오늘의 한줄
오늘은 물리 AI를 위한 옴니모달 월드모델, 장기 과제를 다루는 에이전트 벤치마크와 안전성, 그리고 비디오 생성·이해에서의 메모리와 효율성 개선이 핵심 흐름으로 보입니다. 특히 단일 모달 성능 경쟁을 넘어, 긴 시간축에서 계획·기억·상호작용을 얼마나 안정적으로 다루는지가 연구의 중심으로 이동하고 있습니다.
📄Multimodal & Generative8
Cosmos 3: Omnimodal World Models for Physical AI물리 AI를 위한 옴니모달 월드모델 코스모스 3⭐ 8,774
Cosmos 3는 언어·이미지·비디오·오디오·행동을 하나의 mixture-of-transformers로 통합해 이해와 생성을 함께 수행하며, 오픈소스 기준 Text-to-Image·Image-to-Video·정책 모델에서 최고 수준 성능을 기록했습니다.
AAD-1: Asymmetric Adversarial Distillation for One-Step Autoregressive Video Generation원스텝 자기회귀 비디오 생성을 위한 비대칭 적대적 증류⭐ 31
AAD-1은 인과적 생성기와 양방향 시공간 판별기를 비대칭으로 설계하고 단계적 학습 전략을 도입해, 원스텝 자기회귀 비디오 생성의 모션 붕괴와 학습 불안정을 줄였습니다.
Audio Interaction Model오디오 상호작용 모델⭐ 35
Audio-Interaction은 SoundFlow를 통해 실시간 perceive-decide-respond 루프를 구현해, 오프라인 오디오 작업과 온라인 음성 대화·지시 수행을 하나의 스트리밍 오디오 모델로 통합했습니다.
💡 멀티모달 연구는 이제 단순 결합을 넘어, 장시간 메모리·스트리밍 공간 추론·실시간 상호작용까지 하나의 시스템 문제로 확장되고 있습니다. 동시에 LoomVideo, AAD-1, Echo-Infinity처럼 계산량과 안정성을 함께 잡는 구조적 개선이 실제 활용성을 빠르게 끌어올리고 있습니다.
💻Code & Agents6
MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm Discovery자동 ML 알고리즘 발견을 위한 자기진화 프레임워크 MLEvolve⭐ 301
MLEvolve는 Progressive MCGS와 Retrospective Memory를 결합한 자기진화형 멀티에이전트로, 장기적인 알고리즘 탐색에서 분기 간 정보 공유와 경험 재사용을 가능하게 해 자동 ML 발견 성능을 끌어올렸습니다.
AutoLab: Can Frontier Models Solve Long-Horizon Auto Research and Engineering Tasks?프런티어 모델은 장기 자동 연구·엔지니어링 과제를 풀 수 있을까⭐ 92
AutoLab은 시스템 최적화·모델 개발·CUDA 최적화 등 36개 장기 폐루프 과제로 구성된 벤치마크로, 최첨단 모델 평가 결과 초기 해답 품질보다 반복 개선의 지속성이 성공을 더 잘 예측함을 보여줍니다.
BraveGuard: From Open-World Threats to Safer Computer-Use Agents오픈월드 위협으로 더 안전한 컴퓨터 사용 에이전트 만들기⭐ 34
BraveGuard는 최신 위협 신호를 실행 가능한 컴퓨터 사용 과제로 변환하고 궤적 수준 감독으로 가드 모델을 반복 학습해, 정적 벤치마크 대신 진화형 방어 루프를 제시했습니다.
💡 에이전트 분야는 단발성 툴 사용보다 장기 반복 개선, 적응형 계획, 안전한 실행 궤적 관리가 핵심 경쟁력으로 떠오르고 있습니다. 벤치마크와 방어 프레임워크가 함께 발전하면서, 앞으로는 성능만큼이나 지속성·복원력·안전성이 중요한 평가 축이 될 것으로 보입니다.
📄Robotics & RL1
GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors3D 자산과 비디오 프라이어로 만드는 휴머노이드 이동-조작⭐ 90
GRAIL은 3D 자산, 시뮬레이터 장면, 비디오 파운데이션 모델 priors를 결합해 실제 텔레오퍼레이션 없이도 휴머노이드 전신 조작 데이터를 가상으로 합성하는 파이프라인을 제안했습니다.
💡 로보틱스에서는 실제 시연 수집의 병목을 줄이기 위해, 가상 자산과 비디오 priors를 활용한 데이터 생성이 점점 더 중요해지고 있습니다. 물리 세계에 바로 배치할 수 있는 수준의 합성 데이터 파이프라인이 휴머노이드 학습의 확장성을 좌우할 가능성이 큽니다.
👁️Computer Vision1
ZipSplat: Fewer Gaussians, Better Splats더 적은 가우시안으로 더 나은 스플랫, ZipSplat⭐ 28
ZipSplat은 픽셀당 가우시안 예측 대신 토큰 클러스터링 기반 장면 표현을 사용해, 재학습 없이 품질-효율 곡선을 조절하면서 DL3DV와 RealEstate10K에서 새로운 SOTA를 달성했습니다.
💡 3D 재구성은 더 많은 표현을 쓰는 방향보다, 장면 복잡도에 맞춰 표현 예산을 재배분하는 방향으로 진화하고 있습니다. ZipSplat은 해상도 중심 설계를 벗어나 토큰 기반 장면 표현으로 효율성과 범용성을 함께 확보한 사례로 보입니다.
🗣️Language Models2
ThoughtFold: Folding Reasoning Chains via Introspective Preference Learning자기성찰 선호학습으로 추론 사슬을 접는 ThoughtFold⭐ 9
ThoughtFold는 정답 추론 경로 내부의 중복 탐색을 식별해 서브트래젝터리 선호학습을 수행함으로써, RLVR 기반 추론 모델의 과도한 장문 추론을 줄이고 효율적 추론을 유도합니다.
Reinforcement Learning Elicits Contextual Learning of Unseen Language Translation강화학습으로 끌어낸 미지 언어 번역의 문맥 학습⭐ 8
이 연구는 chrF 보상만으로 RL을 적용해, 모델이 문맥에 주어진 문법·언어 정보를 활용하는 메타스킬을 학습하도록 만들었고 완전히 보지 못한 언어 번역에서 ICL과 SFT를 능가했습니다.
💡 언어모델 연구는 더 길게 생각하게 만드는 것보다, 필요한 문맥을 잘 활용하고 불필요한 추론을 접어 효율적으로 답하게 만드는 쪽으로 무게가 이동하고 있습니다. 특히 RL과 선호학습이 추론 길이와 일반화 방식을 직접 제어하는 수단으로 자리잡고 있습니다.
📄Training & Optimization2
Complexity-Balanced Diffusion Splitting복잡도 균형 확산 분할⭐ 11
CBS는 확산 시간축을 근사 난이도가 비슷한 구간으로 분할하고 구간별로 서로 다른 용량의 서브네트워크를 배치해, 거대 단일 네트워크보다 효율적인 생성 모델 설계를 제안합니다.
Self-Distilled Policy Gradient자기증류 정책 그래디언트⭐ 6
SDPG는 full-vocabulary 온폴리시 자기증류, group-relative verifier advantage, 참조 정책 KL을 결합해 sparse-reward 추론 RL의 안정성과 성능을 RLVR 및 기존 자기증류보다 개선했습니다.
💡 학습·최적화 측면에서는 거대한 단일 모델을 일괄적으로 돌리기보다, 시간축이나 정책 학습 신호를 더 세밀하게 분해해 자원을 배분하는 접근이 두드러집니다. 이는 앞으로 성능 향상뿐 아니라 학습 안정성과 계산 효율을 동시에 요구하는 흐름과 맞닿아 있습니다.