扩散模型是一类通过逐步加噪再逆向去噪来生成数据的生成式 AI 模型，也是当前图像、视频乃至世界模型生成的主流技术路线之一。它的基本思路是先把真实数据破坏成噪声，再训练网络学会一步步还原，从而能够从随机噪声出发合成新样本。相比早期的生成对抗网络，扩散模型在训练稳定性和生成质量上更有优势，但采样速度与算力开销一直是它的软肋。
扩散模型近期进展
在架构层面，扩散模型正试图跳出传统的噪声空间。Iris-3B 探索了在像素空间直接训练、转换与微调扩散模型的方法，绕开潜空间编码器带来的信息损失（Iris-3B：像素空间扩散模型的训练、转换与微调方法）。与此同时，PaTh 把递归推理引入扩散模型，在像素空间解 Sudoku 这类结构化任务上验证了新的推理路径（PaTh：把递归推理引入扩散模型，像素空间解 Sudoku）。语言方向也有动作，ALoDLM 提出自适应循环扩散语言模型，试图把去噪思路扩展到文本生成（ALoDLM：自适应循环扩散语言模型论文发布）。
在应用与评测端，世界模型成为扩散模型的重要落点。Odyssey 发布世界模型 Odyssey-3，其 Pro 版在 Physics-IQ Verified 上得分 66.1（Odyssey 发布世界模型 Odyssey-3，Pro 版 Physics-IQ Verified 得分 66.1）。WorldSonus 则为世界模型配上实时空间立体声，拓展了多模态生成边界（WorldSonus：给世界模型配上实时空间立体声）。不过范式之争并未停歇，有评论认为 VAR 在世界建模上优于扩散模型（评论：VAR 被视为优于扩散模型的世界建模范式）。
当前焦点与观察点
可靠性与效率是扩散模型眼下的两条主线。arXiv 上的研究提出，记忆化现象可通过能量盆地几何与循环去噪提前检测，这为版权与数据泄露风险提供了检测思路（扩散模型记忆化可通过能量盆地几何与循环去噪提前检测）。组合性失败也被针对性修复，ORCA 通过对齐文本与视觉表示来改善这一问题（ORCA：对齐文本与视觉表示，修复扩散模型组合性失败）。此外，分层误差归因方法让混合精度量化提速最高 2570 倍（分层误差归因方法让混合精度量化提速最高2570倍），苹果则发布轨迹归一化模型 NTM（苹果发布轨迹归一化模型NTM）。值得观察的是，扩散模型能否在速度、可控性与世界建模正确性上同时站稳，还是会被新范式分流。