오늘의 한줄
오늘은 에이전트 평가·보안·프라이버시를 정교하게 다루는 벤치마크와, 추론·적응·추론효율을 다시 설계하는 LLM 연구가 특히 눈에 띕니다. 동시에 3D·비디오·생성 모델 쪽에서는 '겉보기 성능'보다 실제 reasoning과 장기 일관성을 검증하려는 흐름이 강해지고 있습니다.
💻Code & Agents8
ClawKeeper: Comprehensive Safety Protection for OpenClaw Agents Through Skills, Plugins, and WatchersClawKeeper: 스킬·플러그인·워처로 OpenClaw 에이전트를 전방위 보호하는 안전 프레임워크⭐ 290
ClawKeeper는 OpenClaw 에이전트의 지시문, 플러그인, 실행 감시 계층을 동시에 보호하는 실시간 보안 프레임워크로, 데이터 유출·권한 상승·악성 스킬 실행 같은 시스템 수준 위협을 라이프사이클 전반에서 줄이려는 접근이다.
Embarrassingly Simple Self-Distillation Improves Code Generation너무 단순한 자기 증류로 코드 생성 성능 높이기⭐ 21
SSD는 검증기나 RL 없이 모델이 생성한 코드만 다시 SFT하는 단순 자기증류로 Qwen3-30B-Instruct의 LiveCodeBench v6 pass@1을 42.4%에서 55.3%로 끌어올려, 저비용 후처리만으로도 코드 성능을 크게 높일 수 있음을 보였다.
MiroEval: Benchmarking Multimodal Deep Research Agents in Process and OutcomeMiroEval: 멀티모달 딥리서치 에이전트를 과정과 결과로 평가하는 벤치마크⭐ 20
MiroEval은 실제 사용자 요구 기반 100개 과제로 딥리서치 에이전트를 최종 보고서뿐 아니라 조사 과정, 사실성 검증, 멀티모달 증거 활용까지 함께 평가해 '그럴듯한 결과물' 중심 평가의 한계를 보완한다.
📄Multimodal & Generative2
ViGoR-Bench: How Far Are Visual Generative Models From Zero-Shot Visual Reasoners?ViGoR-Bench: 시각 생성 모델은 제로샷 시각 추론에 얼마나 가까운가⭐ 35
ViGoR-Bench는 이미지·비디오 생성 모델을 과정과 최종 결과 모두에서 평가하는 추론 중심 벤치마크로, 20개 이상 최신 모델이 높은 시각 품질과 달리 물리·인과·공간 추론에서는 여전히 큰 결함을 보인다는 점을 드러낸다.
GaussianGPT: Towards Autoregressive 3D Gaussian Scene GenerationGaussianGPT: 자기회귀 방식의 3D 가우시안 장면 생성으로
GaussianGPT는 3D Gaussian primitive를 벡터양자화 토큰으로 압축한 뒤 causal transformer로 순차 생성해, 디퓨전 대신 자기회귀 방식으로 3D 장면 생성·완성·아웃페인팅·온도 제어 샘플링을 가능하게 한다.
📄Robotics & RL1
MMaDA-VLA: Large Diffusion Vision-Language-Action Model with Unified Multi-Modal Instruction and GenerationMMaDA-VLA: 멀티모달 지시와 생성을 통합한 대규모 디퓨전 비전-언어-행동 모델⭐ 29
MMaDA-VLA는 언어·이미지·로봇 제어를 하나의 이산 토큰 공간에 넣고 미래 관측과 액션 청크를 병렬 생성하는 네이티브 디퓨전 VLA로, 장기 작업의 시간 일관성과 환경 동역학 반영을 별도 모듈 없이 개선한다.
👁️Computer Vision2
Think, Act, Build: An Agentic Framework with Vision Language Models for Zero-Shot 3D Visual GroundingThink, Act, Build: 비전-언어 모델 기반 제로샷 3D 비주얼 그라운딩 에이전트 프레임워크⭐ 7
TAB은 2D VLM의 공간 의미 이해와 다중 시점 기하를 결합해 원시 RGB-D 스트림에서 직접 대상 추적·재구성하는 제로샷 3D 그라운딩 에이전트로, 기존 포인트클라우드 제안 매칭 중심 접근을 넘어선다.
PerceptionComp: A Video Benchmark for Complex Perception-Centric ReasoningPerceptionComp: 복합 지각 중심 추론을 위한 비디오 벤치마크⭐ 8
PerceptionComp는 279개 비디오와 1,114개 수작업 질문으로 여러 시점의 증거 결합, 순차·논리 제약, 시공간 추론을 요구해, 단일 프레임 이해를 넘어선 진짜 비디오 추론 난도를 드러낸다.
📄Training & Optimization5
PixelPrune: Pixel-Level Adaptive Visual Token Reduction via Predictive CodingPixelPrune: 예측 부호화로 픽셀 수준 시각 토큰을 적응적으로 줄이기⭐ 5
PixelPrune은 문서·GUI 이미지의 중복 패치를 ViT 이전 픽셀 공간에서 무학습으로 제거해, 전체 추론 파이프라인의 시각 토큰 비용을 줄이면서도 픽셀 무손실 또는 제어된 손실 압축을 지원한다.
QuitoBench: A High-Quality Open Time Series Forecasting BenchmarkQuitoBench: 고품질 오픈 시계열 예측 벤치마크
QuitoBench는 Alipay의 대규모 시계열 코퍼스를 바탕으로 8개 TSF 레짐과 23만여 평가 인스턴스를 제공하며, 짧은 컨텍스트에선 딥러닝 모델이, 긴 컨텍스트에선 파운데이션 모델이 강하다는 교차점을 정량적으로 보여준다.
UniMixer: A Unified Architecture for Scaling Laws in Recommendation SystemsUniMixer: 추천 시스템 스케일링 법칙을 위한 통합 아키텍처
UniMixer는 attention·TokenMixer·FM 계열 추천 아키텍처를 하나의 파라미터화된 feature mixing 틀로 통합해, 추천 모델의 스케일링 효율을 높이고 서로 다른 설계들의 이론적 공통 기반을 제시한다.
🗣️Language Models2
Reasoning Shift: How Context Silently Shortens LLM ReasoningReasoning Shift: 문맥은 어떻게 LLM의 추론을 조용히 짧게 만드는가
Reasoning Shift는 무관한 긴 문맥이나 멀티턴 설정이 같은 문제에서도 추론 흔적 길이를 최대 50% 줄이고, 자기검증·불확실성 관리 행동까지 약화시킨다는 점을 보여줘 테스트타임 추론의 취약성을 짚는다.
Brevity Constraints Reverse Performance Hierarchies in Language Models간결성 제약이 언어모델 성능 서열을 뒤집는다⭐ 0
31개 모델 분석에서 큰 모델이 장황함 때문에 오답을 내는 현상을 보였고, 짧게 답하라는 제약만으로 정확도가 26%p 오르며 수학·과학 벤치마크에서 성능 서열이 완전히 뒤집힐 수 있음을 입증했다.