#扩散模型

一篇论文提出 COFLOW，按 prompt 动态决定扩散步数，图像视频都能提速 2.5 倍还不用重训模型，做生成的可以看看。

医学影像合成的怕生成得像但解剖错了，这篇用 AortaDiff 加 6 种不确定性方法来量化这事，MCDropout 免训练就能用

一篇挺有意思的分析论文：单步生成模型里，扩散的多步去噪没消失，而是挪到了网络各层里，还能借此把 MeanFlow SiT-L/2 压缩 16.6 倍参数。

一篇扩散模型微调的论文，教你怎么给少步掩码扩散模型做奖励微调，还能少 32 倍去噪步数，做生成方向的可以看看。

这篇论文揭示了扩散模型在有限预算训练下的特征选择性崩溃机制，对理解模型长期训练稳定性很有价值。

新提出的HC-DLM模型解决了扩散语言模型的统计依赖问题，在多个任务上表现优异。

OpenAI新研究提出两种蒸馏方法，大幅降低扩散模型计算成本，4次评估即可生成1024个高质量token。

CDMD让一个模型搞定多种表格数据，比单独训练多个模型参数更少效果更好，代码已开源。

清华团队提出SplitMoE，解决视频扩散模型均匀性陷阱，生成质量更优。

这篇论文提出了一种新方法，能处理模拟器与数据不匹配的情况，在生物信号模型中表现优异。

清华团队发布HamiFormer，用双专家扩散场解决动力学预测问题，在碰撞模拟上比现有模型误差降低超20%。

一篇把扩散模型搬进推理赛道的新论文，LFRM 用 638M 参数在 GSM8K 拿到 63.74%，比同规模的连续扩散基线都强，搞生成范式研究的可以看看。

单步生成图像的论文，用高斯混合做分布匹配，把 FLUX.2 4B 改成一步出图还比原来四步更好，搞生成的可以看看方法细节。

一篇把扩散采样和非凸优化联系起来的理论论文，证明了反向 SDE 流在强凸势下的指数收缩速率，做扩散模型理论方向的朋友可以看看。

如果你在调扩散模型，这篇讲清楚了为什么高维潜空间里速度预测费劲，换成 x0-预测就能稳定涨点，思路很实用。

一个做 3D 点云生成的新扩散架构 EMERGE，用图神经网络替代常规网格化管线，一次训练就能在任意分辨率零样本出结果，做 3D 生成的话可以看看这篇。

把扩散模型控制策略跑进宇树 G1 实机：Jetson 上单帧不到 20ms，文本指定动作比基线更准

阿里拿生产数据量化LoRA适配器共现规律，66.1%延迟开销这类数字，做推理服务的会想看。

斯坦福团队新提出的CSBP并行策略，能让扩散模型训练速度大幅提升，特别是长上下文场景，值得看看。

Stanford AI Lab@StanfordAILab原文

智谱新出的dQwen3.5系列模型，用混合注意力架构改造自Qwen3.5，在训练效率上比全注意力架构有优势。

这个新模型 DB-SUiT 能把 MRI 转成更接近真实 PET 的图像，对痴呆症诊断更准，比直接用 MRI 好很多。

扩散模型在Sudoku等离散任务表现提升，直接采样+自纠正训练让错误率大幅下降。

MIT 团队打造实体化 AI 艺术装置，通过物理操控电视天线体验扩散模型生成过程，比纯软件交互更直观。

论文解决了退化扩散模型条件化的难题，提出基于因果最优传输的新方法，适用于传统分数函数失效的场景。

DiffSAC用扩散模型优化采样过程，只需评估几十个假设就能达到传统方法数万个假设的效果，大幅提升计算机视觉鲁棒估计效率。

你说的那个MDTI模型，用掩码扩散来做时间序列插值，效果比之前的方法都强，感兴趣的话可以去了解下

老张他们团队发的新研究，用贝叶斯分类看扩散模型适应高维数据，比之前方法效果更好了。

OYS方法用贝叶斯优化调整扩散模型采样，5步就能达到50步的质量，速度提升10倍，还不需额外训练。