标签
本文介绍了CoDiffGRN，一个用于基因调控网络推断的共进化离散扩散框架，以及一个新的归纳评估基准BEELINE-KGC。它在新型调控发现中取得了最先进的性能。
WanSong是一个纯扩散式音乐生成模型，能够一次性直接生成长达5分钟的高保真多语种歌曲，并输出双音轨（人声和背景音乐），解决了高效生成、长音频和可控性方面的挑战。
HDR 是一个统一框架，将层次化潜变量集成到因果视频生成中，用于多步视觉推理。与基线方法相比，它实现了更好的推理一致性、更低的延迟和强大的数据效率。
本文介绍了一种新颖的基于扩散的生成模型，用于基于结构的药物设计。该模型解耦了口袋和配体的表示学习，并融入了多尺度相互作用信号和属性感知优化，以生成具有更强结合亲和力和更优ADMET属性的可开发3D分子。
介绍广义泊松流（GPFlow），一种用于蛋白质设计的变长生成式框架，它学习非齐次广义泊松过程，实现灵活的序列长度探索，并在结构、序列和肽协同设计任务中提升可设计性。
介绍MobiDiff，一种端到端的离散扩散框架，通过对多通道语义骨架进行去噪来生成人类移动数据，在实际数据集上实现了更快的推理速度和具有竞争力的保真度。
本文介绍了CineMobile，一种高效的设备端图像到视频生成方法，通过蒸馏引导剪枝、扩散蒸馏和混合量化，相较于教师模型实现了40倍加速，使得在移动设备上实现电影级摄影机运动效果成为可能。
探讨了使用Google的Gemma扩散模型作为推测模型，以实现高效的大语言模型推理。
AMD 发布了 Micro-World，这是一个基于 Wan2.1 系列构建的动作控制交互世界模型，并提供了开源权重、代码和精心整理的数据集，用于可控世界建模。
一项对四个全新前沿AI模型（MiMo-V2.5-Pro、MiniMax M3、Mercury 2、LongCat-2.0）的测试，采用需要真正推理而非模式匹配的谜题，结果显示大多数模型表现尚可，但LongCat-2.0反复生成虚假信息并表现出虚假的自信。
CONFLUX是一种用于胸部CT合成的3D潜在扩散模型，能够实现高保真的体积生成，并具有可控的临床属性。通过强化学习后训练阶段增强了条件生成的可靠性。该模型及一个包含约20万胸部CT体积的合成数据集已发布。
本文介绍CoIn，一种新颖的3D场景修复框架，通过多阶段一致性流水线连接2D扩散模型与3D Gaussian Splatting，支持灵活遮罩下的物体移除与插入。
RS-Diffuser 提出了一种风险敏感的离线扩散规划框架，结合扩散轨迹生成和分布值批评器，通过尾部感知目标在推理时灵活调整风险偏好，在安全关键任务中提升了回报和鲁棒性。
本文介绍了A2World，一种基于扩散的世界模型，在大规模机器人操作数据上预训练，以学习可迁移的动态先验。该模型可适配为真实世界模拟器（A2World-sim）用于策略评估，或视频-动作联合预测模型（A2World-policy）用于动作预测，展示了在模拟器中心和策略中心的机器人学习中的优势。
PhysisForcing 是一种训练框架，通过基于 DiT 架构的像素级轨迹对齐和语义级关系对齐损失来强制物理一致性，从而增强机器人操作的具身视频生成，在基准测试上取得了显著改进。
本文提出了一种基于信道知识地图（CKM）的多无人机巡检轨迹规划框架，利用扩散模型重建高保真信道质量图，并结合图注意力网络与软演员-评论家算法实现通信感知路径规划。
本技术报告介绍了 Qwen-Image-2.0-RL，这是一个基于强化学习与人类反馈及在策略蒸馏的后训练流程，旨在提升图像生成与编辑任务中的视觉质量和指令遵循能力。
本文介绍了Prob-BBDM，一种概率性布朗桥扩散模型，能够从2D轴向切片高效高质量地合成MRI序列，仅需4步扩散即可达到88.46% SSIM和26.09 dB PSNR，并在肿瘤分割中展现出临床实用性。
NVIDIA 宣布推出 DFlash，一种用于推测解码的开源块扩散模型，在 Blackwell GPU 上可实现高达 15 倍的推理吞吐量提升，同时保持交互性。
本文提出了TryOnCrafter，一个用于相机可控视频虚拟试穿的新框架，利用可渲染的4D试穿代理和基于DiT的视频生成实现全方位视角探索，克服了现有方法依赖固定源相机轨迹的局限性。