오늘의 한줄
오늘은 단일 모달 성능 경쟁을 넘어, 여러 입력·출력과 긴 시간축을 함께 다루는 통합형 모델과 벤치마크가 두드러졌습니다. 동시에 추론 가속, 메모리 압축, 장기 에이전트 평가처럼 실제 배포 병목을 줄이려는 연구가 빠르게 정교해지고 있습니다.
📄Multimodal & Generative8
PaddleOCR-VL-1.6: Expanding the Frontier of Document Parsing with Under-Optimized Region Refinement and Progressive Post-TrainingPaddleOCR-VL-1.6: 취약 영역 정제와 점진적 후학습으로 문서 파싱 한계 확장⭐ 79,458
PaddleOCR-VL-1.6은 취약 영역을 찾아 집중 보강하는 region-aware 데이터 최적화와 RL 기반 progressive post-training으로 OmniDocBench v1.6에서 96.33% SOTA를 달성한 0.9B급 문서 파싱 모델입니다.
Cosmos 3: Omnimodal World Models for Physical AICosmos 3: 피지컬 AI를 위한 옴니모달 월드모델⭐ 8,774
Cosmos 3는 언어·이미지·비디오·오디오·액션을 하나의 mixture-of-transformers로 통합해 이해와 생성 전반에서 SOTA를 기록하며, 오픈소스 Text-to-Image·Image-to-Video·정책 모델까지 아우르는 범용 백본 가능성을 보여줬습니다.
Echo-Infinity: Learning Evolving Memory for Real-Time Infinite Video GenerationEcho-Infinity: 진화형 메모리로 실시간 무한 비디오 생성⭐ 47
Echo-Infinity는 프레임 이력 전체를 상수 비용으로 압축하는 learnable evolving memory를 도입해, 고정 KV-cache 스케줄보다 장기 정보 손실과 누적 오류를 줄이는 실시간 무한 비디오 생성 AR 프레임워크입니다.
💡 멀티모달 연구는 이제 단순 결합을 넘어 장기 메모리, 스트리밍 공간 이해, 문서·음악·비디오·월드모델까지 하나의 공통 표현과 생성 체계로 묶으려는 흐름이 강합니다. 특히 성능 향상의 핵심이 더 큰 데이터만이 아니라, 취약 구간 보강·메모리 설계·비대칭 학습 같은 구조적 개선으로 이동하고 있다는 점이 인상적입니다.
👁️Computer Vision2
Ultralytics YOLO26: Unified Real-Time End-to-End Vision ModelsUltralytics YOLO26: 통합형 실시간 엔드투엔드 비전 모델⭐ 57,951
YOLO26은 NMS-free dual-head, DFL 제거, MuSGD, Progressive Loss, STAL을 결합해 더 가벼운 헤드와 작은 객체 양성 보장을 동시에 달성한 실시간 엔드투엔드 비전 모델군입니다.
ZipSplat: Fewer Gaussians, Better SplatsZipSplat: 더 적은 가우시안으로 더 나은 스플랫⭐ 28
ZipSplat은 픽셀당 가우시안 예측 대신 토큰 클러스터링으로 장면 복잡도에 맞춰 가우시안을 배치해, 포즈·내부파라미터 없이도 DL3DV와 RealEstate10K에서 feed-forward 3DGS SOTA를 달성했습니다.
💡 비전 분야에서는 실시간성과 표현 효율을 동시에 잡으려는 재설계가 두드러집니다. YOLO26과 ZipSplat 모두 픽셀 단위의 고정 관성을 버리고, 실제 객체·장면 복잡도에 맞춘 더 유연한 표현으로 배포 효율까지 끌어올리고 있습니다.
📄Robotics & RL1
GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video PriorsGRAIL: 3D 자산과 비디오 프라이어로 만드는 휴머노이드 이동-조작 데이터⭐ 90
GRAIL은 3D 자산, 시뮬레이터 장면, 비디오 파운데이션 모델 priors를 결합해 실제 텔레오퍼레이션 없이도 배포 전까지 완전 가상으로 휴머노이드 loco-manipulation 시연을 합성하는 파이프라인입니다.
💡 로보틱스는 실제 수집의 병목을 우회하기 위해, 가상 자산과 생성 모델 priors를 활용해 배포 가능한 데이터를 만드는 방향으로 가고 있습니다. 이는 휴머노이드 학습에서도 '실세계 수집'보다 '시뮬레이션-우선 생성 파이프라인'이 점점 더 중요한 자산이 됨을 시사합니다.
💻Code & Agents4
AutoLab: Can Frontier Models Solve Long-Horizon Auto Research and Engineering Tasks?AutoLab: 최전선 모델은 장기 연구·엔지니어링 과제를 풀 수 있을까⭐ 92
AutoLab은 시스템 최적화·모델 개발·CUDA 커널 등 36개 장기 폐루프 과제로 에이전트를 평가하며, 초기 시도 품질보다 반복 실험과 지속적 개선 능력이 성공을 좌우한다는 점을 보여줍니다.
BraveGuard: From Open-World Threats to Safer Computer-Use AgentsBraveGuard: 오픈월드 위협에서 더 안전한 컴퓨터 사용 에이전트로⭐ 34
BraveGuard는 최신 위협 신호를 수집해 실행 가능한 컴퓨터 사용 공격 과제로 바꾸고, 실제 에이전트 trajectory 수준 감독으로 guard 모델을 반복 학습시키는 self-evolving 방어 프레임워크입니다.
AutoMedBench: Towards Medical AutoResearch with Agentic AI ModelsAutoMedBench: 에이전트형 AI의 의료 자동연구를 향하여⭐ 32
AutoMedBench는 계획·환경설정·검증·추론·제출의 5단계 워크플로를 따라 의료 영상과 멀티모달 연구를 평가하는 장기 벤치마크로, 평균 33턴의 에이전트 실행 과정을 정밀하게 측정합니다.
💡 에이전트 연구의 초점이 단발성 정답률에서 장기 반복 개선, 안전한 실행 궤적, 협업 프로토콜 평가로 빠르게 이동하고 있습니다. 결국 강한 에이전트는 한 번 잘 답하는 모델이 아니라, 오래 시도하고 안전하게 도구를 쓰며 팀처럼 병렬 협업하는 시스템에 가까워지고 있습니다.
🗣️Language Models2
Audio Interaction Model오디오 인터랙션 모델⭐ 35
Audio-Interaction은 SoundFlow를 통해 오프라인 LALM과 스트리밍 음성 상호작용을 통합하며, 실시간 오디오 지시 이해·응답 시점을 포함한 always-on perceive-decide-respond 루프를 구현했습니다.
NITP: Next Implicit Token Prediction for LLM Pre-trainingNITP: LLM 사전학습을 위한 다음 암묵 토큰 예측⭐ 23
NITP는 기존 next-token prediction에 더해 같은 모델의 얕은 층 표현을 목표로 다음 토큰의 암묵 의미를 연속 공간에서 예측하게 하여, 0.5B~9B dense·MoE 모델 전반의 다운스트림 성능을 일관되게 개선했습니다.
💡 언어·오디오 모델은 더 풍부한 내부 표현과 실시간 상호작용을 학습하는 쪽으로 확장되고 있습니다. 텍스트 다음 토큰 예측만으로는 부족하다는 문제의식이 커지면서, 표현 공간 정규화와 스트리밍 의사결정이 차세대 기본기처럼 자리 잡는 모습입니다.
📄Training & Optimization3
Draft-OPD: On-Policy Distillation for Speculative Draft ModelsDraft-OPD: 추측 디코딩용 드래프트 모델의 온폴리시 증류⭐ 15
Draft-OPD는 speculative decoding의 오프라인-실사용 불일치를 해결하기 위해 draft 정책이 유도한 상태에서 타깃 모델이 감독하는 on-policy distillation을 제안해 acceptance length 정체 문제를 완화합니다.
Domino: Decoupling Causal Modeling from Autoregressive Drafting in Speculative DecodingDomino: 추측 디코딩에서 인과 모델링과 자기회귀 드래프팅의 분리⭐ 29
Domino는 병렬 draft backbone 위에 prefix-dependent Domino head를 얹어 인과 의존성은 살리고 자기회귀 드래프팅 비용은 줄이며, base-anchored curriculum으로 학습 안정성까지 확보했습니다.
KVarN: Variance-Normalized KV-Cache Quantization Mitigates Error Accumulation in Reasoning TasksKVarN: 분산 정규화 KV-캐시 양자화로 추론 오류 누적 완화⭐ 25
KVarN은 Hadamard 회전과 K·V 양축 dual-scaling variance normalization으로 토큰 스케일 이상치를 바로잡아, 2비트 KV-cache 양자화에서도 MATH500·AIME24·HumanEval 등 생성형 벤치마크 SOTA를 기록했습니다.
💡 추론 가속과 메모리 절감은 이제 부가 기능이 아니라, 모델 활용성을 좌우하는 핵심 연구 축입니다. speculative decoding과 KV-cache 양자화 모두 오프라인 학습 가정과 실제 디코딩 분포의 차이를 정면으로 다루기 시작했다는 점에서 한 단계 성숙해졌습니다.