量量子化映射，揭示了克莱因悖论下的电子动力学，并发现量子态跃迁遵循N(k)=N(U)^3关系。

Comments 18 pages, 4 Figures, 3 Tables

Joint Reward Modeling: Internalizing Chain-of-Thought for Efficient Visual Reward Models

联合奖励建模：将思维链内化以实现高效的视觉奖励模型

Yankai Yang, Yancheng Long, Hongyang Wei, Wei Chen, Tianke Zhang, Kaiyu Jiang, Haonan Fan, Changyi Liu, Jiankang Chen, Kaiyu Tang, Bin Wen, Fan Yang, Tingting Gao, Han Li, Shuo Yang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Kuaishou Technology（快手科技） 纠错

专题命中 效率与蒸馏 ：image editing(abstract)

AI总结 提出联合奖励建模（JRM），通过共享视觉-语言骨干联合优化偏好学习和语言建模，将生成模型的语义推理能力内化到判别表示中，实现快速准确评估，在MMRB2和EditReward-Bench上取得最优结果。

Scalable Peptide Design via Memory-Efficient Equivariant Transformer

通过内存高效等变变压器实现可扩展的肽设计

Rui Jiao, Xiangzhe Kong, Yinjun Jia, Yijia Zhang, Ziyi Yang, Yang Liu, Jianzhu Ma

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Chemistry, Tsinghua University（清华大学化学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出内存高效等变变压器（MEET），通过线性内存缩放和几何特征改进，实现全原子肽的序列与结构协同设计，在生成质量、结合亲和力和多样性上超越现有方法。

Learning from the Self-future: On-policy Self-distillation for dLLMs

从自我未来学习：面向扩散LLM的在线自蒸馏

Yifu Luo, Zeyu Chen, Haoyu Wang, Xinhao Hu, Yuxuan Zhang, Zhizhou Sha, Shiwei Liu

机构 * Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑工业大学） ； Nanyang Technological University（南洋理工大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； ELLIS Institute Tubingen（ELLIS蒂宾根研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tubingen AI Center（蒂宾根人工智能中心） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出首个面向扩散大语言模型的在线自蒸馏框架d-OPSD，通过自我生成答案作为后缀条件实现从自我未来经验学习，并将监督从词元级转向步骤级，在推理基准上以约10%的优化步骤超越RLVR和SFT基线。

Comments Preprint

Sticky CIR process with potential: invariant measure and exact sampling

具有势函数的粘性CIR过程：不变测度与精确采样

Tony Shardlow

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文研究了一维粘性CIR过程，该过程在[0,∞)上扩散，并在原点处具有粘性边界条件，出现在基于Hadamard-Langevin动力学的稀疏贝叶斯推断框架中。对于参数范围δ∈(1,2)，其中原点可到达但不可吸收，证明了过程的良定性和不变测度的唯一性，该测度是零点质量与内部加权伽马型密度的混合。通过构造一个显式格林函数，用以构造零势情况下的精确采样器。对于非平凡势函数G，通过Girsanov测度变换建立倾斜不变测度的存在性和唯一性，并开发了两种采样算法：一种是修正的Metropolis-Hastings采样器，可精确采样目标不变测度；另一种是未调整的Langevin算法（ULA），每步成本较低但引入O(h)的偏差。数值实验验证了预测行为：Metropolis-Hastings采样器在所有步长下都能达到目标不变测度，而ULA表现出预期的O(h)偏差。

Beyond U-Net: A Latent-Representation-Aligned Skip-Free Backbone for Flow-Matching Speech Enhancement

超越U-Net：用于流匹配语音增强的无跳跃连接潜在表示对齐骨干网络

Wangyi Pu, Michele Scarpiniti

机构 * Department of Information Engineering, Electronics and Telecommunications（信息工程、电子与电信系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出一种无跳跃连接的编码器-解码器骨干网络，通过潜在表示对齐（LRA）引导流匹配语音增强，避免U-Net跳跃连接传递噪声相关特征，仅需五次函数评估即可提升PESQ和感知质量。

Flow Annealing Posterior Sampling for Function-Space Regression and Inverse Problems

流退火后验采样用于函数空间回归与逆问题

Yaozhong Shi, Zachary E. Ross, Yisong Yue

机构 * California Institute of Technology（加州理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出流退火后验采样（FAPS），首个统一随机过程回归与PDE逆问题的函数空间后验采样框架，利用预训练函数空间流匹配先验，通过低秩协方差预条件器的朗之万校正实现稀疏噪声观测下的似然引导后验推断。

Efficient Algorithms for Influence Maximization in General Models and Observed Cascades

通用模型和观测级联中影响力最大化的高效算法

Fabian Spaeh, Themistoklis Haris, Alina Ene, Huy L. Nguyen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出低自适应优化框架和自适应算法，首次实现观测级联上近线性时间可证明保证，并改进独立级联模型样本复杂度。

The FAST Framework: Developing a Data-Efficient Machine Learning Potential to Decode Superionic Transition-Induced Thermophysical and Kinetic Anomalies in UO2 under Extreme Conditions

FAST框架：开发数据高效的机器学习势以解码极端条件下UO2中超离子转变诱导的热物理和动力学异常

Fengnian Zhuang, Gaosheng Yan, Hong Chen, Yi Zhang, Wenshan Yu, Minglong Xu, Shengping Shen

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出FAST框架，通过主动学习和超离子目标采样构建仅500个构型的数据集，微调基础模型得到UO2的机器学习势，准确预测超离子转变引起的热物理和动力学异常，并揭示其微观机制。

Comments 51 pages,14 figures

Few-step Cofolding with All-Atom Flow Maps

少步全原子流图共折叠

Gianluca Scarpellini, Ron Shprints, Peter Holderrieth, Juno Nam, Pranav Murugan, Rafael Gómez-Bombarelli, Tommi Jaakkola, Maruan Al-Shedivat, Nicholas Matthew Boffi, Avishek Joey Bose

机构 * Genesis Molecular AI ； Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Imperial College London（伦敦帝国学院） ； Mila 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出DeCAF框架，将全原子共折叠扩散模型蒸馏为流图，仅需几步推理即可生成高质量样本，并通过奖励引导搜索提升采样质量。

Ballistic Surfing Acceleration as a Coherent Mechanism for Electron Acceleration in Galaxy Cluster Shocks

弹道冲浪加速作为星系团激波中电子加速的相干机制

Ji-Hoon Ha, Krzysztof Stasiewicz

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对星系团激波中电子加速效率低的问题，提出弹道冲浪加速（BSA）作为替代机制，推导平衡方程并模拟辐射，解释“香肠”和“牙刷”射电遗迹的观测特征。

Comments 10 pages, 3 figures, Accepted for publication in MNRAS

Emyx: Fast and efficient all-atom protein generation

Emyx: 快速高效的全原子蛋白质生成

Nicholas J. Williams, Ward Haddadin, Matteo P. Ferla, Constantin Schneider, Nicholas B. Woodall, Ruby Sedgwick, Christian D. Madsen, Andrew L. Hopkins, Edward O. Pyzer-Knapp

机构 * Xyme 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出Emyx，一种140M参数的流匹配模型，通过轻量条件表示和稀疏连接降低复杂度，在酶设计基准上超越现有方法，训练仅需682 GPU小时。

An efficient explicit implementation of a near-optimal quantum algorithm for simulating linear dissipative differential equations

一种高效的显式实现方法，用于模拟线性耗散微分方程的近优量子算法

Ivan Novikau, Ilon Joseph

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效块编码技术，用于实现线性哈密顿量模拟，通过混合时间尺度模拟耗散问题，采用坐标变换将求和指数转化为三角函数，提升量子电路效率，并在数字模拟器上验证了其在输运-扩散方程中的有效性。

Randomized Midpoint Method for Log-Concave Sampling under Constraints

对数凹分布约束采样的随机中点方法

Yifeng Yu, Shijie Zhang, Lu Yu

机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； Artificial Intelligence Research Institute, Shenzhen MSU-BIT University（深圳MSU-BIT大学人工智能研究院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出约束域中过阻尼和动能朗之万扩散的随机中点离散化方法，通过投影算子建立统一框架，证明Wasserstein-q距离下的收敛保证并得到近最优下界。

QPILOTS: Efficient Test-Time Q-Steering for Flow Policies

QPILOTS：面向流策略的高效测试时Q引导

Yifan Ruan, Chenyang Cao, Andreas Burger, Ali Pesaranghader, Kaveh Kamali, Jaehong Kim, Nandita Vijaykumar, Alan Aspuru-Guzik, Igor Gilitschenski, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； LG Electronics（LG电子） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出QPILOTS方法，在推理时通过投影去噪中间状态到最终动作估计并计算评论家梯度来引导流匹配和扩散策略，无需修改原策略，在离线到在线RL基准上达到90%平均成功率。

Comments 10 pages, 7 figures

Group Quantization and Mellin Representations of the Heston Model

Heston模型的群量子化和Mellin表示

Santiago Garcia

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过构造Heston随机波动率模型的提升局部李群胚，给出其仿射变换结构的几何解释，并恢复特征函数和Riccati方程。

Holding the FP8 Quality Ceiling at 8-Bit Weights and Activations: INT8 and GGUF Post-Training Quantization of Ideogram 4.0 for Consumer GPUs

在8位权重和激活下保持FP8质量上限：Ideogram 4.0的INT8和GGUF后训练量化用于消费级GPU

Deep Gandhi, Ali Asaria, Tony Salomone

机构 * Transformer Lab 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文对Ideogram 4.0模型进行INT8 W8A8量化，在无FP8张量核心的Ampere GPU上达到FP8质量水平，并优于NF4，同时GGUF Q4_K在质量-内存前沿上成为帕累托最优。

Pythagoras-Prover: Advancing Efficient Formal Proving via Augmented Lean Formalisation

Pythagoras-Prover: 通过增强型Lean形式化推进高效形式化证明

Joshua Ong Jun Leang, Zheng Zhao, Mihaela Cătălina Stoian, Qiyuan Xu, Haonan Li, Wenda Li, Shay B. Cohen, Eleonora Giunchiglia

机构 * Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出Pythagoras-Prover系列，包括自回归和扩散模型，通过课程SFT、动态过滤和增强型Lean形式化（ALF）扩展验证数据，在MiniF2F-Test上以更少参数超越DeepSeek-Prover-V2。

Comments Pythagoras-Prover: Technical Report

K-Forcing: Joint Next-K-Token Decoding via Push-Forward Language Modeling

K-Forcing：通过前推语言建模进行联合下一K词解码

Zhiwei Tang, Yuanyu He, Yizheng Han, Wangbo Zhao, Jiasheng Tang, Fan Wang, Bohan Zhuang

机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出K-Forcing范式，通过前推映射将自回归模型蒸馏为单次前向传播生成多个未来词，实现2.4-3.5倍加速，质量损失小。

Comments Code: https://github.com/alibaba-damo-academy/K-Forcing

Strong solution for polymeric fluid-structure interaction with small initial acceleration

具有小初始加速度的聚合物流体-结构相互作用的强解

Prince Romeo Mensah

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对三维-三维-二维耦合的溶质-溶剂-结构三态系统，通过解耦和不动点论证构造了强解的唯一高阶正则性，并证明了移动域上Stokes问题的最大正则性结果。