diffusion

DiffusionGemma 技术报告已在 arXiv 上发布，目前正在推进 llama.cpp 的拉取请求，以便在 VRAM 有限的情况下实现更快的本地推理。

PRISM introduces a theory for designing reference processes in Schrödinger bridge models, showing that under finite computational budgets the optimal reference noise spectrum is determined by the sensor's information destruction spectrum. Experiments confirm the theory in Gaussian settings and identify where real images deviate.

面向 Minimax-h3-Turbo 视频生成模型的 Hugging Face 页面，提供通过 Diffusers 及 Colab/Kaggle 笔记本使用该模型的说明。

一位研究者思考这种不稳定的均衡：语言使用自回归模型，而其他模态使用扩散模型，并推测统一的多模态架构取决于每种模态揭示信息的顺序。他为此押下了赌注。

DiffImaginE是一篇研究论文，提出了一种基于扩散的多模态命名实体识别验证器，用条件潜扩散推理取代确定性想象，以实现更稳健的实体类型验证。

DiffusionGemma 是一个实验性的开放权重语言模型，通过离散扩散而非逐 token 解码来生成文本，从而实现极高速的生成。

JoyAI-Video-Edit 是一个具有 160 亿参数的自回归扩散框架，用于实时、开放式视频编辑，可在单个 NVIDIA B200 GPU 上实现约 30 FPS 的 720p 编辑。

Hunyuan3D-Buffalo 1.0 是一个用于3D生成、理解与编辑的统一多模态模型，基于87M规模的3D多模态语料库进行训练。它结合了Hunyuan3D-VLM和Hunyuan3D-DiT，在文本到3D生成和3D编辑基准上取得了最先进的性能。

AURORA-LM 提出了一种连续潜空间扩散语言模型，将可解码的文本表示与分布建模分离，在 OpenWebText 和 XSum 上取得了强劲性能，并扩展到 1B 参数规模。

关于如何从零实现基于Google Gemma架构的扩散模型的教程。

LeapTalk 提出了一种新颖的框架，通过单步桥接蒸馏克服了说话头生成中的延迟-质量权衡，实现了高达 200 FPS 的稳定实时生成，并减少了身份漂移。

MotifRole-Diff提出了一种用于分子图上掩码离散扩散的角色感知破坏调度，根据去噪难度和图级扰动影响分配掩码率，在QM9和MOSES基准测试上展示了改进的有效性和降低的FCD。

本文识别了无分类器引导蒸馏中的一种失败模式，称为负分支不对称性（Negative Branch Asymmetry），其中正负CFG分支中的错误相互抵消，并提出了正方向匹配（Positive-Direction Matching）来分别监督分支，以获得更鲁棒的蒸馏模型。

Celeris-1 是一种采用基于扩散的推理架构的新型语言模型，实现了接近 GPT-5 水平的智能，响应速度快 15 倍，吞吐量高。

Lightricks releases LTX-2.5, an open-weights world model for generating synchronized video and audio from text, image, and video inputs, with features like native multishot generation and a new diffusion video decoder.

提出自梯度强制（SGF），一种用于自回归视频扩散模型的双通训练策略，为写入有用的上下文记忆提供缺失的监督，即使在短训练窗口下也能实现强大的长视频外推。

Neural Drive 是一个基于动作条件的世界模型，专为 SuperTuxKart 设计，完全通过 WebGPU 在浏览器中运行，无需游戏引擎即可根据过去的帧和控制器输入预测游戏帧。

发布了一个模型(Stereo2Spatial)，可将立体声音乐曲目转换为空间化双声道混音，采用流匹配扩散和振幅提升技术以实现稳定训练。该模型及一款Windows应用均以Apache 2.0许可证开源。

本文提出，大规模文本到视频生成可作为计算机视觉的强大预训练范式，介绍了GenCeption，它在多种视觉任务上实现了最先进的性能，具有高数据效率和向未见领域的涌现泛化能力。

本文提出将模拟神经形态硬件上的固有器件噪声作为持续学习的资源，通过条件化每个权重的随机动力学以避免跨越记忆关键势垒，展示了非单调的保持性能提升，并在BrainScaleS-2硅基芯片上进行了验证。