Beihang University（北京航空航天大学）

InCoder-32B-Thinking: Industrial Code World Model for Thinking

InCoder-32B-Thinking：工业代码世界模型用于推理

Jian Yang, Wei Zhang, Jiajun Wu, Junhang Cheng, Tuney Zheng, Fanglin Xu, Weicheng Gu, Lin Jing, Yaxin Du, Joseph Li, Yizhi Li, Yan Xing, Chuan Hao, Ran Tao, Ruihao Gong, Aishan Liu, Zhoujun Li, Mingjie Tang, Chenghua Lin, Siheng Chen, Wayne Xin Zhao, Xianglong Liu, Ming Zhou, Bryan Dai, Weifeng Lv

机构 * Beihang University（北京航空航天大学） ； IQuest Research ； Shanghai Jiao Tong University（上海交通大学） ； ELLIS ； University of Manchester（曼彻斯特大学） ； Sichuan University（四川大学） ； Langboat（朗博特） 纠错

AI总结 本文提出InCoder-32B-Thinking，通过工业代码世界模型生成推理轨迹，评估显示其在通用和工业基准上均取得领先开源结果。

Agentic-MME: What Agentic Capability Really Brings to Multimodal Intelligence?

Agentic-MME：代理能力为多模态智能带来了什么？

Qianshan Wei, Yishan Yang, Siyi Wang, Jinglin Chen, Binyu Wang, Jiaming Wang, Shuang Chen, Zechen Li, Yang Shi, Yuqi Tang, Weining Wang, Yi Yu, Chaoyou Fu, Qi Li, Yi-Fan Zhang

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； SEU（东南大学） ； NJU（南京大学） ； PKU（北京大学） ； BUAA（北京航空航天大学） ； NTU（南洋理工大学） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 Agentic-MME通过418个真实任务评估多模态代理能力，采用过程验证方法，量化效率并验证工具调用准确性，实验显示模型在复杂任务中表现显著下降。

Visual Prototype Conditioned Focal Region Generation for UAV-Based Object Detection

基于视觉原型的聚焦区域生成用于无人机目标检测

Wenhao Li, Zimeng Wu, Yu Wu, Zehua Fu, Jiaxin Chen

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院） 纠错

AI总结 本文提出UAVGen框架，通过视觉原型条件扩散模型和聚焦区域增强数据管道提升无人机目标检测精度，实验表明其优于现有方法。

Comments CVPR2026 Accepted

Collaborative Multi-Mode Pruning for Vision-Language Models

多模式协作剪枝用于视觉-语言模型

Zimeng Wu, Yunhong Wang, Donghao Wang, Jiaxin Chen

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） 纠错

AI总结 本文提出CoMP框架，通过联合参数和token剪枝，解决单一模式剪枝导致的性能下降问题，通过协作重要性度量和多模式剪枝策略提升高剪枝率下的模型性能。

Comments CVPR2026 Accepted

State estimations and noise identifications with intermittent corrupted observations via Bayesian variational inference

基于贝叶斯变分推断的间歇性损坏观测状态估计与噪声识别

Peng Sun, Ruoyu Wang, Xue Luo

机构 * School of Mathematical Sciences, Beihang University（北京航空航天大学数学科学学院） ； Key Laboratory of Mathematics, Informatics and Behavioral Semantics (LMIB), Beihang University（北京航空航天大学数学、信息与行为语义重点实验室（LMIB）） 纠错

AI总结 本文提出了一种基于贝叶斯变分推断的变分贝叶斯自适应卡尔曼滤波方法，用于解决分布式传感器网络中间歇性数据丢失、观测损坏和未知噪声协方差的问题，通过双掩码生成模型提升状态估计和参数识别的准确性。

Comments 8 pages, 6 figures