University of Chinese Academy of Sciences（中国科学院大学）

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

Motion-Driven Multi-Object Tracking of Model Organisms in Space Science Experiments

空间科学实验中模型生物的运动驱动多目标跟踪

Jianing You, Han Wang, Kang Liu, Jiale Ding, Fengjie Chu, Zihan Guo, Shengyang Li

机构 * Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间利用技术与工程中心） ； School of Space Exploration, University of Chinese Academy of Sciences（中国科学院大学空间探索学院） 纠错

AI总结 本文提出ART-Track框架，通过多模型运动估计、运动状态驱动关联和不确定性自适应融合，有效解决空间实验中生物多目标跟踪的挑战，提升轨迹稳定性与身份保持性。

Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

Towards Unified Multi-task EEG Analysis with Low-Rank Adaptation

迈向统一的多任务EEG分析与低秩适应

Sicheng Dai, Kai Chen, Hongwang Xiao, Shan Yu, Qiwei Ye

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Brain Cognition（脑认知国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

AI总结 本文提出MTEEG框架，通过低秩适应模块解决多任务EEG分析中的任务冲突问题，展示了多任务方法在提升性能和降低计算成本方面的优势。

Journal ref EMBC 2026

Beyond Text-Dominance: Understanding Modality Preference of Omni-modal Large Language Models

超越文本主导：理解多模态大语言模型的模态偏好

Xinru Yan, Boxi Cao, Yaojie Lu, Hongyu Lin, Weixiang Zhou, Le Sun, Xianpei Han

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Chinese Information Processing Laboratory（中文信息处理实验室） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） 纠错

AI总结 本文研究多模态大语言模型的模态偏好现象，通过新基准和模态选择率指标量化发现，大多数模型表现出显著的视觉偏好，并通过层间探测揭示偏好在中后期层逐步出现，进而用于诊断跨模态幻觉，提升模型可信度。

Thinking with Drafting: Optical Decompression via Logical Reconstruction

用草图思考：通过逻辑重建实现光学解压

Jingxuan Wei, Honghao He, Caijun Jia, Siyuan Li, Zheng Sun, Yuhang Xu, Yuanyuan Lin, Linzhuang Sun, Yuchen Wu, Bihui Yu, Xiangxiang Zhang, Cheng Tan

机构 * Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； University of Chinese Academy of Sciences 3 ByteDance 4 Westlake University（中国科学院大学 3 字节跳动 4 西湖大学） ； Key Laboratory of Computing Power Network（计算功率网络重点实验室） ； Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（信息安全，教育部，山东计算机科学中心（济南国家超级计算中心），齐鲁工业大学（山东省科学院）） 纠错

AI总结 本文提出通过逻辑重建实现光学解压，引入TwD方法，利用领域特定语言作为中间表示，以生成可执行代码的视觉证明，建立视觉生成与逻辑验证的闭环系统。