Harbin Institute of Technology（哈尔滨工业大学）

Chain of World: World Model Thinking in Latent Motion

链式世界：潜在运动中的世界模型思维

Fuxiang Yang, Donglin Di, Lulu Tang, Xuancheng Zhang, Lei Fan, Hao Li, Chen Wei, Tonghua Su, Baorui Ma

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Li Auto ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； University of New South Wales（新南威尔士大学） ； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院） ； Peking University（北京大学） 纠错

AI总结 CoWVLA通过统一世界模型的时间推理与解耦的潜在运动表示，提升视觉-运动学习效率。

Comments Accepted by CVPR2026. Project page: https://fx-hit.github.io/cowvla-io/

SEHFS: Structural Entropy-Guided High-Order Correlation Learning for Multi-View Multi-Label Feature Selection

SEHFS: 结构熵引导的多视图多标签特征选择中的高阶相关性学习

Cheng Peng, Yonghao Li, Wanfu Gao, Jie Wen, Weiping Ding

机构 * College of Software, Jilin University（吉林大学软件学院） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Key Laboratory of Symbolic Computation and Knowledge Engineering of the Ministry of Education（教育部符号计算与知识工程重点实验室） ； School of Computing and Artificial Intelligence, Southwestern University of Finance and Economics（西南财经大学计算机与人工智能学院） ； Engineering Research Center of Intelligent Finance, Ministry of Education（教育部智能金融工程研究中心） ； Shenzhen Key Laboratory of Visual Object Detection and Recognition, Harbin Institute of Technology（哈尔滨工业大学深圳视觉对象检测与识别重点实验室） ； School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） 纠错

AI总结 SEHFS通过结构熵引导的高阶相关性学习，提升多视图多标签特征选择的性能。

MiM-DiT: MoE in MoE with Diffusion Transformers for All-in-One Image Restoration

MiM-DiT：基于扩散变换器的MoE在MoE中实现全功能图像修复

Lingshun Kong, Jiawei Zhang, Zhengpeng Duan, Xiaohe Wu, Yueqi Yang, Xiaotao Wang, Dongqing Zou, Lei Lei, Jinshan Pan

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nankai University（南开大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 MiM-DiT通过双层MoE架构与预训练扩散模型，实现对多种图像退化类型的统一修复，提升复杂真实场景下的修复效果。

Comments Project website: https://github.com/kkkls/MIM-DiT

OmniFashion: Towards Generalist Fashion Intelligence via Multi-Task Vision-Language Learning

OmniFashion: 通过多任务视觉-语言学习实现通用时尚智能

Zhengwei Yang, Andi Long, Hao Li, Zechao Hu, Kui Jiang, Zheng Wang

机构 * National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science, Wuhan University（国家多媒体软件工程技术研究中心、人工智能研究院、计算机科学学院、武汉大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 OmniFashion通过多任务视觉-语言学习，构建百万级时尚数据集，实现统一的时尚对话范式，提升多任务推理和交互能力，推动通用时尚智能发展。

Comments 12 pages, 8 figures

Scalable Multilingual Multimodal Machine Translation with Speech-Text Fusion

可扩展的多语言多模态机器翻译与语音-文本融合

Yexing Du, Youcheng Pan, Zekun Wang, Zheng Chu, Yichong Huang, Kaiyuan Liu, Bo Yang, Yang Xiang, Ming Liu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 本文提出一种语音引导的机器翻译框架，通过融合语音和文本提升多语言翻译性能，并在多个基准上取得新突破。

Comments Accepted in ICLR 2026