#扩散模型

这篇论文用扩散模型搞出了能生成可解推箱子的办法，不用求解器，成功率77.4%，失败的大多拆一面墙就能救回来，而且开源可用。

不用跑完整扩散过程，第一次预测噪声就能判断异常，速度快还更准，时序异常检测可以看看这个方法。

推文聊了个反直觉观点：写代码的 LLM 在生成艺术、视频编辑、3D 游戏等创意任务上，可能比扩散模型更强。

elvis@omarsar0原文

这篇用扩散模型估计奖励和转移核，再学Q*，收敛率给得很细，还绕开了RL里常见的完整性假设。

这论文搞了个叫DARTree的采样方法，不用训练就能让模型跑得更快，最多比原来快9倍多，数学和代码任务上都有效。

想省离散扩散采样算力？这篇用UGC度量自动排去掩码节奏，常数个块逼近理论最优误差，给√d维数增益例子。

如果你在做低比特量化，ReRound用扩散模型解决RTN的中点模糊，3/4比特下比RTN更准，还不用校准数据，值得看看。

DynaCrys把空间群和元素组成一起做扩散，两个评测引擎下都是最好成绩，生成还快，搞材料的人可以看看。

这篇论文提出用时间差异做视频生成音频，不用额外网络，效果还超过了对比预训练方法，值得做V2A的人看看。

这篇论文用病理数据预训练模型改进了FID/IS指标，发现比ImageNet特征更贴合下游分割任务，搞病理AI的值得看。

这篇论文给扩散模型加了个奖励寄存器，不用改生成器就能获得稠密奖励，训练比在线 RL 快 33 倍，做生成对齐的可以看看。

这篇论文用分层扩散模型学电网数据分布，生成场景不用后处理就能过AC潮流验证，做电力系统研究可参考。

AtumAI 能自动写数据中心控制策略，你输入一句话它就出方案，论文里三个任务都赢过专家手调基线。

这篇arxiv论文把扩散模型和大语言模型在医学影像里的应用讲得挺清楚，还介绍了基础模型怎么建，适合想了解医疗AI技术路线的人。

这篇论文发现伪随机数的选择会影响扩散模型的生成质量，不是随便什么随机源都行，看看它是怎么测的。

普通Rectified flow可能不收敛到最优传输，c-Rectified flow能保证收敛，d=1,2还有近参数速率。做生成模型可以读。

它把慢吞吞的自回归VLA模型变成并行扩散模型，性能不掉，推理快2.8倍，还能跑自动驾驶多任务。

做 AI 的人都在聊 Transformer 和扩散模型，这条推文一句话点出两者的现实差距，值得一看。

Suhail@Suhail原文

这篇论文用严格的对照实验告诉你：扩散模型在约束求解里什么时候有用、什么时候没用，结果很反直觉——真实系统里随机多起点反而全赢了。做AI for science和优化的人值得看看。

操作策略终于能实时闭环了！πR²让大模型每40ms重新规划动作，比基线快4倍，成功率提升30%，特别适合动态环境。

研究者用扩散模型从少量监测站重建全城空气污染图，比传统确定性方法生成的模式更真实，还能跨时间迁移，值得关注。

这篇论文发现了现有扩散蒸馏方法在CFG下的一个隐蔽问题，并给出了一个简单的修正方案。做扩散模型蒸馏或视频生成的同学可以看看。

这篇论文告诉你，艺术家也能像玩材料一样玩扩散模型内部。他们在ComfyUI做了交互工具，能直接操纵Stable Diffusion的层，看到具体变化。不是理论说教，是真能动手调的。

这篇论文发了KroQuant，用Kronecker结构做激活变换，W4A4量化又快又准，比SVDQuant和LoRaQ结果好，还省参数。

这篇论文解决了视频编辑时模型丢失先验的问题，用三种新技巧让编辑更精准，效果比以前的TTT方法好得多。

这篇论文用具体数字告诉你，统计上合理的轨迹未必结构可行，扩散模型加符号约束能解决。看中型图场景下0.156的无效概率怎么被硬过滤砍掉。

这论文提出PDDIM算法，用DDIM采样器解线性逆问题，有理论保证，代码改动小，效果还最好。

这个框架用扩散模型做公里级天气预测，垂直风误差不到3%，比传统方法快很多，做精细化气象预报的朋友可以看看。

这篇论文用扩散模型来对齐强化学习中的不同环境动态，不用额外复杂设计就能搞定域适应，比现有方法好。

想了解怎么让扩散大模型跑得快？这篇综述把加速方法分了三个维度，还给了评测框架，搞推理优化的值得看。

想用更少的点表示信号？这篇用复数奇点，32个点顶1024个网格，重建更准还能恢复物理参数，值得看看。