全球首个Agentic扩散模型：边行动边纠错，128K上下文追平自回归

实时视频翻译一直有个老大难：为了跑得快只看固定窗口，画面一久就不一致。这篇论文的思路挺巧——直接在输入帧之间找 patch 对应关系，用 cross-attention 把历史生成结果拉回来。做实时视频生成的朋友可以看看代码思路。

做文生图的朋友值得看看这篇：你写"画面里没有猫"或者角色想象一只鸟，八个主流模型全都会硬画出来，连 CLIPScore 都测不出这个问题。论文给了 698 条测试提示词和一个自动检测裁判，可以直接拿来测自己用的模型。

搞 underwater 视觉的可以看看：不用多阶段扩散，一条小波域流匹配管线就搞定修复，5 步压到 1 步还能快 4 倍，质量基本不掉。和现有小波扩散基线比，推理成本明显更低，适合要在水下机器人或边缘设备上实时跑的团队。

做生成模型理论研究的人可以看看这篇。它回答了 Consistency models 这类单步生成器为什么有效：在低维曲面加高斯噪声的数据假设下，误差界不随维度爆炸。这是首个绕开维度灾难的单步生成器理论分析。