오늘의 한줄
오늘은 멀티모달 생성과 에이전트 벤치마킹이 특히 두드러졌습니다. 한편으로는 비디오·문서·3D까지 아우르는 통합 모델이 성능과 효율을 함께 밀어올렸고, 다른 한편으로는 장기 과제에서 에이전트의 계획·안전·지속성이 실제 성능을 가른다는 점이 더 분명해졌습니다.
📄Multimodal & Generative8
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 공동 처리·생성하는 옴니모달 월드모델로, 텍스트-투-이미지·이미지-투-비디오·정책 모델까지 오픈소스 SOTA급 성능을 보여 embodied agent의 범용 백본 가능성을 입증했습니다.
Echo-Infinity: Learning Evolving Memory for Real-Time Infinite Video GenerationEcho-Infinity: 진화형 메모리로 구현한 실시간 무한 비디오 생성⭐ 47
Echo-Infinity는 과거 프레임을 고정 규칙 대신 학습 가능한 Memory Query로 압축·갱신하는 evolving memory를 도입해, 비디오 길이와 무관한 상수 비용으로 실시간 무한 비디오 생성을 가능하게 합니다.
AAD-1: Asymmetric Adversarial Distillation for One-Step Autoregressive Video GenerationAAD-1: 원스텝 자기회귀 비디오 생성을 위한 비대칭 적대적 증류⭐ 31
AAD-1은 생성기는 causal, 판별기는 전체 시공간을 양방향으로 보는 비대칭 구조와 단계적 학습 전략을 통해 one-step autoregressive I2V에서 motion collapse와 학습 불안정을 줄여 더 역동적인 영상을 생성합니다.
💡 이 카테고리는 단순히 더 큰 생성 모델보다, 더 긴 문맥과 더 다양한 입력을 효율적으로 다루는 구조적 아이디어가 성능을 좌우한다는 점을 보여줍니다. 옴니모달 통합, 학습형 메모리, 조건 주입 최적화, 데이터 설계 고도화가 비디오와 월드모델의 다음 경쟁축으로 보입니다.
👁️Computer Vision3
Ultralytics YOLO26: Unified Real-Time End-to-End Vision ModelsUltralytics YOLO26: 통합형 실시간 엔드투엔드 비전 모델⭐ 57,951
YOLO26은 NMS-free 듀얼 헤드, DFL 제거, MuSGD·Progressive Loss·STAL을 결합해 더 가벼운 헤드와 작은 객체 양성 보장까지 달성하며 실시간 비전 배포의 정확도·효율·학습 안정성을 함께 개선했습니다.
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 확장한 문서 파싱 성능⭐ 79,458
PaddleOCR-VL-1.6은 취약 영역을 찾아 데이터와 감독 신호를 정교화하는 region-aware 최적화와 RL 기반 progressive post-training으로 OmniDocBench v1.6에서 96.33% SOTA를 기록해 소형 문서 파싱 모델의 후학습 레시피를 제시했습니다.
ZipSplat: Fewer Gaussians, Better SplatsZipSplat: 더 적은 가우시안으로 더 나은 스플랫⭐ 28
ZipSplat은 픽셀당 가우시안 예측 대신 토큰 추출과 k-means 클러스터링으로 장면 복잡도에 맞춰 표현 수를 조절해, 포즈·내부 파라미터 없이도 DL3DV와 RealEstate10K에서 feed-forward 3DGS SOTA를 달성했습니다.
💡 비전 분야는 여전히 정확도 경쟁이 치열하지만, 이번에는 배포 비용과 데이터 효율까지 함께 최적화하는 실용적 설계가 두드러졌습니다. 탐지·문서 파싱·3D 재구성 모두에서 '어디에 표현 예산을 쓸 것인가'를 더 똑똑하게 결정하는 방향으로 진화하고 있습니다.
💻Code & Agents6
MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm DiscoveryMLEvolve: 자동화된 머신러닝 알고리즘 발견을 위한 자기진화 프레임워크⭐ 301
MLEvolve는 Progressive MCGS, Retrospective Memory, 계층형 제어를 결합한 LLM 멀티에이전트 프레임워크로, 장기 탐색에서 분기 간 정보 고립과 무기억 검색 문제를 줄여 자동 ML 알고리즘 발견을 더 안정적으로 수행합니다.
AutoLab: Can Frontier Models Solve Long-Horizon Auto Research and Engineering Tasks?AutoLab: 프론티어 모델은 장기 자동 연구·엔지니어링 과제를 풀 수 있을까⭐ 92
AutoLab은 시스템 최적화·모델 개발·CUDA 커널 등 36개 장기 폐루프 과제로 구성된 벤치마크로, 17개 모델 평가를 통해 첫 시도 품질보다 반복 개선을 지속하는 끈기가 성공의 핵심 변수임을 보여줍니다.
BraveGuard: From Open-World Threats to Safer Computer-Use AgentsBraveGuard: 오픈월드 위협으로 더 안전한 컴퓨터 사용 에이전트 만들기⭐ 34
BraveGuard는 최신 위협 신호를 수집해 실행 가능한 컴퓨터 사용 시나리오와 trajectory-level 감독 데이터로 바꾸고 guard 모델을 반복 학습하는 자기진화형 방어 루프를 제안해 에이전트 안전성을 정적 벤치마크 밖으로 확장합니다.
💡 에이전트 연구는 이제 단발성 정답률보다 장기 반복 개선, 적응형 계획, 안전한 실행, 협업 프로토콜 같은 운영 능력으로 무게중심이 옮겨가고 있습니다. 특히 벤치마크도 최종 답안이 아니라 과정과 궤적을 평가하는 쪽으로 빠르게 현실화되고 있습니다.
📄Robotics & RL1
GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video PriorsGRAIL: 3D 자산과 비디오 사전지식으로 만드는 휴머노이드 이동-조작⭐ 90
GRAIL은 3D 자산·시뮬레이터 장면·비디오 파운데이션 모델 priors를 결합해 물리 환경 재구축이나 텔레오퍼레이션 없이도 로봇 호환 전신 조작 시연을 가상으로 대량 합성하는 디지털 데이터 생성 파이프라인입니다.
💡 로보틱스에서는 실제 시연 수집의 병목을 줄이기 위해 가상 환경에서 로봇 호환 데이터를 합성하는 흐름이 강해지고 있습니다. 결국 핵심은 더 많은 데이터가 아니라, 물리적으로 일관되고 배치 가능한 시연을 얼마나 싸고 빠르게 만들 수 있느냐입니다.
🗣️Language Models1
Audio Interaction Model오디오 인터랙션 모델⭐ 35
Audio-Interaction은 SoundFlow를 통해 오프라인 LALM과 실시간 음성 상호작용을 하나로 묶어, 스트리밍 오디오에서 듣기-판단-응답 루프를 저지연으로 수행하는 온라인 범용 오디오 모델을 제안합니다.
💡 오디오를 언어모델의 또 다른 입력으로 다루는 수준을 넘어, 실시간 스트림 속에서 언제 듣고 언제 응답할지 결정하는 상호작용 루프 자체가 모델링 대상이 되고 있습니다. 앞으로는 오프라인 성능보다 온라인 반응성, 지연, 멀티태스크 통합이 핵심 경쟁력이 될 가능성이 큽니다.
📄Training & Optimization1
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 normalization을 결합한 calibration-free 2비트 KV-cache 양자화로, 장기 디코딩의 오류 누적을 줄여 MATH500·AIME24·HumanEval에서 SOTA를 달성했습니다.
💡 추론 성능을 더 끌어올리기 위해서는 모델 크기 확대만이 아니라, 테스트 시점 메모리 병목을 정면으로 다루는 시스템 최적화가 중요해지고 있습니다. 특히 장기 추론에서는 양자화 오차의 누적 메커니즘을 이해하고 제어하는 세밀한 설계가 실제 성능 차이로 이어집니다.