标签
DiDrive是一种用于自动驾驶安全离线强化学习的风险感知分层扩散框架，通过集成表示学习和分布校正优化，提升复杂交通场景中的性能。
Celeris-1 Magnus 是一个针对智能体工作优化的混合扩散模型，在 τ³-bench banking 基准测试中，在中位时间 55 秒时达到 41.2% 的解决率，优于像 GPT-5.6-sol 这样的模型。
LayerRecall 通过选择性地将历史记忆路由到特定层，并在跨视野预测匹配的监督下，改善扩散模型中的长视频一致性。
我训练了一个1.2B DiT模型用于器乐游戏音乐生成，使用Stable Audio的VAE，旨在覆盖多样化的风格。该项目是开源的，包含一个WebUI和可在HuggingFace上获取的样本。
ADAPT是一种用于HVAC控制的物理感知条件扩散模型，能够降低能耗和使用者不适，并具有对未见环境的强大可迁移性。
Block3D 通过使用块级扩散和置信度引导的校正来加速文本到3D生成，减少推理时间，同时保持几何保真度，实现了5.15倍的加速。
一个人训练了一个扩散模型，在只有264KB RAM的Shrike lite微控制器上生成32x32像素的图像，尝试了FPGA加速但遇到了内存瓶颈，导致输出有时是噪声但有时很有趣。
DFlash 2 是一个用于投机解码的块扩散草稿模型，可提升 Qwen3.8-27B 语言模型的推理速度，在基准测试中提供更高的接受长度和吞吐量。
Molei Tao 介绍了 FLARE，这是一种扩散语言模型，其性能接近 GPT5，且推理速度显著更快。
UniSwap 是一个用于说话视频中联合音视频身份交换的新框架，利用统一的流式音视频扩散 Transformer 来替换外观和嗓音音色，同时保留源内容与动态。
Surg-UniWorld 是一个具有多模态控制专家的统一手术世界模型，支持利用边缘、深度和光流输入可控地生成连贯的器械-组织交互视频。它引入了一个新基准（Cholec80-SurgWAM），并且优于现有的可控视频生成方法。
本文提供将重新打包的MiniMax-Music-3模型文件放入ComfyUI目录中以用于音乐生成的说明。
本文介绍了一种基于条件扩散模型的概率集成模型，用于实时海啸淹没预报，与确定性预警相比，该模型提供了不确定性量化。利用2011年东北地区海啸数据进行验证，结果表明生成式AI可以将海啸预报从确定性方法转变为概率方法。
Scenema Audio，一款支持零样本声音克隆的表现力丰富的文本转语音模型，现已成为 ComfyUI 的原生自定义节点，并经过量化可在 8GB 显存上运行。此次发布新增了内联舞台指示提示、12 种预设语音，并简化了 ComfyUI 的提示词格式。
本文介绍了SynEnergy，一个两阶段基于扩散的框架，通过基于异构图的异常语义学习和异常语义引导扩散，在生成合成能源消耗数据的同时保留稀有异常事件。
UniNav是一个统一的世界-动作扩散模型，用于图像目标视觉导航。它在单个扩散过程中联合预测未来的视觉观察和航点轨迹，以高效推理实现了强大的基准测试结果。
提出MBDiff，一种用于概率性公用事业数据填补的多视图行为感知扩散模型，该模型从全局、局部和实例级视图学习用户行为，并使用条件注意力去噪网络。在佛罗里达州的真实公用事业数据上进行的评估表明，它优于最先进的基线模型。
提出存在场扩散模型（EFDM），通过带有存在变量的统一扩散过程联合建模点集的空间位置和基数，无需显式的离散转换。
本文提出了DiffTilt，一种分布性框架，通过指数倾斜扩散模型在环境和执行上的联合分布，高效发现自主系统和信息物理系统中的罕见安全关键故障，在ARCH-COMP基准测试和一个新的拖挂卡车基准测试中优于条件采样策略。
本文介绍了TriLayer，一个包含前景-背景-合成三元组的大规模视频数据集，以及DBL-Diffusion，一个用于显式分层视频表示的双分支扩散框架，实现了高保真度的对象插入和层分解。