标签
ED-CSP 是一种根据电子衍射图案预测晶体结构的机器学习模型，其匹配率优于基于粉末X射线衍射的 PXRDGen，并展示了多视图衍射数据的价值。
本文研究了一项自监督任务，即使用带有量化VAE分词器的自回归Transformer生成单细胞基因表达向量。文中报告了单细胞基础模型的缩放定律和计算最优前沿，并讨论了针对扰动预测进行微调的潜力。
Khushi 分享了她在 Action Chunking Transformers 和 Diffusion Policy 上的阅读笔记，解释了如何通过动作分块与生成模型（如 VAE 和扩散模型）改进机器人模仿学习，以及如何通过解耦规划与执行来解决推理延迟问题。
介绍了 Motion Beyond Morphology，一个通过学习抽象运动表示来在不同形态物体间迁移运动的框架，以及用于跨类别运动迁移的新 OpenVMT 数据集和基准。
本文介绍了潜核离散流映射（LKF），一种用于离散扩散模型的流映射核，通过共享潜变量捕捉位置之间的相关性，无需蒸馏即可实现少步生成，并改善了文本生成的困惑度。
FMOPF 使用潜在流匹配与约束感知交互先验，为交流最优潮流生成多样化、可行且接近最优的解，能扩展到数百个节点同时保持可行性。
Meshy T2 引入了一个基于流匹配的快速原生网格生成框架，结合顶点集网格 VAE，实现了最先进的几何保真度，端到端图像到网格生成中位时间仅 6 秒，比自回归基线快一个数量级以上。
TriGlue是一种受生物学启发的生成模型，通过先预测蛋白质-蛋白质界面，再基于界面生成分子胶，来设计分子胶诱导的三元复合物，从而实现靶向蛋白质降解。
介绍GNM，一种生成式人体测量的人类头部模型，包含头部、面部、颈部、眼球、牙齿和舌头，基于高分辨率3D扫描和艺术家制作的样本构建，达到了最先进的拟合性能。
ID-V2V 是一个用于身份保留视频重风格化的视频到视频生成框架。它将身份保留视为视频重光照问题，并使用编辑后的关键帧进行风格传播，无需配对训练数据即可实现高质量结果。
Signed Rectified Flow（Signed RF）将Rectified Flow泛化，以纳入负面信息和排除约束，使生成模型能够促进期望分布同时抑制非期望分布，在安全性、对齐以及保真度-多样性权衡等方面具有应用。
提出DiFA，一种无需训练的框架，将推理时的数据预测优化重新定义为使用卡尔曼滤波的序列状态估计，显著提升了CIFAR-10和ImageNet上的生成保真度。
本文研究了自由能原理下的“本体论反转”概念，使用卷积变分自编码器探究合成环境是否能永久取代系统的默认生成模型。研究发现表征准确性与默认行为之间存在解耦，并引入了“认知复发”现象，即系统部分回归其原始模型。
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。
本文介绍了Reward Transport方法，该方法在流匹配训练中使用最优传输耦合，将标量噪声坐标与分子奖励对齐，从而在推理时无需额外计算即可实现对logP和QED等分子属性的单调控制。
LATO.2是一个用于三维网格生成的分解式流匹配框架，它将生成过程分解为顶点流和基于顶点的连接流，实现了最先进的几何保真度和连接质量。
LingBot-World 2.0 是一个开源AI模型，能够生成持久、实时的游戏世界，分辨率720p，帧率60fps，运行超过60分钟无视觉退化。该模型采用14B参数模型，并附带1.3B轻量版，支持单GPU部署。
本文介绍了SigTPP，这是首个基于签名的时间点过程生成模型，该模型采用路径框架和到达间隔嵌入来克服基于似然方法的局限性，并在合成和真实世界数据集上展示了强大的实证性能。
SceneFrom3D 是一个框架，能够从输入几何数据中自动调度视图，生成高质量的户外3D场景，并实现对外观和几何一致性的对象级控制。
介绍 SPARROW，一种黑盒优化算法，它将生成先验与奖励信号解耦，从而在低预算下利用嘈杂或不可靠的反馈实现有效优化。