为加速扩散起草器（diffusion drafters）训练，提出Split-KV机制实现长上下文下的块稀疏交叉注意力优化

综述扩散模型在贝叶斯反问题中构建可计算后验的多种方法，解决噪声后验分数不可得的核心难题。

首次为离散扩散模型构建ODE形式采样器（ERF），引入连续残差变量实现确定性加速采样。

提出难度感知的成员推断方法，校准不同图像重建难度，显著提升训练集泄露检测准确率。

为掩码扩散模型（MDM）建立首个端到端生成保证，覆盖学习误差与采样误差，在条件混合源下给出可控误差界。

提出基于扩散模型的新型AI Agent架构，参数达350亿，推理速度超Jev一倍

提出TDLM模型，通过时序自条件机制复用历史隐状态，提升扩散语言模型推理效率。