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

World2VLM: Distilling World Model Imagination into VLMs for Dynamic Spatial Reasoning

World2VLM: 将世界模型的想象能力蒸馏到VLM中以实现动态空间推理

Wanyue Zhang, Wenxiang Wu, Wang Xu, Jiaxin Luo, Helu Zhi, Yibin Huang, Shuo Ren, Zitao Liu, Jiajun Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Wuhan AI Research（武汉人工智能研究院） 纠错

AI总结 本文提出World2VLM框架，通过蒸馏生成式世界模型的空间想象能力到VLM中，提升动态空间推理性能，优于基线模型和测试时世界模型耦合方法。

Comments The code is available at https://github.com/WanyueZhang-ai/World2VLM. The dataset is available at https://huggingface.co/datasets/WanyueZhang/World2VLM

Probabilistic data quality assessment for structural monitoring data via outlier-resistant conditional diffusion model

基于鲁棒条件扩散模型的结构监测数据概率质量评估

Qi Li, Yong Huang, Hui Li

机构 * Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology（工业和信息化部智能防灾减灾重点实验室） ； School of Civil Engineering, Harbin Institute of Technology（哈尔滨工业大学土木工程学院） ； Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education（教育部结构动力行为与控制重点实验室） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出基于预测偏差的结构监测数据质量评估方法，利用单变量隐式自回归模型实现异常检测与数据清洗，通过条件嵌入模块、四分位数归一化和Huber损失提升鲁棒性，实验表明该方法在数据质量评估中优于其他基线方法。

Comments 43 pages, 15 figures and 2 tables

Journal ref Expert Systems with Applications, 2026: 132181

Probabilistic Graphical Model using Graph Neural Networks for Bayesian Inversion of Discrete Structural Component States

基于图神经网络的概率图模型用于离散结构组件状态的贝叶斯反演

Teng Li, Stephen Wu, Yong Huang, James L. Beck, Hui Li

机构 * Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology（工信部智能防灾减灾重点实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, School of Civil Engineering, Harbin, Institute of Technology（教育部结构动力行为与控制重点实验室，土木工程学院） ； The Institute of Statistical Mathematics, Research Organization of Information and Systems（统计数学研究所，信息与系统研究机构） ； The Graduate University for Advanced Studies, SOKENDAI（高等研究大学，SOKENDAI） ； Division of Engineering and Applied Science, California Institute of Technology（工程与应用科学系，加州理工学院） 纠错

AI总结 本文提出基于概率图模型的新型贝叶斯反演方法，利用图神经网络实现高效离散状态推断，解决高维参数和非解析似然函数带来的计算挑战。

Comments Accepted by Reliability Engineering & System Safety on 23 February 2026

Journal ref Reliability Engineering & System Safety (2026): 112478