Drifting to Boltzmann: Million-Fold Acceleration in Boltzmann Sampling with Force-Guided Drifting
漂向玻尔兹曼：在玻尔兹曼采样中实现百万倍加速的力引导漂移
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 该研究提出力引导漂移模型，通过漂移分数恒等式实现分子构型生成，显著提升玻尔兹曼采样效率，达到百万倍加速并保持结构和分布准确性。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 效率与蒸馏 2544 篇
Conflict-Based Search as a Protocol: A Multi-Agent Motion Planning Protocol for Heterogeneous Agents, Solvers, and Independent Tasks
基于冲突的搜索作为协议：一种多智能体运动规划协议用于异构智能体、求解器和独立任务
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tongji University（同济大学） ； UC Berkeley（伯克利大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于冲突的搜索协议，用于异构智能体的多智能体运动规划，利用多种单智能体规划算法实现无碰撞路径规划。
Comments Published at ICRA 2026, Project webpage: https://rishi-v.github.io/CBS-Protocol/
A Fast Generative Framework for High-dimensional Posterior Sampling: Application to CMB Delensing
一种快速生成框架用于高维后验采样：应用于宇宙微波背景去棱镜化
机构 * Department of Physics, Université de Montréal（蒙特利尔大学物理系） ； Mila - Quebec AI Institute（魁北克人工智能研究院） ； Ciela, Montreal Institute for Astrophysics and Machine Learning（蒙特利尔天体物理与机器学习研究所） ； Center for Computational Astrophysics, Flatiron Institute（Flatiron研究所计算天文学中心）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种快速生成框架，用于高维后验采样，应用于宇宙微波背景去棱镜化问题，实现了比扩散方法快一个数量级的采样速度，并成功恢复了未棱镜化的宇宙微波背景功率谱。
Comments 12 pages, 4 figures. ML4Astro 2025 workshop paper on fast generative posterior sampling with application to CMB delensing
Wasserstein Gradient Flows of semi-discret energies: evolution of urban areas anduniform quantization
Wasserstein梯度流的半离散能量：城市区域演化与均匀量化
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文研究了半离散能量的Wasserstein梯度流，通过JKO方案分析城市规划中的动态演化与均匀量化问题，揭示了抛物型PDE与ODE耦合的奇异动态，并通过数值模拟观察到动态晶化现象。
QFlowNet: Fast, Diverse, and Efficient Unitary Synthesis with Generative Flow Networks
QFlowNet: 快速、多样且高效的单位元合成与生成流网络
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Seoul National University（首尔国立大学） ； NextQuantum
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 QFlowNet通过结合生成流网络和Transformer，实现高效、多样化的单位元合成，解决了传统强化学习在稀疏奖励下的局限性。
Comments 7 pages, 6 figures, IEEE International Conference on Quantum Communications, Networking, and Computing (QCNC 2026)
MeanFlowSE: one-step generative speech enhancement via conditional mean flow
MeanFlowSE: 通过条件均流实现一步生成语音增强
机构 * School of Electronic Science and Engineering, Xiamen University, China（厦门大学电子科学与技术学院） ； School of Informatics, Xiamen University, China（厦门大学信息学院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 MeanFlowSE通过条件均流实现单步生成语音增强，无需多步求解器，提升实时生成效率与保真度。
Percolation-driven $β$ -relaxation enables resonant acceleration of crystallization in amorphous phase-change materials
介电弛豫驱动的β-弛豫促进非晶相变材料结晶加速
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 通过共振激发β-弛豫，利用介电弛豫驱动的原子渗透加速非晶相变材料结晶过程。
Comments 17 pages,4 figures
Mean-Flow based One-Step Vision-Language-Action
基于均流的单步视觉-语言-动作
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出基于均流的单步VLA方法，通过消除传统流匹配方法的一致性约束，显著提升生成效率，实现实时动作生成，实验表明其在机器人操作中的高效性。
OM2P: Offline Multi-Agent Mean-Flow Policy
OM2P：离线多智能体均流策略
机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息研究院，清华大学） ； ByteDance Inc.（字节跳动公司）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 OM2P提出了一种离线多智能体强化学习算法，通过均流匹配损失和奖励感知优化，实现高效动作采样和内存优化，提升训练效率。
Locally Subspace-Informed Neural Operators for Efficient Multiscale PDE Solving
局部子空间感知神经算子用于高效多尺度PDE求解
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出一种局部子空间感知神经算子，通过学习子空间而非基函数，有效降低多尺度PDE求解的误差和计算成本。
Breaking the Dimensional Barrier: Dynamic Portfolio Choice with Parameter Uncertainty via Pontryagin Projection
突破维度壁垒：通过庞特里亚金投影实现动态投资组合选择与参数不确定性
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出PG-DPO方法，通过庞特里亚金投影和BPTT随机梯度上升解决高维参数不确定性下的动态投资组合选择问题，实验表明其在高维漂移不确定性中表现优于无模型PPO基线。
SimTac: A Physics-Based Simulator for Vision-Based Tactile Sensing with Biomorphic Structures
SimTac: 基于物理的模拟器用于基于视觉的生物形态触觉感知
机构 * Department of Engineering, King’s College London（工程系，伦敦国王学院） ； School of Aerospace Engineering, Beijing Institute of Technology（航空工程学院，北京理工大学） ； Department of Computer Science, University College London（计算机科学系，伦敦大学学院）
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 SimTac是一个基于物理的模拟器，用于设计和验证生物形态触觉传感器，通过多种几何结构实现准确高效的触觉感知模拟。
Journal ref Cyborg and Bionic Systems, 2026
Normalizing Flows are Capable Models for Bi-manual Visuomotor Policy
归一化流是双臂视觉-运动政策的可行模型
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出基于归一化流的双臂视觉-运动政策，通过条件密度学习和优化策略提升任务性能与效率。
Flow-Based Single-Step Completion for Efficient and Expressive Policy Learning
基于流的单步完成：用于高效且表达性的策略学习
机构 * Iowa State University（爱荷华州立大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 SSCP是一种基于流的单步完成策略，通过增强的流匹配目标实现高效且表达性的策略学习，适用于多种RL场景。
Comments ICLR 2026
Operator-Level Quantum Acceleration of Non-Logconcave Sampling
算子层面的非对数凹采样量子加速
机构 * Simons Institute for the Theory of Computing, University of California, Berkeley, USA（Simons理论计算研究所，加州大学伯克利分校） ； Department of Mathematics, University of California, Berkeley, USA（加州大学伯克利分校数学系） ； Department of Mathematics, University of Michigan, Ann Arbor, USA（密歇根大学安娜堡分校数学系） ； Applied Mathematics and Computational Research Division, Lawrence Berkeley National Laboratory, Berkeley, USA（伯克利国家实验室应用数学与计算研究部）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 该研究提出首个量子算法，通过算子层面的方法实现非对数凹采样任务的高效加速，显著提升了经典方法在复杂分布下的性能。
Comments 48 pages, 8 figures
Journal ref Proceedings of the National Academy of Sciences 123(8), e2512789123 (2026)
MeanVoiceFlow: One-step Nonparallel Voice Conversion with Mean Flows
MeanVoiceFlow: 一步非并行语音转换基于均值流
机构 * NTT, Inc.（日本NTT公司）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 MeanVoiceFlow是一种基于均值流的一步非并行语音转换模型，通过结构边缘重建损失和条件扩散输入训练，实现从头开始训练的高效语音转换。
Comments Accepted to ICASSP 2026. Project page: https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/meanvoiceflow/
Duality Models: An Embarrassingly Simple One-step Generation Paradigm
对偶模型：一种 embarrassingly简单的单步生成范式
机构 * Westlake University, Hangzhou, China（西湖大学） ； Zhejiang University, Hangzhou, China（浙江大学） ； University College London, London, UK（伦敦大学学院） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 Duality Models通过一输入双输出范式，同时预测速度和流映射，提升生成稳定性与效率，在ImageNet上实现SOTA FID
Comments https://github.com/LINs-lab/DuMo
Diffusive Scaling Limits of Forward Event-Chain Monte Carlo: Provably Efficient Exploration with Partial Refreshment
扩散尺度极限下的前向事件链蒙特卡洛方法：具有部分刷新的可证明高效探索
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文研究了前向事件链蒙特卡洛方法在高维下的扩散尺度极限，证明其在效率上优于最优调优的BPS，通过部分刷新实现高效探索。
Comments 43 pages, 5 figures
FreqPolicy: Efficient Flow-based Visuomotor Policy via Frequency Consistency
FreqPolicy: 通过频率一致性实现高效的基于流的视觉-运动策略
机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； NLPR, MAIS, Institute of Automation of Chinese Academy of Sciences（神经语言处理实验室、人工智能研究所、中国科学院自动化研究所）
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 FreqPolicy通过频率一致性约束提升基于流的视觉-运动策略的效率与质量，实现高效、高质量的动作生成。
Comments NeurIPS 2025
Syndrome-Flow Consistency Model Achieves One-step Denoising Error Correction Codes
综合征流一致性模型实现一步去噪纠错编码
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Theory Lab（理论实验室） ； Noah’s Ark Lab（诺亚实验室）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 ECCFM通过软综合征条件重新参数化PF-ODE，实现单步高保真纠错解码，提升效率与精度。
Efficient Personalization of Generative Models via Optimal Experimental Design
通过最优实验设计实现生成模型的高效个性化
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工人工智能中心） ； Broad Institute, Boston, USA（Broad研究所）
专题命中 效率与蒸馏 ：text-to-image(abstract)
AI总结 本文通过最优实验设计方法，高效地利用人类反馈优化生成模型的个性化，减少偏好查询的数量。
Qronos: Correcting the Past by Shaping the Future... in Post-Training Quantization
Qronos：通过塑造未来修正过去……在训练后量化中
机构 * Department of Mathematics University of California, San Diego（数学系加州大学圣地亚哥分校） ； Software Architecture Advanced Micro Devices, Inc.（软件架构先进微器件公司） ； Department of Mathematics & HDSI University of California, San Diego（数学系及HDSI加州大学圣地亚哥分校）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 Qronos通过迭代优化框架在训练后量化中显式纠正误差并超越现有方法，提升模型精度。
Nonlinear diffusive shock acceleration with upstream escape reproduces DAMPE observations
非线性扩散激波加速与上游逃逸再现DAMPE观测
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 该研究提出非线性扩散激波加速模型，结合宇宙射线反作用与上游逃逸机制，成功再现DAMPE观测到的质子能谱特征。
Comments 10 pages, 3 figures
Delocalisation explains efficient transport and charge generation in neat Y6 organic photovoltaics
局域化解释了纯Y6有机光伏器件中高效的输运和电荷生成
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本研究通过局域化动能蒙特卡罗模拟揭示纯Y6有机光伏器件中高效输运和电荷生成的机制，证明局域化对提高载流子迁移率和电荷生成效率的关键作用。
Toward Resource-Efficient Collaboration of Large AI Models in Mobile Edge Networks
迈向移动边缘网络中大人工智能模型资源高效协作
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种多阶段扩散框架，用于在移动边缘网络中实现大AI模型的资源高效协作，提升数据生成的效率和适应性。
Comments Accepted by IEEE Network. 9 pages, 4 figures
Categorical Flow Maps
分类流映射
机构 * UvA-Bosch Delta Lab, University of Amsterdam, Amsterdam, Netherlands（阿姆斯特丹大学） ； Department of Computer Science, University of Oxford, Oxford, UK（牛津大学计算机科学系） ； Donders Institute for Brain, Cognition and Behaviour, Radboud University（拉德堡德大学大脑与行为研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 分类流映射通过自我蒸馏实现加速的少步生成，适用于图像、分子图和文本，取得最佳性能。
BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data
BrainSymphony: 一种参数高效、多模态的基础模型，用于在有限数据下的脑动态
机构 * Turner Institute for Brain and Mental Health（大脑与心理健康Turner研究所） ； School of Psychological Sciences, Monash University（墨尔本大学心理学科学学院） ； Cortical Labs（皮层实验室） ； CIFAR Azrieli Global Scholars Program（CIFAR阿兹里埃利全球学者计划）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 BrainSymphony是一种参数高效、多模态的基础模型，通过整合fMRI和扩散MRI数据，实现有限数据下的脑动态分析，优于更大模型并提升神经科学应用。
Comments 32 pages, 14 figures
An Efficient Energy Stable Structure Preserving Method for The Landau-Lifshitz Equation
一种高效的能量稳定结构保持方法用于Landau-Lifshitz方程
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于Gauss-Seidel、双扩散和Crank-Nicolson迭代的结构保持方法，用于高效稳定地求解Landau-Lifshitz方程的范数约束问题。
Deep Bootstrap
深度Bootstrap
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出基于条件扩散模型的深度Bootstrap框架，用于非参数回归，通过统一生成框架实现高效采样和准确估计。
Biologically Plausible Learning via Bidirectional Spike-Based Distillation
通过双向脉冲基于蒸馏实现生物合理的学习
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 本文提出双向脉冲基于蒸馏算法，通过联合训练前馈和反向脉冲网络，实现与反向传播相当的性能，推动生物合理神经网络学习的发展。
