视觉-语言-行动（VLA，Vision-Language-Action）模型是可以感知视觉刺激、语言输入以及其他与环境相关数据的自主智能体，能够在物理和数字环境中生成有意义的「具身行动」（embodied actions）以完成特定任务。

衣藻的性别由mating-type locus (mt) 决定，存在两种交配型：plus与minus。MT是基因组中一段375 kb (mt+) 或211 kb (mt–) 的复杂序列，在两种交配型之间重排。此前的研究表明，重排序列对该区域的重组抑制有所贡献，但并不充分，同时两者之间的因果关系也尚不明晰。

对于第t帧It中的K个标记，提取标记在接下来I帧中的对应位置，记为轨迹T = {Mt+1, ..., Mt+l}，进一步要求模型预测有效标记的未来轨迹，其中trace[t+1:t+l]为标记集合T中有效标记的轨迹序列的一个子集。 图片 ToM预测方法可以充分利用视频数据，迫使模型理解视频观察 ...

对于第t帧It中的K个标记，提取标记在接下来I帧中的对应位置，记为轨迹T = {Mt+1, ..., Mt+l}，进一步要求模型预测有效标记的未来轨迹，其中trace[t+1 ...