An Efficient and Multi-Modal Navigation System with One-Step World Model
一种高效且多模态的导航系统与一步世界模型
机构 * Tsinghua University（清华大学） ； Xiaomi (China)（小米（中国））
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种高效多模态导航系统，通过一步世界模型和3D U-Net骨干网络，提升导航效率和鲁棒性。
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
${\bf \frac{h}{e}}$ flux quantization in metals due to Berry phase coherence
${\f \ rac{h}{e}}$ 通量量子化在金属中的现象源于 Berry 阶段相干
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究揭示了 Berry 阶段相干如何在金属中通过 chiral 一维态与本征态的相互作用导致宏观尺度的通量量子化现象。
Noise-induced resonant acceleration of a charge in an intermittent magnetic field: an exact solution for ergodic and non-ergodic fluctuations
噪声诱导的磁场所致电荷共振加速：对 ergodic 和非 ergodic 振荡的精确解
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究噪声诱导共振加速机制，揭示其在非 ergodic 情况下的精确解析解及高效电荷加速特性。
Comments 13 pages, 6 figures
Journal ref Chaos, Solitons and Fractals 203,117670 (2026)
Strong Solutions and Quantization-Based Numerical Schemes for a Class of Non-Markovian Volatility Models
强解与基于量化的方法在一类非马尔可夫波动模型中的应用
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于扩展Lamperti变换的函数量化方案，用于解决非马尔可夫波动模型中的强解存在性和唯一性问题。
High-accuracy and dimension-free sampling with diffusions
高精度和无维度的扩散采样
机构 * UC Berkeley（伯克利大学） ； Harvard University（哈佛大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于低次近似与插值方法的扩散模型求解器，实现了高精度采样且不依赖环境维度。
An efficient probabilistic scheme for the exit time probability of $α$-stable Lévy process
一种高效的概率方案用于α-稳定莱维过程的退出时间概率
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出一种高效方法，通过结合布朗运动与复合泊松过程，计算α-稳定莱维过程的退出时间概率，提升异常传输问题的计算效率。
ReflexDiffusion: Reflection-Enhanced Trajectory Planning for High-lateral-acceleration Scenarios in Autonomous Driving
ReflexDiffusion：面向自动驾驶高侧向加速度场景的反射增强轨迹规划
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 ReflexDiffusion通过反射调整机制提升自动驾驶在高侧向加速度场景下的轨迹规划安全性与可靠性。
Comments Accepted by AAAI 2026
Time-complexity of sampling from a multimodal distribution using sequential Monte Carlo
使用序贯蒙特卡罗方法从多模分布中采样的时间复杂度
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 该研究探讨了在低温下使用序贯蒙特卡罗方法从多模分布采样的时间复杂度，分析了几何退火调度与兰格-丹德扩散的效率，并得出了收敛性的数学结果。
Comments 65 pages, 5 figures
Non-thermal particle acceleration in multi-species kinetic plasmas: universal power-law distribution functions and temperature inversion in the solar corona
多物种等离子体中非热粒子加速机制：通用幂律分布函数与日冕温度倒置
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种自洽的准线性理论，解释了多物种等离子体中非热幂律分布的形成及日冕温度倒置现象。
Comments Submitted to Physics of Plasmas (invited paper for the 67th Annual Meeting of the APS Division of Plasma Physics); 20 pages, 7 figures, 1 table; comments welcome
PorousGen: An Efficient Algorithm for Generating Porous Structures with Accurate Porosity and Uniform Density Distribution
PorousGen: 一种高效的生成多孔结构的算法，具有准确的孔隙率和均匀的密度分布
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 PorousGen通过高效算法生成具有准确孔隙率和均匀密度分布的多孔结构，显著提升孔隙率控制精度和计算效率。
Comments 15 pages, 5 figures
Journal ref Computational Materials Science, 264, (2026) 114478
Model-free Optical Processors using In Situ Reinforcement Learning with Proximal Policy Optimization
无模型光学处理器使用原位强化学习与近端策略优化
专题命中 效率与蒸馏 ：image generation(abstract)
AI总结 本文提出利用近端策略优化的无模型强化学习方法，实现衍射光学处理器的原位训练，有效解决物理系统优化与对齐问题，提升收敛速度和性能。
Comments 19 Pages, 7 Figures
Journal ref Light: Science & Applications (2026)
70% Size, 100% Accuracy: Lossless LLM Compression for Efficient GPU Inference via Dynamic-Length Float (DFloat11)
机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Department of Computer and Data Sciences, Case Western Reserve University（计算机与数据科学系，凯斯西储大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
Comments Published in NeurIPS 2025
Effect of Magnetised Discontinuity on Diffusive Shock Acceleration
磁化不连续性对扩散冲击加速的影响
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究探讨了磁化不连续性对扩散冲击加速中粒子能量谱的影响，发现磁化能增强粒子约束并提高能量增益，pitch角依赖扩散显著降低谱陡度。
Comments 21 pages, 7 figures and have substantial changes from previous version
AudioGAN: A Compact and Efficient Framework for Real-Time High-Fidelity Text-to-Audio Generation
AudioGAN: 一种用于实时高保真文本到音频生成的紧凑高效框架
机构 * KT Corporation（KT公司）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 AudioGAN通过单次通过生成音频，以更少的参数和更快的速度实现高保真文本到音频生成。
Comments 10 pages, 6 figures, Accepted to AES AIMLA 2025
Tilt Matching for Scalable Sampling and Fine-Tuning
倾斜匹配用于可扩展的采样与微调
机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯普纳研究所） ； IAIFI
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于倾斜匹配的算法，用于高效且可扩展地进行生成模型采样与微调，无需奖励梯度或轨迹反向传播。
Variationally correct operator learning: Reduced basis neural operator with a posteriori error estimation
变分正确的算子学习：带有后验误差估计的降阶神经算子
机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mathematics（数学系） ； University of South Carolina（南卡罗来纳大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出一种变分正确的降阶神经算子，通过FOSLS目标函数和后验误差估计提升PDE兼容性，实现高效准确的算子学习。
SA-DiffuSeq: Addressing Computational and Scalability Challenges in Long-Document Generation with Sparse Attention
SA-DiffuSeq：通过稀疏注意力解决长文档生成中的计算和可扩展性挑战
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 SA-DiffuSeq通过稀疏注意力机制提升长文档生成的效率和可扩展性，有效降低计算成本并增强生成质量。
Comments Under submission
MeanFlow-TSE: One-Step Generative Target Speaker Extraction with Mean Flow
MeanFlow-TSE: 一步生成目标说话人提取方法
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 MeanFlow-TSE通过均值流目标实现一步生成，提升实时目标说话人提取的效率和质量。
Comments 6 pages, 2 figures, 2 tables
An adaptive finite element multigrid solver using GPU acceleration
一种利用GPU加速的自适应有限元多重网格求解器
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本研究开发了一种利用GPU加速的自适应有限元多重网格求解器，通过线性代数操作实现高效计算，显著提升了求解非稳态纳维-斯托克斯方程等复杂问题的速度。
A Short Report on Importance Sampling for Rare Event Simulation in Diffusions
关于扩散过程中稀有事件模拟中重要性采样的简要报告
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于谱参数化和交叉熵方法的重要性采样技术，用于高效模拟扩散过程中的稀有事件。
Hadamard Langevin dynamics for sampling the l1-prior
Hadamard Langevin动态用于采样l1先验
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出Hadamard Langevin动态方法，用于采样l1先验，通过非光滑对数密度的参数化，实现精确后验恢复，并建立理论基础。
Multi-Fidelity Delayed Acceptance: hierarchical MCMC sampling for Bayesian inverse problems combining multiple solvers through deep neural networks
多保真度延迟接受：用于贝叶斯反问题的分层MCMC采样，通过深度神经网络结合多个求解器
机构 * The Alan Turing Institute, London, NW1 2DB, UK（艾伦·图灵研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出多保真度延迟接受方法，通过深度神经网络结合多个求解器，提升贝叶斯反问题的计算效率和精度。
Comments 28 pages, 8 tables, 3 algorithms, 16 figures
Fast and Accurate Causal Parallel Decoding using Jacobi Forcing
快速且准确的因果并行解码使用雅可比强迫
机构 * UC San Diego（UC圣迭戈大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snowflake（Snowflake公司）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出雅可比强迫方法，通过渐进蒸馏将AR模型转化为高效的并行解码器，实现3.8倍的速度提升并保持性能，同时引入多块解码与拒绝回收进一步提升效率。
Transition to Petschek Reconnection in Subrelativistic Pair Plasmas: Implications for Particle Acceleration
亚相对论等离子体中向佩斯切克重联转变：对粒子加速的启示
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 研究亚相对论等离子体中重联几何转变及其对粒子加速的影响，揭示佩斯切克几何与等离子体链在能量谱上的差异。
Comments 13 pages, 9 figures, accepted to ApJ. Comments welcome
Tracking large chemical reaction networks and rare events by neural networks
通过神经网络追踪大规模化学反应网络和罕见事件
机构 * Institute of Data Science, University of Hong Kong, Hong Kong（数据科学研究所，香港大学） ； Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University, Zhuhai 519087, China（艺术与科学学院系统科学系，北京师范大学） ； School of Physics, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学物理学院） ； School of Physical Science and Technology, Beijing University of Posts and Telecommunications, Beijing 102206, China（邮电大学物理科学与技术学院） ； Institute of Theoretical Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院理论物理研究所） ； School of Cyber Science and Technology, University of Science and Technology of China, Hefei 230027, China（科学技术大学网络科学与技术学院） ； School of Fundamental Physics and Mathematical Sciences, Hangzhou Institute for Advanced Study, UCAS, Hangzhou 310024, China（杭州高等研究院基础物理与数学科学学院） ； Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学基础与前沿科学研究所） ； Non-classical Information Science Basic Discipline Research Center of Sichuan Province, University of Electronic Science and Technology of China, Chengdu 611731, China（四川省非经典信息科学基础学科研究中心，电子科学与技术大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出通过神经网络高效追踪大规模化学反应网络及罕见事件的方法，结合优化算法和增强采样策略，实现显著加速和高精度建模。
SuperGen: An Efficient Ultra-high-resolution Video Generation System with Sketching and Tiling
SuperGen: 一种高效的超高清视频生成系统，支持草图和分块
机构 * Rice University（里士满大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯农工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco（思科公司） ； NVIDIA（英伟达公司） ； University of Washington（华盛顿大学）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 SuperGen通过分块技术实现高效超高清视频生成，无需额外训练，降低计算和内存成本，提升生成速度和质量。
Training-Time Action Conditioning for Efficient Real-Time Chunking
训练时的动作条件化以实现高效的实时分块
机构 * Physical Intelligence（物理智能）
专题命中 效率与蒸馏 ：inpainting(abstract)
AI总结 本研究提出在训练时模拟推理延迟并直接条件化动作前缀，以实现更高效、计算成本更低的实时机器人控制。
Flatten Graphs as Sequences: Transformers are Scalable Graph Generators
将图扁平化为序列：Transformer是可扩展的图生成器
机构 * Max Planck Institute of Biochemistry（马克斯·普朗克生物化学研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 AutoGraph利用Transformer模型将图扁平化为序列，实现高效可扩展的图生成，生成速度比扩散模型快100倍，并展示出良好的迁移能力。
Comments Camera-ready version published at NeurIPS 2025
Taylor Approximation Variance Reduction for Approximation Errors in PDE-constrained Bayesian Inverse Problems
偏微分方程约束贝叶斯反问题中近似误差的泰勒近似方差缩减
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 本文提出了一种基于泰勒展开的高维PDE约束贝叶斯反问题中近似误差方差缩减方法，通过线性化PDE求解高效计算均值和协方差，提升计算效率。
Plug-and-Play Homeostatic Spark: Zero-Cost Acceleration for SNN Training Across Paradigms
即插即用的稳态火花：跨范式的零成本加速SNN训练
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 AHSAR通过保持层活动在适度范围内，实现跨范式的零成本加速SNN训练。
Comments 12 pages, 4 figures
