图像生成

Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning

通过真实到仿真到真实触觉策略学习的盲操作灵巧抓取

Shengcheng Luo, Xiyan Huang, Zhe Xu, Wanlin Li, Ziyuan Jiao, Chenxi Xiao

机构 * ShanghaiTech University（上海科技大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种结合Real2Sim触觉校准、布局感知触觉编码器和触觉条件扩散策略的框架，实现仅依赖触觉的灵巧手盲抓取，在真实机器人上对20个物体达到27%成功率。

Comments 23 pages, 6 figures

Direct nanoscale observation of melting and solute redistribution in a hypoeutectic Al-Cu alloy with $\it{in\ situ}$ STEM

原位STEM直接纳米尺度观察亚共晶Al-Cu合金的熔化和溶质再分布

Martin Hasenburger, Rostislav Daniel, Phillip Dumitraschkewitz, Thomas M. Kremmer, Matheus A. Tunes, Stefan Pogatscher

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用原位STEM加热技术，纳米尺度观察亚共晶Al-Cu合金的熔化过程，发现晶界优先形成共晶液相，Al2Cu相先熔化，液态Cu长距离再分布导致富Al边缘和Cu富集。

Flow Matching with In-Context Priors for Out-of-Distribution Brain Dynamics

基于上下文先验的分布外脑动力学流匹配

Sam Gijsen, Michał Łukomski, Marc-André Schulz, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（赫蒂人工智能脑健康研究所，图宾根大学） ； Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； Charité – Universitätsmedizin Berlin, Department of Psychiatry and Psychotherapy（柏林夏里特医学院，精神病学与心理治疗系） ； German Center for Mental Health (DZPG), partner site Tübingen（德国心理健康中心（DZPG），图宾根合作站点） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种逐时间步条件扩散Transformer，通过注入组合语言和可选空间先验，实现未见认知任务下fMRI脑动力学的零样本生成，支持反事实神经科学。

Comments Code and pretrained models available at https://github.com/SamGijsen/pinc-flows

SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning

SAFER-Nav: 通过分割感知微调增强视觉机器人导航的安全性

Geonyeong Ko, Giung Lee, Changjoo Nam

机构 * Dept. of Electronic Engineering, Sogang University（西江大学电子工程系） ； Dept. of Computer Science, Rice University（莱斯大学计算机科学系） ； Vertical Labs, Co., Ltd.（Vertical Labs 有限公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出SAFER-Nav方法，通过分割感知微调将障碍物边界和可通行空间结构直接融入导航策略，降低碰撞频率并保持目标到达性能。

Adversarial Attacks on Learned Policies for Surgical Robotic Tasks

针对手术机器人任务学习策略的对抗攻击

Shutong Jin, Ziyang Chen, Preethi Satish, Paavan Gupta, Florian T. Pokorny, Ken Goldberg

机构 * University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究学习型策略在机器人辅助手术中易受对抗攻击的脆弱性，提出破坏性和引导性攻击方法，实验表明攻击可使手术子任务成功率平均降低61%。

Physics-informed generative AI for semiconductor manufacturing: Enforcing hard physical constraints in generative models by construction

物理信息驱动的生成式AI在半导体制造中的应用：通过构造强制生成模型中的硬物理约束

Yaser Mike Banad, Sarah Sharif

机构 * School of Electrical and Computer Engineering, University of Oklahoma（俄克拉荷马大学电气与计算机工程学院） ； Center for Quantum Research and Technology, University of Oklahoma（俄克拉荷马大学量子研究与技术中心） ； Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Laboratory（创新研究与工程智能神经形态与量子理解实验室） ； Material Science and Engineering Program, University of Oklahoma, Norman, OK 73019 USA（俄克拉荷马大学材料科学与工程项目，Norman, OK 73019 USA） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对半导体制造中生成模型必须满足硬物理约束的问题，本文提出通过构造集成物理信息（如物理信息扩散、PDE约束变分模型等）来强制约束，而非事后过滤，并给出四种集成模式和未来研究方向。

ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation

ProHiFlo: 具有功能引导的分层流匹配用于从头蛋白质生成

Chuanzhen Wang, Meade Cleti, Pete Jano

机构 * Arizona State University（亚利桑那州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Tongji University（同济大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出ProHiFlo，一种分层流匹配框架，通过粗到细生成、功能引导和自适应SE(3)等变架构，实现高效、准确的从头蛋白质生成，在酶活性位点支架任务中成功率58.9%。

Comments 23 pages

A Hybrid LSMC-PDE Method for Bermudan Option Pricing under the Gatheral Double Mean-Reverting Model

Gatheral双均值回复模型下百慕大期权定价的混合LSMC-PDE方法

Mara Kalicanin Dimitrov, Ying Ni

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对Gatheral双均值回复随机波动率模型，提出混合最小二乘蒙特卡洛-偏微分方程方法，通过条件模拟和傅里叶变换降维，实现百慕大期权高效定价。

Mean-field theory via dissociated arrays for particle systems interacting through noisy weights

通过解离阵列的粒子系统在噪声权重交互下的平均场理论

Nicolas Fournier, Datong Zhou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究粒子通过有噪声权重的边交互的N粒子系统平均场极限，构造非线性SDE并证明解离顶点-边结构的传播，给出定量耦合估计和经验测度收敛。

A Unified Zeroth-Order Approach for Decentralized Minimax Optimization

面向去中心化极小极大优化的统一零阶方法

Haoyuan Cai, Yike Zhao, Aleksandar Armacki, Jie Chen, Ali H. Sayed

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出ZOMA框架，通过混合零阶估计器、偏差校正和加速技术的统一，实现多智能体非凸PL极小极大优化，达到与集中式方法匹配的收敛保证并具有线性加速。

Local and global strong solutions to a reduced model for inviscid micropolar fluids

无粘微极性流体简化模型的局部和全局强解

F. Fanelli, P. G. Fernández Dalgo, M. E. Martínez Martini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究无粘微极性流体二维简化模型的适定性，在Besov空间中建立局部强解的存在唯一性，并在次临界条件下证明全局存在性。

Comments Submitted

Recovering the initial condition and physical coefficients in a nonlinear PDE model of cell invasion

细胞侵袭非线性PDE模型中初始条件与物理系数的恢复

Beiji Chen, Kui Ren

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对细胞侵袭非线性反应扩散模型，利用Carleman估计建立反应系数全局唯一性与Lipschitz型稳定性，以及初始条件的对数稳定性，并提出两阶段数值算法。

Linear Combination of Hamiltonian Simulation with Commutator Scaling

哈密顿模拟的线性组合与交换子缩放

Junaid Aftab, Dong An, Konstantina Trivisa

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于交换子敏感的哈密顿模拟线性组合框架，通过多乘积公式实现耗散线性动力学模拟，分析求积规则对误差和查询复杂度的影响，并应用于分数扩散、对流扩散和开放量子系统。

Comments 45+15 pages. Comments are welcome

Spectrally Regularized Latent Flow Matching for Turbulence Generation

谱正则化潜流匹配用于湍流生成

Khalid Rafiq, Aditya G. Nair

机构 * Department of Mechanical Engineering, University of Nevada, Reno（内华达大学里诺分校机械工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对潜扩散和流匹配模型在湍流生成中低估耗散区振幅的问题，提出谱正则化潜流匹配框架，通过区域加权对数谱目标将深度耗散保留谱功率从25%提升至94%，并显著改善采样成本-保真度权衡。

Comments Accepted at the AI4Physics Workshop at ICML 2026. OpenReview: https://openreview.net/forum?id=MEZ1otYgXS

Translation dynamics of evaporating sessile binary-mixture droplet populations

蒸发固定二元混合物液滴群体的平移动力学

Debarshi Debnath, Anna Malachtari, George Karapetsas, Daniel Orejon, Khellil Sefiane, Alidad Amirfazli, Omar K. Matar, Prashant Valluri

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究二元混合物液滴对的平移动力学，通过理论模型和实验验证，揭示了溶质马兰戈尼、毛细效应和热马兰戈尼共同决定液滴的吸引、排斥和追逐行为。

Comments 44 pages, 18 figures

Loss Landscape Diagnosis for Gradient-Based Gray-Scott System Inversion: Disentangling the Roles of PINN Components

基于梯度的Gray-Scott系统反演的损失景观诊断：解构PINN各组件的角色

Yan Yang

机构 * Yan Yang（杨 Yan） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过直接反向传播稳态损失至未折叠的Gray-Scott模拟，发现优化因损失景观中的平坦高原和陡峭悬崖而失败，而PINN中的残差损失通过隐式编码完整PDE动力学避免了该病理现象。

Comments Accepted at the AI4Physics Workshop, ICML 2026 (non-archival). 14 pages, 10 figures

Improving the Angular Resolution of IBD Events Using Neutron Capture Information in Super-Kamiokande

利用超级神冈探测器中的中子俘获信息提高IBD事件的角度分辨率

Qishan Liu, Kenny C. Y. Ng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过Geant4模拟，证明在超级神冈探测器中利用中子俘获信息可在统计上提高逆β衰变事件的中微子方向性重建，并讨论了检测效应的影响。

Comments 17 pages, 21 figures. Comments are welcome

Tracking atomic-scale interdiffusion in immiscible bimetallic nanoparticles via four-dimensional electron tomography

通过四维电子断层扫描追踪不混溶双金属纳米颗粒中的原子尺度互扩散

Jisheng Xie, Dijin Jiang, Zhen Sun, Yiheng Dai, Zezhou Li, Yao Zhang, Jihan Zhou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用四维原子分辨率电子断层扫描和原位扫描透射电镜，揭示了不混溶PdIr纳米颗粒在远低于熔点的温度下由互扩散驱动的原子尺度混溶转变，包括表面重构、原子跳跃和界面扩散等中间过程。

Comments 14 pages, 4 figures

Shape-space dynamics and geometric pattern formation in nonreciprocal slender bodies

非互易细长体中的形状空间动力学与几何图案形成

Balázs Németh, Mohamed Warda, Ronojoy Adhikari

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于欧几里得对称性不变性，推导非互易细长体的形状空间弹性流体动力学公式，揭示活性驱动不稳定性产生稳态、振荡和混沌图案，并联系刚体运动、游动和混沌运动。

Studying hot evolved stars with ultraviolet spectroscopy

利用紫外光谱研究热演化星

Stephan Geier, Nicole Reindl, Matti Dorsch, Vikrant Jadhav, Helge Todt, Klaus Werner, Ulrich Heber, Marcelo M. Miller Bertolami, Tiara Battich, Semih Filiz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文综述了热演化星在理解类太阳恒星演化、双星相互作用及超新星物理中的关键作用，并强调了HST紫外光谱观测与模型在推动该领域及为HWO做准备中的重要性。

Comments Building a Roadmap for Hubble science into the 2030s White Paper, 5 pages

Planet formation at the inner edge of the dead zone II. Outbursts, rings, vortices, and suppression of planetesimal formation

死区内部边缘的行星形成 II. 爆发、环、涡旋及星子形成的抑制

Alexandros Ziampras, Tilman Birnstiel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过高分辨率二维辐射流体动力学模拟，发现吸积爆发在罗斯比波不稳定性下产生大量小尺度涡旋，合并后形成单一紧凑涡旋，强烈抑制星子形成，但爆发后星子形成会恢复。

Comments 12 pages, 12 figures; submitted to A&A; uploaded for visibility in 3rd PFITS+ Meeting; comments very welcome!

Optimal Illumination via Joint Movement and Phase Optimization for Movable Antenna-RIS Configuration

可移动天线-RIS配置的联合移动与相位优化的最优照明

Yan Zhang, Nicola Marchetti, Indrakshi Dey

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出可移动天线增强RIS架构，利用随机微分方程建模天线移动，通过两时间尺度框架优化长期信噪比，实现高达36 dB稳态增益和16倍能效提升。

Tractogram foundation model

TractFM：纤维束图基础模型

Guikun Chen, Yuqian Chen, Yijie Li, Yogesh Rathi, Nikos Makris, Fan Zhang, Wenguan Wang, Lauren J. O'Donnell

机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University, Hangzhou（脑机智能国家重点实验室，浙江大学，杭州） ； Department of Radiology, Brigham and Women’s Hospital, Mass General Brigham, Boston（放射科，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Harvard Medical School, Boston（哈佛医学院，波士顿） ； Academy of Medical Engineering and Translational Medicine, Tianjin University, Tianjin（医学工程与转化医学研究院，天津大学，天津） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu（信息与通信工程学院，电子科技大学，成都） ； Psychiatry Neuroimaging Laboratory, Brigham and Women’s Hospital, Mass General Brigham, Boston（精神病神经影像实验室，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Department of Psychiatry, Center for Morphometric Analysis, Massachusetts General Hospital, Boston（精神病科，形态分析中心，马萨诸塞总医院，波士顿） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出TractFM基础模型，直接从全脑纤维束集学习可复用表示，结合局部纤维编码器和置换等变纤维束编码器，通过密集解剖束分割预训练，实现纤维束级和受试者级任务的迁移。

Test-Time Gradient Guidance of Flow Policies in Reinforcement Learning

强化学习中流策略的测试时梯度引导

Zhiyuan Zhou, Andy Peng, Charles Xu, Qiyang Li, Tobias Springenberg, Kevin Frans, Sergey Levine

机构 * UC Berkeley（加州大学伯克利分校） ； Physical Intelligence 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出QGF算法，通过预训练参考流策略和价值函数，在测试时利用价值梯度引导策略生成高价值动作，无需额外策略学习，在离线RL基准上优于现有测试时方法且与训练时方法竞争力相当。

Exploring the Design Space of Reward Backpropagation for Flow Matching

探索流匹配的奖励反向传播设计空间

Ruoyu Wang, Boye Niu, Xiangxin Zhou, Yushi Huang, Tongliang Liu, Chi Zhang

机构 * Westlake University（西湖大学） ； Tencent Hunyuan（腾讯混元） ； University of Sydney（悉尼大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 扩散模型 ：text-to-image(abstract)

AI总结 针对文本到图像流匹配模型，提出统一代理轨迹框架FlowBP，通过设计反向轨迹（稀疏重建、桥耦合、拉格朗日积分）解决直接奖励反向传播中的内存和梯度爆炸问题，在多个模型和指标上优于基线。

What Fits (Into Few Tokens) Doesn't Overfit: Compression and Generalization in ML Research Agents

什么适合（少量标记）就不会过拟合：ML研究智能体中的压缩与泛化

Martin Andres Bertran, Aaron Roth, Zhiwei Steven Wu

机构 * Amazon Responsible AI（亚马逊负责任人工智能） ； University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究LLM驱动的科研智能体在输出和输入压缩下能否保持性能，发现短提示和可压缩反馈足以复现高性能模型，支持成功策略位于低复杂度区域的假设。

Fast and Highly Expressive Policy Learning for Offline Reinforcement Learning via Bootstrapped Flow Q-Learning

基于自举流Q学习的离线强化学习快速且高表达性策略学习

Thanh Nguyen, Tri Ton, Hongbin Choe, Tung M. Luu, Chang D. Yoo

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出自举流Q学习（BFQ），通过分治位移向量并自举短程分量，实现单步动作生成，无需辅助网络或蒸馏，显著降低计算成本并提升性能。

Comments ICML 2026, 19 pages

Journal ref ICML 2026

Machine Learning Methods for Studying Latent Neural Activity Dynamics

研究潜在神经活动动力学的机器学习方法

Shufeng Kong, Fumei Deng, Xinyi Dong, Caihua Liu, Weiwei Chen, Yingheng Wang, Daniel Cao, Azahara Oliva, Antonio Fernandez-Ruiz, Carla Gomes

机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Neurobiology and Behavior, Cornell University（康奈尔大学神经生物学与行为学系） ； Department of Ecology and Evolutionary Biology, Cornell University（康奈尔大学生态学与进化生物学系） ； School of Computer Science and Artificial Intelligence, Foshan University（佛山大学计算机科学与人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 综述从状态空间模型到深度生成模型的潜在变量模型，涵盖单区域动力学、多区域通信和行为对齐建模，并讨论大规模神经基础模型及未来挑战。

Comments Accepted by IJCAI 2026 survey track

A Continuous-Time Markov Chain Framework for Insertion Language Models

插入语言模型的连续时间马尔可夫链框架

Dhruvesh Patel, Benjamin Rozonoyer, Soumitra Das, Tahira Naseem, Tim G. J. Rudner, Andrew McCallum

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； IBM Research（IBM研究院） ； University of Toronto（多伦多大学） ； Vijil（维吉尔） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出基于连续时间马尔可夫链的插入语言模型去噪框架，统一现有方法，在规划任务中优于自回归和掩码扩散模型，语言建模中与现有方法竞争且采样更灵活。

Comments Accepted at AISTATS 2026. Code is available at https://github.com/dhruvdcoder/ctmc_dilm

Compositional Generative Modeling from Decentralized Data

来自分散数据的组合生成建模

Mashrur M. Morshed, Vishnu Naresh Boddeti

机构 * Department of Computer Science and Engineering, Michigan State University, East Lansing, MI, USA（计算机科学与工程系，密歇根州立大学，东兰辛，MI，美国） 纠错

专题命中 扩散模型 ：image generation(abstract)

AI总结 提出去中心化组合流匹配（DCFM）框架，通过结构约束实现分散数据中生成因子的组合，无需交换原始数据，在条件图像生成、机器人空间规划和医学属性共现建模中显著优于基线。

Comments ICML 2026