오늘의 한줄
오늘 논문들은 에이전트를 실제 업무·검색·단말 환경으로 확장하는 흐름과, 이를 뒷받침하는 메모리·계획·안전성 평가가 빠르게 정교해지고 있음을 보여줍니다. 동시에 OCR·멀티모달·3D 생성에서는 긴 시퀀스와 병렬 추론, 구조적 제약을 활용해 효율과 품질을 함께 끌어올리려는 시도가 두드러집니다.
👁️Computer Vision3
Unlimited OCR Works무제한 OCR의 작동 원리⭐ 2,570
Unlimited OCR는 DeepSeek OCR의 디코더 어텐션을 R-SWA로 전면 교체해 긴 출력에서도 KV 캐시를 일정하게 유지하며 OCR 추론 메모리와 지연 증가 문제를 줄였습니다.
Lift4D: Harmonizing Single-View 3D Estimation for 4D Reconstruction In-the-Wild야생 환경 4D 복원을 위한 단일 시점 3D 추정의 조화⭐ 54
Lift4D는 인과적 잠재 조건화로 시간 일관적 단일 영상 3D 초기화를 만든 뒤 이를 변형 가능한 3D Gaussian Splatting으로 테스트타임 최적화해 야생 환경의 4D 복원을 개선했습니다.
UniverSat: Resolution- and Modality-Agnostic Transformers for Earth Observation해상도와 모달리티에 구애받지 않는 지구관측 트랜스포머⭐ 20
UniverSat은 광학·비광학 센서와 다양한 공간·분광·시간 해상도를 공통 임베딩으로 매핑하는 Universal Patch Encoder로 EO 데이터 전반에 강한 센서 불변 표현을 학습했습니다.
💡 비전 쪽은 더 큰 모델을 얹기보다 구조 자체를 바꿔 긴 시퀀스와 복잡한 시공간 변형을 다루려는 흐름이 뚜렷합니다. OCR의 상수 KV 캐시, EO의 범용 패치 인코더, 4D 복원의 테스트타임 최적화처럼 실제 배치 제약을 정면으로 푸는 연구가 많아졌습니다.
💻Code & Agents9
Causal Discovery in the Era of Agents에이전트 시대의 인과 발견⭐ 1,636
이 논문은 에이전트가 인과 그래프의 엣지를 제안하는 대신 데이터 점검·가정 설명·방법 추천만 맡아야 한다는 원칙을 제시하고, 이를 causal-learn+ 플랫폼으로 구현했습니다.
OpenRath: Session-Centered Runtime State for Agent Systems에이전트 시스템을 위한 세션 중심 런타임 상태⭐ 672
OpenRath는 대화·툴 실행·메모리·브랜치 계보를 Session이라는 1급 런타임 객체로 통합해 멀티에이전트 시스템의 포크·병합·재현성을 명시적으로 다루게 합니다.
GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents다중 사용자 공유 메모리 에이전트의 메모리 거버넌스 벤치마크⭐ 74
GateMem은 병원·사무·교육·가정 환경에서 공유 메모리 에이전트의 유용성, 접근 통제, 삭제 후 망각을 함께 평가하며 어떤 기존 방법도 세 기준을 동시에 만족하지 못함을 보였습니다.
💡 에이전트 연구의 무게중심이 성능 과시에서 운영 가능성으로 이동하고 있습니다. 벤치마크·런타임·메모리 거버넌스·안전한 스킬 학습까지, 이제는 실제 환경에서 재현 가능하고 통제 가능한 시스템 설계가 핵심 경쟁력이 되고 있습니다.
📄Robotics & RL3
World Action Models: A Survey월드 액션 모델 서베이⭐ 233
이 서베이는 WAM을 렌더링 미래·잠재 미래·비디오 생성 없는 행동 추론으로 정리하고, 예측 기반·행동 결합·배치 환경을 축으로 최근 체화 모델 지형을 체계화했습니다.
Tmax: A simple recipe for terminal agents터미널 에이전트를 위한 단순하고 강력한 레시피⭐ 73
Tmax는 난이도·페르소나·검증기 다양화를 반영한 데이터 생성과 단순 outcome-only RL을 결합해 9B 모델로 Terminal-Bench 2.0에서 27%를 달성했습니다.
Training Open Models for Agentic Phone Use에이전트형 폰 사용을 위한 오픈 모델 학습⭐ 5
PhoneBuddy는 실제 앱 환경과 모의 앱 환경 PhoneWorld를 함께 활용한 SFT+혼합 RL 레시피로 실폰 150개 과제 성공률을 36.67%에서 45.33%로 끌어올렸습니다.
💡 체화·행동 연구는 월드 모델의 개념 정리와 함께, 터미널·스마트폰 같은 구체적 실행 표면에서 RL 레시피를 검증하는 단계로 들어섰습니다. 특히 실환경과 모의환경을 섞어 학습하거나, 작은 오픈 모델로도 강한 성능을 내는 방향이 실용성을 크게 높이고 있습니다.
📄Multimodal & Generative3
PerceptionDLM: Parallel Region Perception with Multimodal Diffusion Language Models멀티모달 디퓨전 언어모델로 구현한 병렬 영역 인식⭐ 31
PerceptionDLM은 구조화된 어텐션 마스킹과 효율적 프롬프팅으로 여러 이미지 영역 설명을 시퀀스·토큰 수준에서 병렬 생성해 기존 순차적 MLLM 대비 인식 추론 효율을 높였습니다.
BioMatrix: Towards a Comprehensive Biological Foundation Model Spanning the Modality Matrix of Sequences, Structures, and Language서열·구조·언어를 아우르는 종합 생물학 파운데이션 모델⭐ 22
BioMatrix는 분자·단백질의 서열, 구조, 자연어를 통합 토큰 공간에 넣는 decoder-only 구조로 여러 생물학 모달리티를 외부 인코더 없이 읽고 생성하는 첫 통합 모델을 제시했습니다.
MeshFlow: Mesh Generation with Equivariant Flow Matching등변성 플로우 매칭 기반 메시 생성⭐ 27
MeshFlow는 삼각형 soup의 면·정점 순열 대칭을 보존하는 equivariant flow matching과 OT 기반 학습목표로 긴 자기회귀 직렬화 없이 직접 메시를 생성합니다.
💡 멀티모달 생성은 병렬화와 구조 보존이 핵심 키워드입니다. 디퓨전 기반 병렬 영역 인식, 통합 토큰 공간의 생물학 모델, 등변성을 지키는 메시 생성 모두 모달리티를 늘리면서도 추론 효율과 표현 일관성을 놓치지 않으려는 시도로 읽힙니다.
🗣️Language Models1
EvoEmbedding: Evolvable Representations for Long-Context Retrieval and Agentic Memory장문 검색과 에이전트 메모리를 위한 진화형 임베딩⭐ 21
EvoEmbedding은 순차 입력을 따라 잠재 메모리를 갱신하며 같은 질의도 문맥 진화에 따라 다른 대상을 찾는 동적 임베딩을 만들고, EvoTrain-180K와 메모리 큐로 이를 안정적으로 학습했습니다.
💡 임베딩조차 정적인 표현에서 벗어나 문맥과 시간에 따라 진화하는 방향으로 가고 있습니다. 장문 검색과 에이전트 메모리에서는 이제 더 좋은 벡터 하나보다, 상태를 누적하며 표현을 계속 갱신하는 메커니즘이 중요해지고 있습니다.
📄Training & Optimization1
Exploring the Design Space of Reward Backpropagation for Flow Matching플로우 매칭을 위한 보상 역전파 설계 공간 탐색⭐ 8
FlowBP는 샘플링 경로와 최적화 경로를 분리한 surrogate-trajectory 프레임워크로 플로우 매칭 모델의 보상 역전파 메모리 부담과 초기 스텝 그래디언트 폭주를 완화합니다.
💡 생성모델 정렬에서도 단순히 보상을 주는 것을 넘어, 어떤 경로로 그래디언트를 되돌릴지 자체가 중요한 설계 문제가 되고 있습니다. 대규모 플로우 매칭 모델에서는 메모리 제약과 그래디언트 안정성을 함께 다루는 최적화 공학이 성능을 좌우할 가능성이 큽니다.