在GTC 2026上，NVIDIA推出了Physical AI概念，强调AI与现实世界的深度结合。发布了Isaac GR00T、Kimodo和SOMA-X等开源项目，旨在提升机器人在复杂环境中的执行能力，使其更自然、高效地完成任务。

扩散模型在图像生成方面取得了重要进展，但由于推理步骤多和分辨率限制，实际应用受到制约。为提高效率和图像保真度，提出了GenDR和GenDR-Pix模型，优化了VAE和UNet，支持高分辨率图像处理，增强了细节恢复效果，推动生成技术与实际业务的结合。

何恺明团队在arXiv发布了《Generative Modeling via Drifting》论文，提出了Drifting Models生成模型，训练时分布逐步漂移，推理时仅需一步生成，速度提升100倍，质量更佳，标志着生成模型领域的重要转折，期待广泛应用。

扩散模型Mercury 2成为最快的生成模型，生成速度达到每秒1009个tokens，比传统自回归模型快5倍。其并行优化机制提升了生成速度，并在性能和成本上具有优势。Inception Labs专注于扩散模型，致力于突破速度与成本的瓶颈。

摘要：...

麻省理工学院、德国慕尼黑工业大学和西班牙瓦伦西亚理工大学的研究团队创新地提出了 DiffSyn —— 一种基于超 50 年时间跨度文献中 23,000 余条生成配方训练得到的生成式扩散模型。

在极低光照条件下，高质量摄影对数码相机构成挑战。传统图像处理算法逐渐被深度网络取代，但现有模型常导致低光照片过度平滑。我们提出了一种新框架，利用重任务预训练的生成扩散模型增强低光原始图像，实验结果表明该方法在感知质量上优于现有技术。

本研究探讨了扩散变换器（DiTs）在文本到图像生成中的应用，比较了多种架构和训练策略。结果表明，标准DiT在参数效率上优于专门模型，同时DiT-Air和DiT-Air-Lite在性能上也表现出色。

标准离散扩散模型将未观察状态映射到吸收标记，导致信息丢失。我们提出了连续增强离散扩散（CADD）框架，通过在连续潜在空间中配对扩散，增强离散状态空间。CADD在每个反向步骤中利用连续潜在向量作为语义提示，提升生成质量，适用于文本生成、图像合成和代码建模。

来自英国剑桥大学的研究团队提出了 CytoDiffusion——一种基于扩散模型的血液细胞图像分类方法。它能够忠实建模血细胞形态分布，实现精准分类，同时具备强大的异常检测能力、对分布偏移的抵抗力、可解释性、高数据效率，以及超越临床专家的不确定性量化能力。

开发者在编写代码时需要频繁编辑和调试，非线性生成代码。扩散大语言模型（d-LLMs）通过同时考虑过去和未来的上下文，更有效地模拟这种迭代过程。与自回归模型相比，d-LLMs能更灵活地处理局部修改和全局一致性，适合代码重构和上下文编辑。尽管存在一些局限性，但它们在代码生成和编辑方面展现出新的可能性。