오늘의 한줄
오늘은 문서·비디오·에이전트처럼 실제 서비스에 가까운 문제에서 병목을 정면으로 겨냥한 연구가 두드러집니다. 특히 추론 가속, 긴 컨텍스트 처리, 멀티스트림·에이전트 벤치마크처럼 모델 자체 성능보다 운영 가능성과 평가 정밀도를 끌어올리는 흐름이 강하게 보입니다.
📄Multimodal & Generative9
PaddleOCR-VL-1.6: Expanding the Frontier of Document Parsing with Under-Optimized Region Refinement and Progressive Post-TrainingPaddleOCR-VL-1.6: 취약 구간 정제와 점진적 후학습으로 문서 파싱 한계 확장⭐ 79,458
PaddleOCR-VL-1.6은 취약 영역을 찾아 데이터와 감독 신호를 정제하는 region-aware 최적화와 단계적 후학습을 결합해 OmniDocBench v1.6에서 96.33% SOTA를 달성한 0.9B급 문서 파싱 모델입니다.
LongLive-RAG: A General Retrieval-Augmented Framework for Long Video GenerationLongLive-RAG: 장편 비디오 생성을 위한 범용 검색증강 프레임워크⭐ 21
LongLive-RAG는 최근 윈도우만 보던 AR 비디오 확산을 과거 latent 검색 기반으로 바꿔 누적 오류와 정체성 드리프트를 줄이며 장시간 비디오 생성의 일관성을 높였습니다.
Decoupled Residual Denoising Diffusion Models for Unified and Data Efficient Image-to-Image Translation분리형 잔차 확산으로 통합·데이터 효율적 이미지 변환⭐ 14
DRDD는 노이즈 확산과 잔차 확산을 분리해 도메인 정렬 효과를 보존하면서 통합 이미지-투-이미지 변환의 품질과 데이터 효율을 함께 끌어올린 확산 기반 I2I 방법입니다.
💡 멀티모달 연구는 이제 단순 생성 품질보다 긴 시간축의 일관성, 멀티스트림 이해, 상태 추적처럼 실제 사용 조건에서 무너지는 지점을 정면으로 파고듭니다. 동시에 RAG·희소 어텐션·저메모리 KV 같은 시스템적 개선이 생성 모델의 활용 범위를 분 단위·장문 비디오까지 넓히고 있습니다.
👁️Computer Vision2
Ultralytics YOLO26: Unified Real-Time End-to-End Vision ModelsUltralytics YOLO26: 통합형 실시간 엔드투엔드 비전 모델⭐ 57,951
YOLO26은 NMS-free 이중 헤드, DFL 제거, MuSGD·Progressive Loss·STAL을 묶어 더 가벼운 헤드와 작은 물체 양성 샘플 보장을 동시에 달성한 실시간 비전 통합 모델군입니다.
Which Pretraining Paradigm Better Serves Spatial Intelligence? An Empirical Comparison of Vision-Language and Video Generation Models공간 지능에는 어떤 사전학습이 더 유리한가: 비전-언어와 비디오 생성 모델 비교⭐ 5
이 연구는 frozen probing으로 VLM과 VGM을 비교해 VLM은 의미 태깅에, VGM은 인스턴스 묶기와 3D 기하 예측에 강하다는 상보성을 정량적으로 보여줍니다.
💡 비전 분야는 여전히 정확도 경쟁을 이어가지만, YOLO26처럼 배포 단순성과 실시간성까지 함께 최적화하는 방향이 뚜렷합니다. 한편 공간 지능 분석은 모델 선택이 과제 성격에 따라 달라져야 함을 보여주며, 범용 백본 하나로 모든 능력을 해결하기 어렵다는 점을 시사합니다.
💻Code & Agents3
AutoMedBench: Towards Medical AutoResearch with Agentic AI ModelsAutoMedBench: 에이전트형 의료 AI 연구 자동화를 향한 벤치마크⭐ 32
AutoMedBench는 계획·설정·검증·추론·제출의 5단계, 평균 33턴으로 의료 AI 연구 워크플로를 평가해 기존 최종 답안 중심 벤치마크가 놓친 에이전트의 실제 연구 수행력을 드러냅니다.
K-BrowseComp: A Web Browsing Agent Benchmark Grounded in Korean ContextsK-BrowseComp: 한국 맥락 기반 웹 브라우징 에이전트 벤치마크⭐ 9
K-BrowseComp는 한국어·한국 맥락 웹 탐색 400문항을 제시하며 최상위 모델도 검증 세트에서 30.00~45.67%, 국내 LLM은 0.00~10.33%에 그쳐 한국형 에이전트 격차를 선명하게 드러냈습니다.
MCP-Persona: Benchmarking LLM Agents on Real-World Personal Applications via Environment SimulationMCP-Persona: 환경 시뮬레이션 기반 개인화 앱용 LLM 에이전트 벤치마크⭐ 4
MCP-Persona는 Reddit·Slack·Lark 같은 개인화 MCP 도구 환경을 시뮬레이션해 최신 에이전트가 범용 툴보다 개인 계정·로컬 데이터 맥락에서 훨씬 더 자주 실패함을 보여줍니다.
💡 에이전트 연구의 초점이 정답률 자체보다 실제 워크플로와 지역·개인 맥락을 얼마나 견디는지로 이동하고 있습니다. 의료 연구 자동화, 한국형 웹 탐색, 개인화 MCP 도구 평가 모두 현재 에이전트가 범용 데모를 넘어 실무로 가기엔 아직 긴 호흡의 계획·검증·문맥 적응이 부족함을 보여줍니다.
🗣️Language Models4
Draft-OPD: On-Policy Distillation for Speculative Draft ModelsDraft-OPD: 추측 디코딩용 초안 모델의 온폴리시 증류⭐ 15
Draft-OPD는 초안 모델이 자기 정책으로 만든 상태에서 타깃 모델의 감독을 받도록 설계해 SFT의 offline-to-inference 불일치를 줄이고 speculative decoding의 수용 길이 향상을 이끌었습니다.
KVarN: Variance-Normalized KV-Cache Quantization Mitigates Error Accumulation in Reasoning TasksKVarN: 분산 정규화 KV 캐시 양자화로 추론 누적 오류 완화⭐ 25
KVarN은 Hadamard 회전과 이중 스케일 분산 정규화를 결합한 보정 없는 2비트 KV 캐시 양자화로 MATH500·AIME24·HumanEval에서 추론 중 누적 오차를 크게 줄이며 SOTA를 기록했습니다.
Domino: Decoupling Causal Modeling from Autoregressive Drafting in Speculative DecodingDomino: 추측 디코딩에서 인과 모델링과 자기회귀 초안 생성을 분리하다⭐ 29
Domino는 병렬 초안 백본 위에 prefix 의존 정보를 보정하는 경량 head를 얹어 초안 품질과 생성 비용의 상충을 줄이고 speculative decoding의 실사용 속도 향상을 노립니다.
💡 LLM 시스템 연구는 모델을 더 크게 만드는 대신 추론 경로를 더 똑똑하게 압축하고 가속하는 데 집중하고 있습니다. speculative decoding, KV 캐시 양자화, 언러닝 감사 모두 실제 배포에서 중요한 속도·메모리·안전성 문제를 백박스 수준까지 정교하게 다루는 흐름입니다.
📄Training & Optimization1
NITP: Next Implicit Token Prediction for LLM Pre-trainingNITP: LLM 사전학습을 위한 다음 암묵 토큰 예측⭐ 23
NITP는 기존 next-token prediction에 얕은 층 표현을 목표로 한 연속 표현 감독을 추가해 0.5B~9B dense·MoE 모델 전반의 표현 기하를 더 구조화하고 다운스트림 성능을 안정적으로 개선했습니다.
💡 사전학습 목표 자체를 재설계해 표현 공간을 더 잘 구조화하려는 시도가 다시 중요해지고 있습니다. NITP는 단순한 one-hot 다음 토큰 예측만으로는 부족하며, 내부 표현에 대한 직접적 감독이 일반화 성능을 안정적으로 끌어올릴 수 있음을 보여줍니다.
📄Robotics & RL1
Where to Look: Can Foundation Models Reach a Target Viewpoint Through Active Exploration?어디를 봐야 하나: 능동 탐색으로 목표 시점을 재현할 수 있을까⭐ 13
TVRBench는 목표 이미지와 같은 시점을 찾도록 움직이는 능동 과제를 도입했으며, 최고 모델도 성공률 7.8%~12.0%에 그쳐 다중 턴 시각 기억과 이동 기반 공간 제어가 핵심 병목임을 보여줍니다.
💡 능동적 공간 지능은 여전히 파운데이션 모델의 약한 고리입니다. TVRBench 결과는 보는 능력과 움직여 맞추는 능력 사이에 큰 간극이 있으며, 특히 다중 턴 기억과 이동 계획이 embodied AI의 핵심 난제로 남아 있음을 보여줍니다.