오늘의 한줄
오늘은 작은 모델의 검증 가능한 추론 성능 상향, 실시간·상호작용형 월드모델의 확장, 그리고 장기 작업을 위한 에이전트 메모리·컨텍스트 최적화가 핵심 흐름으로 보입니다. 특히 멀티모달과 에이전트 연구가 점점 더 실제 환경 제약과 실행 비용까지 함께 다루기 시작했다는 점이 인상적입니다.
🗣️Language Models1
VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in Small Language ModelsVibeThinker-3B: 소형 언어모델의 검증 가능 추론 한계 탐색⭐ 597
VibeThinker-3B는 curriculum SFT, 멀티도메인 RL, 오프라인 self-distillation을 결합해 3B 규모로 AIME26 94.3점(클레임 단위 테스트타임 스케일링 시 97.1)과 LiveCodeBench v6 Pass@1 80.2를 달성했습니다.
💡 소형 모델도 후학습 파이프라인과 테스트타임 스케일링을 정교하게 설계하면 대형 추론 모델의 성능대에 근접할 수 있다는 메시지가 강하게 보입니다. 앞으로는 파라미터 수 경쟁보다 검증 가능 과제에서의 데이터·RL·증류 조합이 더 중요한 차별점이 될 가능성이 큽니다.
📄Multimodal & Generative5
DreamX-World 1.0: A General-Purpose Interactive World ModelDreamX-World 1.0: 범용 상호작용 월드모델⭐ 318
DreamX-World 1.0은 E-PRoPE, causal forcing, DMD식 distillation, 장기 rollout 학습을 통해 텍스트·이미지 입력에서 카메라 제어와 재방문이 가능한 장기 비디오 생성형 월드모델을 구현했습니다.
JoyAI-VL-Interaction: Real-Time Vision-Language Interaction IntelligenceJoyAI-VL-Interaction: 실시간 비전-언어 상호작용 지능⭐ 209
JoyAI-VL-Interaction은 매초 스스로 침묵·응답·위임을 결정하는 8B 비전 우선 상호작용 모델로, 질문을 기다리는 QA형 VLM을 넘어 실시간 상황 개입형 에이전트 패러다임을 제시했습니다.
P3D-Bench: Benchmarking MLLMs for Parametric 3D Generation and Structural ReasoningP3D-Bench: 파라메트릭 3D 생성과 구조 추론을 위한 MLLM 벤치마크⭐ 40
P3D-Bench는 Text-to-3D, Image-to-3D, Assembly-3D를 포괄하며 실행 가능성, 기하 정밀도, 토폴로지, 부품 관계까지 평가해 MLLM의 코드 기반 3D 설계 능력을 정밀 측정합니다.
💡 월드모델 연구가 단순 비디오 생성에서 벗어나 카메라 제어, 장기 일관성, 행동 정렬 데이터셋까지 포함하는 상호작용 중심 체계로 빠르게 이동하고 있습니다. 동시에 3D 생성과 오디오비주얼 추론도 구조화된 표현과 평가 기준을 갖추며, '그럴듯함'보다 제어 가능성과 검증 가능성을 중시하는 방향이 뚜렷합니다.
💻Code & Agents7
FastContext: Training Efficient Repository Explorer for Coding AgentsFastContext: 코딩 에이전트를 위한 효율적 저장소 탐색기 학습⭐ 407
FastContext는 탐색 전용 서브에이전트를 분리해 병렬 툴 호출로 필요한 파일 경로와 라인 범위만 반환함으로써 SWE-bench Multilingual, SWE-bench Pro, SWE-QA에서 코딩 에이전트의 문맥 오염과 토큰 낭비를 줄였습니다.
Orchestra-o1: Omnimodal Agent OrchestrationOrchestra-o1: 옴니모달 에이전트 오케스트레이션⭐ 39
Orchestra-o1은 텍스트·이미지·오디오·비디오를 아우르는 작업을 위해 모달리티 인지형 태스크 분해, 온라인 서브에이전트 전문화, 병렬 실행을 통합한 옴니모달 오케스트레이션 프레임워크를 제안했습니다.
Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents기억은 검색이 아니라 재구성된다: LLM 에이전트를 위한 그래프 메모리⭐ 51
MRAgent는 Cue-Tag-Content 그래프와 능동적 재구성 메커니즘으로 메모리 접근 자체를 추론 과정에 통합해, 장기 상호작용 이력에서 정적 retrieve-then-reason보다 더 유연한 증거 탐색을 가능하게 했습니다.
💡 에이전트 연구는 이제 단일 모델 성능보다 탐색 분업, 메모리 재구성, 컨텍스트 캐시 관리, 멀티에이전트 오케스트레이션처럼 시스템 설계 자체를 최적화하는 흐름이 강합니다. 특히 실제 저장소, 물리 세계, 게임 엔진, 뉴스룸 같은 작업 환경에 맞춘 벤치마크와 비용 절감 기법이 함께 등장하면서 '쓸 수 있는 에이전트'에 가까워지고 있습니다.
👁️Computer Vision2
World Tracing: Generative Pixel-Aligned Geometry Beyond the VisibleWorld Tracing: 보이지 않는 영역까지 복원하는 픽셀 정렬 3D 기하⭐ 186
World Tracing은 픽셀마다 가시 표면과 가려진 표면의 3D 포인트 스택을 예측하는 표현과 WT-DiT를 제안해, 입력 정합성과 보이지 않는 기하 완성을 동시에 노린 이미지-투-3D 접근을 제시했습니다.
Text-Vision Co-Instructed Image Editing텍스트-비전 공동 지시 이미지 편집⭐ 17
TV-Edit은 2.3만 쌍의 텍스트-시각 지시 데이터와 통합 편집 프레임워크를 통해, 텍스트의 의미 지시와 포인트·드래그 기반 공간 제어를 함께 활용하는 정밀 이미지 편집을 구현했습니다.
💡 비전 분야에서는 입력 픽셀과의 정합성을 유지하면서도 보이지 않는 구조나 정밀한 편집 제어를 복원하려는 시도가 두드러집니다. 생성 품질 경쟁을 넘어 공간적 충실도와 사용자 제어성을 함께 잡는 것이 핵심 과제로 보입니다.
📄Training & Optimization2
AdaSR: Adaptive Streaming Reasoning with Hierarchical Relative Policy OptimizationAdaSR: 계층형 상대 정책 최적화 기반 적응형 스트리밍 추론⭐ 73
AdaSR는 입력이 순차적으로 도착하는 환경에서 언제 생각하고 얼마나 계산할지 학습하도록 설계됐으며, HRPO로 스트리밍 추론과 최종 숙고를 분리 최적화해 정적 read-then-think 한계를 넘었습니다.
APPO: Agentic Procedural Policy OptimizationAPPO: 에이전트 절차 정책 최적화⭐ 53
APPO는 도구 호출 단위 대신 시퀀스 내부의 세밀한 결정 지점에서 branching과 credit assignment를 수행해, 멀티턴 툴 사용 에이전트 RL의 보상 전파 정확도를 높이도록 설계됐습니다.
💡 최적화 연구는 더 이상 정적 입력과 거친 보상 단위에 머물지 않고, 스트리밍 입력과 세밀한 의사결정 지점까지 학습 대상으로 확장되고 있습니다. 이는 추론과 에이전트 행동을 더 적응적으로 만들기 위해 RL 목적 함수 자체를 재설계하는 단계로 넘어가고 있음을 시사합니다.
📄Robotics & RL3
Geometric Action Model for Robot Policy LearningGeometric Action Model: 로봇 정책 학습을 위한 기하학적 액션 모델⭐ 56
GAM은 사전학습 기하 파운데이션 모델을 관측 인코더·미래 예측기·액션 디코더의 공통 기반으로 재사용해, 2D 중심 VLA/WAM보다 3D 물리 상호작용을 더 직접적으로 반영하는 조작 정책을 학습합니다.
LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot PoliciesLaWAM: 효율적인 동역학 인지 로봇 정책을 위한 잠재 월드 액션 모델⭐ 14
LaWAM은 미래 비디오를 직접 생성하는 대신 잠재 시각 서브골을 예측하는 LaWM을 통해 정책에 동역학 정보를 주입해, 픽셀 수준 중복을 줄이면서도 미래 예측 기반 로봇 제어를 효율화했습니다.
iMaC: Translating Actions into Motion and Contact Images for Embodied World ModelsiMaC: 행동을 움직임·접촉 이미지로 번역하는 체화 월드모델⭐ 14
iMaC는 관절각 같은 저차원 액션 대신 이미지 자체를 액션 토큰으로 사용하는 Image as Action Control 패러다임을 도입해, 다양한 embodiment와 복잡한 물리 상호작용을 더 자연스럽게 모델링합니다.
💡 로보틱스에서는 2D 관측이나 픽셀 재구성 중심 접근에서 벗어나, 3D 기하와 잠재 동역학, 이미지형 액션 표현처럼 물리 상호작용의 구조를 직접 모델링하려는 흐름이 뚜렷합니다. 결국 범용 로봇 정책의 경쟁력은 거대한 백본보다 미래 물리 상태를 얼마나 압축적이고 유용하게 예측하느냐에 달려 보입니다.