오늘의 한줄
오늘은 에이전트의 컨텍스트 관리와 오케스트레이션, 그리고 멀티모달·로보틱스에서의 월드모델 고도화가 특히 두드러졌습니다. 단순히 더 큰 모델을 만드는 대신, 추론·메모리·행동 표현을 구조적으로 재설계해 실제 환경에서의 효율과 일반화를 끌어올리려는 흐름이 강하게 보입니다.
💻Code & Agents7
FastContext: Training Efficient Repository Explorer for Coding Agents코딩 에이전트를 위한 효율적 저장소 탐색기 FastContext⭐ 407
FastContext는 저장소 탐색을 해결기와 분리한 전용 서브에이전트로, 병렬 도구 호출과 파일 경로·라인 범위만 반환하는 압축 컨텍스트를 통해 SWE-bench 계열과 SWE-QA에서 코딩 에이전트의 정확도와 토큰 효율을 함께 높였습니다.
Orchestra-o1: Omnimodal Agent Orchestration전 모달 에이전트 협업을 위한 오케스트레이션 프레임워크⭐ 39
Orchestra-o1은 텍스트·이미지·오디오·비디오를 아우르는 통합 오케스트레이션으로 모달리티 인지형 작업 분해, 온라인 서브에이전트 특화, 병렬 실행을 지원해 복합 멀티모달 에이전트 협업의 확장성을 높였습니다.
Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents검색이 아니라 재구성하는 LLM 에이전트 그래프 메모리⭐ 51
MRAgent는 Cue-Tag-Content 그래프와 능동적 재구성 메커니즘으로 추론 과정 중 메모리 탐색 경로를 동적으로 확장·가지치기해, 긴 상호작용 이력에서 정적 retrieve-then-reason 방식보다 더 유연한 기억 활용을 가능하게 했습니다.
💡 에이전트 연구의 초점이 이제 단순한 프롬프트 설계에서 벗어나 탐색, 메모리, 컨텍스트 캐시, 멀티에이전트 오케스트레이션, 실행 하니스까지 시스템 전반의 구조 최적화로 이동하고 있습니다. 특히 실제 소프트웨어·모바일·실세계 환경에서는 '무엇을 아느냐'보다 '어떻게 효율적으로 행동하고 검증하느냐'가 성능을 좌우한다는 점이 분명해졌습니다.
🗣️Language Models1
VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in Small Language Models소형 언어모델의 검증 가능한 추론 한계를 탐색한 VibeThinker-3B⭐ 597
VibeThinker-3B는 커리큘럼 SFT·다중 도메인 RL·오프라인 자기증류를 결합해 3B 규모에서도 AIME26 94.3점, LiveCodeBench v6 Pass@1 80.2를 기록하며 대형 추론 모델급 성능을 입증했습니다.
💡 소형 모델도 후학습 파이프라인을 정교하게 설계하면 검증 가능한 추론에서 대형 모델급 성능에 근접할 수 있음을 보여줍니다. 앞으로는 모델 크기 경쟁보다 보상 설계, 자기증류, 테스트타임 스케일링 같은 추론 증폭 기법의 중요성이 더 커질 가능성이 높습니다.
📄Multimodal & Generative4
DreamX-World 1.0: A General-Purpose Interactive World Model범용 상호작용 비디오 월드모델 DreamX-World 1.0⭐ 318
DreamX-World 1.0은 E-PRoPE, causal forcing, 장기 롤아웃 학습을 결합해 텍스트·이미지 조건의 장기 비디오 생성에서 카메라 이동, 재방문, 이벤트 제어를 지원하는 범용 상호작용 월드모델을 제시했습니다.
JoyAI-VL-Interaction: Real-Time Vision-Language Interaction Intelligence실시간 시각-언어 상호작용 지능 JoyAI-VL-Interaction⭐ 209
JoyAI-VL-Interaction은 매초 스스로 침묵·응답·위임을 결정하는 8B 비전 우선 상호작용 모델과 오픈소스 스택을 공개해, 질의응답형 VLM을 넘어 실시간 상황 인지형 에이전트 패러다임을 밀어붙였습니다.
P3D-Bench: Benchmarking MLLMs for Parametric 3D Generation and Structural Reasoning파라메트릭 3D 생성과 구조 추론을 평가하는 P3D-Bench⭐ 40
P3D-Bench는 Text-to-3D, Image-to-3D, Assembly-3D를 아우르며 실행 가능성, 기하 정확도, 토폴로지, 부품 관계까지 평가해 MLLM의 코드 기반 3D 설계 능력을 정밀하게 드러내는 벤치마크를 제안했습니다.
💡 멀티모달 생성은 이제 정적인 텍스트-이미지 단계를 넘어, 상호작용 가능한 월드모델과 실시간 반응형 시스템, 그리고 구조적 3D·오디오비주얼 추론 데이터셋으로 확장되고 있습니다. 생성 품질 자체보다 장기 일관성, 제어 가능성, 평가 가능성을 함께 확보하려는 방향이 뚜렷합니다.
👁️Computer Vision2
World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible보이지 않는 영역까지 복원하는 픽셀 정렬 3D 기하 생성⭐ 186
World Tracing은 픽셀마다 가려진 표면까지 포함한 순차적 3D 포인트 스택을 예측하고, WT-DiT로 가시 표면 정합성과 비가시 기하 완성도를 함께 잡아 이미지 기반 3D 복원의 충실도-완전성 절충을 줄였습니다.
BRDFusion: Physics Meets Generation for Urban Scene Inverse Rendering물리 기반 렌더링과 생성모델을 결합한 도시 장면 역렌더링⭐ 21
BRDFusion은 물리 기반 모델의 제어 가능성과 생성모델의 복원력을 결합해 도시 영상의 역·정방향 렌더링 품질을 높였으며, 새로운 시점 재조명과 편집까지 더 일관되게 지원했습니다.
💡 비전 분야에서는 보이는 것만 맞추는 복원에서 벗어나, 가려진 기하와 물리적 속성까지 일관되게 추정하는 방향으로 나아가고 있습니다. 이는 3D 재구성, 역렌더링, 시뮬레이션 활용까지 연결되는 '생성 가능하면서도 제어 가능한 장면 이해'가 핵심 축이 되고 있음을 시사합니다.
📄Training & Optimization2
AdaSR: Adaptive Streaming Reasoning with Hierarchical Relative Policy Optimization계층적 상대 정책 최적화로 구현한 적응형 스트리밍 추론⭐ 73
AdaSR은 입력이 순차적으로 도착하는 환경에서 언제 생각하고 얼마나 계산할지 학습하는 스트리밍 추론 프레임워크이며, HRPO로 중간 추론과 최종 숙고를 분리 최적화해 정적 read-then-think 한계를 넘어섰습니다.
APPO: Agentic Procedural Policy Optimization세밀한 분기와 공로 할당을 위한 에이전트형 정책 최적화⭐ 53
APPO는 도구 호출 단위 대신 시퀀스 내부의 세밀한 결정 지점에서 분기하고 Branching Score로 공로를 할당해, 멀티턴 도구 사용 에이전트의 강화학습을 더 정교하게 만드는 절차적 정책 최적화 기법입니다.
💡 최적화 연구는 정답만 맞히는 학습보다, 언제 계산하고 어디에 공로를 줄지 같은 추론 과정의 구조를 직접 학습하는 쪽으로 진화하고 있습니다. 스트리밍 입력이나 멀티턴 도구 사용처럼 중간 의사결정이 중요한 환경에서 이런 계층적·절차적 RL 설계가 점점 표준이 될 가능성이 큽니다.
📄Robotics & RL4
Geometric Action Model for Robot Policy Learning기하 기반 표현으로 학습하는 로봇 정책 모델⭐ 56
GAM은 사전학습 기하 파운데이션 모델을 관측 인코더·미래 예측기·행동 디코더의 공통 기반으로 재활용해, 2D 중심 VLA/WAM보다 접촉이 많은 조작에서 필요한 3D 기하 추론을 정책 내부에 직접 심었습니다.
LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies효율적인 동역학 인지 로봇 정책을 위한 잠재 월드-액션 모델⭐ 14
LaWAM은 픽셀 비디오 대신 잠재 시각 서브골을 예측하는 LaWM을 통해 미래 장면 변화를 압축적으로 노출해, 계산량을 줄이면서도 동역학을 고려한 로봇 제어를 가능하게 했습니다.
iMaC: Translating Actions into Motion and Contact Images for Embodied World Models행동을 모션·접촉 이미지로 바꾸는 체화 월드모델⭐ 14
iMaC는 관절값 대신 이미지 자체를 행동 표현으로 쓰는 Image as Action Control 패러다임을 제안해, 다양한 embodiment와 복잡한 물리 상호작용을 더 풍부한 시각 토큰으로 모델링했습니다.
💡 로보틱스에서는 3D 기하, 잠재 미래 예측, 이미지형 행동 표현, 행동 전문가 사전학습처럼 정책 내부의 세계모델과 행동 표현을 더 구조적으로 만드는 시도가 두드러집니다. 공통적으로는 픽셀 수준의 비효율을 줄이면서도 접촉·동역학·언어 일반화 같은 실제 조작의 병목을 정면으로 해결하려는 흐름입니다.