#Diffusion

3 篇

Encore: Infinite Audio-Video Generation with Adaptive Signal Routing

Encore：利用自适应信号路由实现无限音视频生成

🧭 长音频视频生成与跨模态合成

Baidu · Beijing Institute of Technology

提出长音频视频联合生成框架Encore，通过自适应信号路由解决跨模态长时一致性

📌 工作参考价值（4 点）

长序列多模态生成可借鉴双通路设计：局部连续性用 chunk 迭代加显式跨 chunk 上下文传递，全局一致性用参考信号加 shifted position embedding，电商短视频、直播切片自动配音等场景可复用。
Adaptive Signal Routing 的 learnable attention biases 与 residual scales 是通用插件，可控制多模态生成中不同 conditioning 信号（文案、画面、背景音乐）的权重，适合商品视频生成中的模态协调。
推理阶段持续对 ground-truth modality 做 conditioning，实现无限长度 audio-to-video / video-to-audio，能迁移到为已有商品图生成配音、或为音频补全视频帧等交互式素材生成。
注意：该工作属于多模态生成模型，非推荐系统本身，但可作为内容供给侧自动生成工具，提升电商内容生态丰富度。

Multimodal | 2026-08-28 | cs.MM | score 6/10

GateDiffInt：门控可控扩散与多意图 LLM 蒸馏的用户行为建模

🧭 用户行为序列去噪与多意图蒸馏 ★ 深度解读

Fudan University · Xiaohongshu Inc.

用可控扩散去噪与 LLM 多意图蒸馏协同解决行为序列中的噪声-意图耦合，提升 CVR 排序

📌 工作参考价值（4 点）

行为序列去噪可借鉴 GMCD：按行为类型设置差异化 mask/噪声强度（shallow action 强噪声，deep action 弱噪声），用 gated fusion 融合去噪表示与原始表示，保留比价、加购等弱信号并抑制噪声，对电商 CVR 序列很实用。
用 LLM 离线蒸馏结构化 intent 到小模型：让 Gemini 等 LLM 作为 teacher，从用户序列生成 long-term/short-term/latent/conversion 四类意图文本，再用 Qwen3 小模型 + per-intent LoRA 路由蒸馏成可线上使用的向量，避免线上 LLM 高延迟；不同意图独立 LoRA 防止坍缩，可直接套到用户分层/兴趣建模。
两阶段训练 + 冻结 backbone 注入 LoRA 联合微调是工业部署关键：预训练去噪/意图模块冻结，仅给 encoder 和 intent extractor 加 LoRA，CVR 梯度只通过 non-gate 分支回流，兼顾任务对齐与训练效率；线上可周更新预训练模块、日更新 LoRA，适合已有精排模型轻量升级。
诊断 NIC/NID/IDF 的方法可复用：通过注入噪声测量 intent drift 和弱信号重建保真度，量化噪声-意图耦合，帮助评估去噪模块是否真的保留有用弱信号，而不只是看 AUC。

RecSys | 2026-08-19 | cs.IR | score 10/10

网约车司机补贴的动态扩散决策框架 D3-Subsidy

🧭 离线强化学习 + 扩散模型用于动态定价控制 ★ 深度解读

University of Hong Kong · Harbin Institute of Technology · Hong Kong Polytechnic University · Didi International Business Group

提出前缀条件扩散模型与Lagrangian-dual映射，在预算约束下实现城市级补贴的在线序列决策

📌 工作参考价值（4 点）

前缀条件扩散用于离线决策：部署时历史不可改变，训练时也固定历史前缀，仅扩散未来后缀，消除训练-推理 gap，可推广到任何需基于实时观测做序列决策的场景（如电商动态定价、Agent 策略学习）。
约束感知的后处理评分：在优化目标中加入对预算上限的 soft penalty，通过调整 penalty exponent 即可控制违规容忍度，无需重训模型，适合有严格 ROI 约束的营销或补贴分配任务。
Lagrangian-dual 映射实现降维动作：将城市级标量控制信号通过闭式映射转为订单级补贴，既保证低延迟（单次决策 20ms），又避免个性化激励的不公平，可借鉴到大规模促销额度分配中，用总预算系数自动生成细粒度折扣。
多城预训练 + PEFT 冷启动迁移：先在多城数据上预训练扩散先验和逆动力学解码器，再对目标城市仅微调解码器（冻结扩散模型），大幅提升新市场冷启动效果，对电商新品类、新区域策略复用有直接参考。

Other | 2026-05-19 | cs.LG | score 8/10