오늘의 한줄
오늘은 장기 과제를 다루는 에이전트 평가·최적화와, 물리·기하·메모리를 더 정확히 다루려는 월드모델 연구가 두드러졌습니다. 동시에 멀티모달 생성에서는 긴 비디오, 3D 지구 생성, 실시간 복원처럼 실제 배포를 겨냥한 시스템화가 빠르게 진행되고 있습니다.
📄Multimodal & Generative6
Kwai Keye-VL-2.0 Technical ReportKwai Keye-VL-2.0 기술 보고서⭐ 785
Keye-VL-2.0-30B-A3B는 GQA 기반 멀티모달 아키텍처에 DSA를 처음 적용해 손실 없는 256K 컨텍스트의 장시간 비디오 이해를 지원하고, MOPD와 Context-RL로 멀티태스크 정렬 시 망각 문제까지 줄였습니다.
SCAIL-2: Unifying Controlled Character Animation with End-to-end In-Context Conditioning엔드투엔드 인컨텍스트 조건화로 통합한 제어형 캐릭터 애니메이션⭐ 156
SCAIL-2는 포즈나 마스크 같은 중간 표현 없이 입력 비디오를 직접 연결하는 엔드투엔드 캐릭터 애니메이션 프레임워크로, MotionPair-60K와 in-context mask conditioning으로 이질적 모션 전이 작업을 하나로 묶었습니다.
Latent Spatial Memory for Video World Models비디오 월드모델을 위한 잠재 공간 메모리⭐ 70
Mirage는 장면 정보를 픽셀 대신 diffusion latent 공간의 3D 캐시에 저장하는 latent spatial memory를 도입해, 반복 렌더링·재인코딩 비용과 정보 손실을 줄이면서 더 일관된 신규 시점 비디오 생성을 가능하게 합니다.
💡 멀티모달 생성은 이제 단순한 시각 품질 경쟁을 넘어 긴 문맥, 3D 일관성, 실제 배포 비용까지 함께 최적화하는 방향으로 가고 있습니다. 특히 월드모델과 생성 모델이 잠재 공간 메모리, 통합 토큰화, 장시간 비디오 처리 같은 공통 설계를 공유하기 시작했다는 점이 인상적입니다.
📄Training & Optimization1
Rethinking the Divergence Regularization in LLM RLLLM 강화학습의 발산 정규화를 다시 생각하다⭐ 408
DRPO는 DPPO의 하드 마스크를 부드러운 advantage-weighted quadratic regularizer로 대체해 오프폴리시 LLM RL의 신뢰영역 제어를 더 안정적으로 만들고, 경계를 넘는 토큰도 버리지 않고 교정합니다.
💡 LLM 후학습에서는 단순한 클리핑보다 분포 이동을 더 직접적으로 다루는 정규화가 중요해지고 있습니다. DRPO는 안정성 문제를 완화하면서도 유용한 그래디언트를 버리지 않는 방향으로 RL objective 자체를 더 정교하게 다듬는 흐름을 보여줍니다.
💻Code & Agents8
Agents' Last Exam에이전트를 위한 마지막 시험⭐ 183
ALE는 250명 이상 산업 전문가와 만든 1,000개+ 장기 실무 과제 벤치마크로, 현재 주류 에이전트의 평균 완전 통과율이 2.6%에 그쳐 경제적으로 의미 있는 업무 자동화까지는 아직 거리가 있음을 보여줍니다.
Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution이중 역할 진화로 LLM 에이전트를 부트스트랩하는 Role-Agent⭐ 74
Role-Agent는 하나의 LLM이 에이전트와 환경을 동시에 맡는 WIA·AIW 구조로 상태 예측 정합성을 process reward로 쓰고 실패 패턴 기반 과제를 재구성해, 정적 데이터 없이도 에이전트 성능을 지속적으로 끌어올립니다.
DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning재귀 검색과 루브릭 기반 추론을 갖춘 감사 가능한 멀티에이전트 딥리서치 시스템⭐ 33
DuMate-DeepResearch는 계획·스케줄링을 담당하는 Agent Core와 도구 생태계를 분리하고, 재귀 검색과 루브릭 기반 추론으로 장기 리서치 과제의 근거 수집·보고서 합성 과정을 추적 가능하게 만든 멀티에이전트 프레임워크입니다.
💡 에이전트 연구의 무게중심이 모델 자체보다 벤치마크, 하네스, 위임, 감사 가능성 같은 시스템 설계로 빠르게 이동하고 있습니다. 특히 장기 과제에서는 더 큰 컨텍스트보다 더 나은 분업 구조와 자기개선 루프가 경쟁력이 된다는 점이 반복해서 확인됩니다.
📄Robotics & RL4
Echo-Memory: A Controlled Study of Memory in Action World Models액션 월드모델의 메모리를 통제 조건에서 분석한 Echo-Memory⭐ 87
Echo-Memory는 동일한 비디오 diffusion 백본 위에서 raw context, 압축 메모리, 공간 요약, 상태공간 recurrence만 바꿔 비교함으로써 액션 월드모델의 실패 원인이 생성 품질보다 메모리 설계에 있음을 정밀하게 분리해 보여줍니다.
Light-WAM: Efficient World Action Models with State-Fusion Action Decoding상태 융합 액션 디코딩을 갖춘 효율적 월드 액션 모델⭐ 25
Light-WAM은 다운샘플드 잠재 공간에서 미래 비디오 감독을 수행하고 StateFusionActionExpert로 여러 레이어 상태를 한 번에 액션 청크로 예측해, 로봇 조작용 WAM의 학습·추론 비용을 크게 줄였습니다.
Next Forcing: Causal World Modeling with Multi-Chunk Prediction멀티청크 예측 기반 인과적 월드모델링, Next Forcing⭐ 29
Next Forcing은 next^1·next^2·next^3 미래 청크를 함께 예측하는 MCP 학습 목표를 추가해 고프레임레이트 비디오 월드모델의 수렴 속도와 정확도를 높이고, 추론도 더 빠르게 만듭니다.
💡 로보틱스와 월드모델 쪽은 더 큰 생성 모델을 쓰기보다 메모리, 멀티청크 예측, 경량 액션 디코딩처럼 효율적으로 미래를 반영하는 구조에 집중하고 있습니다. 동시에 QGF처럼 학습 시 불안정을 테스트타임 최적화로 우회하려는 접근은 실제 제어 배포 관점에서 매우 실용적입니다.
👁️Computer Vision1
SwiftVR: Real-Time One-Step Generative Video Restoration실시간 원스텝 생성형 비디오 복원 SwiftVR⭐ 15
SwiftVR은 mask-free shifted-window attention과 경량 Restoration-aware Autoencoder를 통해 커스텀 커널 없이도 소비자용 GPU에서 고해상도 실시간 스트리밍 비디오 복원을 가능하게 한 원스텝 프레임워크입니다.
💡 비전 시스템은 최고 성능보다도 범용 하드웨어에서 바로 돌아가는 실시간성으로 평가축이 이동하고 있습니다. SwiftVR은 커스텀 커널 의존성을 줄이면서도 생성형 복원을 유지해, 연구 아이디어를 제품 수준 파이프라인으로 연결하는 방향을 잘 보여줍니다.