Materials discovery acceleration by using condition generative methodology
通过条件生成方法加速材料发现
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本研究提出PODGen框架，通过条件生成方法显著提升拓扑绝缘体的发现效率，生成成功率提高5.3倍，识别出多种可合成的拓扑绝缘体。
Journal ref Nat. Commun. 2025, 16, 1930
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
Improved sampling algorithms and functional inequalities for non-log-concave distributions
改进的采样算法与非对数凹分布的函数不等式
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文改进了非对数凹分布采样算法，通过加强假设获得更优的查询复杂度和Poincaré常数界。
Direct Soft-Policy Sampling via Langevin Dynamics
通过 Langevin 动力学实现直接软策略采样
机构 * Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Gauss Labs Inc（Gauss实验室）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 通过引入噪声条件化的 Langevin 动力学，NC-LQL 实现了高效的软策略采样，提升了在线强化学习的性能。
Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds
广义流映射用于黎曼流形上的少步生成建模
机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。
Comments Under review
Path-Guided Flow Matching for Dataset Distillation
路径引导的流匹配用于数据集蒸馏
机构 * Department of Machine Learning, MBZUAI, Abu Dhabi, UAE（机器学习系，MBZUAI，阿布扎赫德，阿联酋） ； Department of Computer Vision, MBZUAI, Abu Dhabi, UAE（计算机视觉系，MBZUAI，阿布扎赫德，阿联酋）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 PGFM通过流匹配框架实现高效数据集蒸馏，以更少的采样步骤和更高的效率生成高质量的合成数据。
Laterally Oscillating Trajectory for Undersampling Slices: LOTUS
横向振荡轨迹用于欠采样切片：LOTUS
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 LOTUS通过受控非相干混叠降低g因子，提升扩散MRI的重建精度和扫描效率。
Comments 31 pages, 8 figures, 3 supplementary figures, submitted to Magnetic Resonance in Medicine
Probabilistic Label Spreading: Efficient and Consistent Estimation of Soft Labels with Epistemic Uncertainty on Graphs
概率标签传播：在图上利用epistemic不确定性进行高效且一致的软标签估计
机构 * Institute of Computer Science Osnabrück University（计算机科学研究所 奥斯纳布鲁克大学） ； Department of Mathematics Technical University of Berlin（数学系 柏林技术大学） ； Department of Mathematics University of Wuppertal（数学系 威斯巴赫大学） ； Quality Match GmbH Heidelberg, Germany（Quality Match GmbH 海德堡德国）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出概率标签传播方法，通过图扩散技术高效估计软标签的epistemic不确定性，减少标注成本并提升图像分类性能。
Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants
流与扩散的快速采样：懒惰与点质量随机插值法
机构 * University of Copenhagen（哥本哈根大学） ； Technical University of Denmark（丹麦技术大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于懒惰和点质量随机插值法的快速采样方法，用于流和扩散模型，通过转换插值计划和扩散系数，提升生成效率。
Bayesian Methods for the Navier-Stokes Equations
贝叶斯方法用于纳维-斯托克斯方程
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种贝叶斯方法用于求解具有不确定性的纳维-斯托克斯方程，通过粒子学习和随机表示提升计算稳定性与不确定性传播效率。
Efficient Counterfactual Estimation of Conditional Greeks via Malliavin-based Weak Derivatives
通过马尔可夫算子弱导数高效估计条件希腊值
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于马尔可夫算子弱导数的高效方法，用于估计稀有事件下的条件希腊值，通过两阶段无核技术提升反事实梯度估计的效率和稳定性。
TabPFN for Zero-shot Parametric Engineering Design Generation
基于TabPFN的零样本参数化工程设计生成
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 基于TabPFN的零样本生成方法，通过少量参考样本实现高效参数化工程设计生成，减少计算和数据需求，提升设计灵活性和实用性。
Comments 14 pages, 8 figures
Generalized Radius and Integrated Codebook Transforms for Differentiable Vector Quantization
通用半径与集成代码本变换用于可微向量量化
机构 * Columbia University（哥伦比亚大学） ； South China Normal University（南方科技大学） ； University of Warwick（沃里克大学） ； The City College of New York（纽约城市学院） ； Hebei Institute of Communications（河北通信学院）
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 GRIT-VQ通过统一的可微框架提升向量量化性能，实现稳定梯度和高效代码本利用。
Comments This paper has been accepted as a conference paper at CPAL 2026
Sampling from multi-modal distributions on Riemannian manifolds with training-free stochastic interpolants
在黎曼流形上采样多模分布的无训练随机插值法
机构 * CMAP, CNRS, Ecole polytechnique（CMAP、法国国家科学研究中心、巴黎高等师范学院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种无训练的随机插值方法，用于在黎曼流形上高效采样多模分布，通过非平衡动力学和随机插值实现无需训练的高效采样。
Unconditional flow-based time series generation with equivariance-regularised latent spaces
无条件流基于时间序列生成与等变性正则化潜在空间
机构 * Imperial College London（伦敦帝国学院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于流的无条件时间序列生成方法，通过等变性正则化潜在空间提升生成质量，同时在计算效率上优于现有扩散基线方法。
Comments Accepted at ICASSP 2026
PocketDP3: Efficient Pocket-Scale 3D Visuomotor Policy
PocketDP3: 高效的微型3D视觉-运动政策
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 PocketDP3通过轻量级扩散混合器替代传统解码器，实现高效3D视觉-运动策略，减少参数消耗并提升实时部署性能。
QMeCha: quantum Monte Carlo package for fermions in embedding environments
QMeCha：用于嵌入环境中费米子的量子蒙特卡罗包
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 QMeCha是一款用于研究嵌入环境中费米子多体相互作用的量子蒙特卡罗软件，支持多种波函数类型和高效优化方法。
Comments 29 pages, 9 Figures, 2 Tables
Thompson Sampling Algorithm for Stochastic Games
带有随机成本的随机博弈的汤普森采样算法
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于汤普森采样的算法，用于解决具有随机成本的随机博弈问题，证明该算法在时间范围内具有渐近零的平均遗憾，并达到纳什均衡。
Efficient Learning of Stationary Diffusions with Stein-type Discrepancies
高效学习平稳扩散的Stein型不一致度
机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出Stein型KDS方法，用于高效学习平稳扩散，通过凸优化减少计算成本并提升性能。
Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations
扩展混沌：用于随机（偏）微分方程的神经算子
机构 * University of Cambridge（剑桥大学） ； University of Sydney（悉尼大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出基于Wiener-chaos展开的神经算子，用于高效求解随机微分方程和随机偏微分方程，通过参数化混沌系数实现快速轨迹重建，并在多个任务中展示了其有效性。
NEAT: Neighborhood-Guided, Efficient, Autoregressive Set Transformer for 3D Molecular Generation
NEAT：基于邻域指导、高效、自回归的集合变换器用于3D分子生成
机构 * Department of Pharmaceutical Sciences, University of Vienna（维也纳大学药学系） ； Christian Doppler Laboratory for Molecular Informatics in the Biosciences（生物医学分子信息学克里斯蒂安·多普勒实验室） ； Vienna Doctoral School of Pharmaceutical, Nutritional and Sport Sciences（维也纳药学、营养学和运动科学博士学院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 NEAT是一种基于邻域指导、高效、自回归的集合变换器，用于3D分子生成，通过不依赖顺序的分布学习实现原子排列不变性，提升生成性能。
One Step Is Enough: Dispersive MeanFlow Policy Optimization
一步即可：分散均流策略优化
机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（大数据分析与处理广东省重点实验室）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 DMPO通过单步生成、分散正则化和强化学习微调，在实时机器人控制中实现高效动作生成，性能超越多步基线。
Comments Code and project page: https://guowei-zou.github.io/dmpo-page/
ProFlow: Zero-Shot Physics-Consistent Sampling via Proximal Flow Guidance
ProFlow：通过近端流引导实现零样本物理一致采样
机构 * University of Science ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China ； Department of Electronic Engineering ； Information Science, University of Science ； School of Computing ； Data Science, The University of Hong Kong ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China \& Shanghai Key Laboratory of Contemporary Applied Mathematics, Shanghai 200433, China
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 ProFlow通过近端引导框架实现零样本物理一致采样，有效平衡物理约束与生成先验的统计结构。
EuleroDec: A Complex-Valued RVQ-VAE for Efficient and Robust Audio Coding
EuleroDec：一种用于高效且鲁棒音频编码的复值RVQ-VAE
机构 * Sapienza University of Rome（萨皮恩扎罗马大学） ； Moises Systems Inc.（莫伊塞斯系统公司） ； Paradigma（帕拉迪玛）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出一种复值RVQ-VAE音频编解码器，通过保持幅度-相位耦合，无需对抗判别器和扩散模型，实现了高效且高质量的音频编码。
Comments Accepted at ICASSP 2026
An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data
一种高效的基于小波的物理信息残差神经网络用于极稀疏数据下的流场重构
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种高效的基于小波的物理信息残差神经网络，用于极稀疏数据下的流场重构，并在正向和逆向问题中实现了高精度的PDE求解。
Comments total 48 pages, 33 figures, 10 tables
Bell Instability and Cosmic-Ray Acceleration in Active Galactic Nuclei Ultrafast Outflow Shocks
贝勒不稳定性与活动星系核超快速喷流反冲激波中的宇宙射线加速
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究贝勒不稳定性在活动星系核超快速喷流反冲激波中对宇宙射线加速的影响，揭示磁场强度变化对加速效率的决定性作用。
Comments Published for ApJ. 20 pages, 11 figures
One-Step Generative Channel Estimation via Average Velocity Field
通过平均速度场实现一步生成式信道估计
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出通过平均速度场实现一步生成式信道估计，有效降低延迟并提升性能
Comments 5 pages, 4 figures. Accepted by IEEE Wireless Communications and Networking Conference (WCNC) 2026
Efficient semantic uncertainty quantification in language models via diversity-steered sampling
通过多样性引导采样实现语言模型中的高效语义不确定性量化
机构 * Prescient Design, Genentech（普森设计，基因泰克） ； Center for Data Science, New York University（数据科学中心，纽约大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出一种多样性引导采样方法，通过注入语义相似性惩罚提升语言模型在问答任务中的不确定性估计效率，实现样本效率提升并覆盖更多语义簇。
Comments 10 pages (+7 appendix), 7 figures. Accepted at NeurIPS 2025
Enhanced Representation-Based Sampling for the Efficient Generation of Datasets for Machine-Learned Interatomic Potentials
增强的基于表示的采样：用于机器学习相互原子势高效数据集生成的方法
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出ERBS方法，通过增强采样生成高效数据集，提升机器学习相互原子势的训练效果和自扩散系数模拟精度。
Training-Efficient Text-to-Music Generation with State-Space Modeling
基于状态空间建模的高效文本到音乐生成
机构 * Graduate Institute of Communication Engineering, National Taiwan University（通讯工程研究所，国立台湾大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出基于状态空间模型的高效文本到音乐生成方法，通过减少参数和计算资源实现更高效率，同时保持与基准模型相当的性能。
Comments 9 pages, 3 figures. This is a preprint of a paper submitted to IEEE/ACM TASLP
Transport-Coupled Bayesian Flows for Molecular Graph Generation
耦合贝叶斯流的分子图生成
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Computing, Macquarie University（麦考瑞大学计算系） ； Wuhan University Shenzhen Research Institute（武汉大学深圳研究院）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 TopBF通过连续参数分布和准瓦瑟斯坦最优传输耦合，实现分子图生成的高效可控生成。
