오늘의 한줄
오늘은 에이전트의 장기 계획·메모리·실행 환경을 재설계하는 연구와, 멀티모달 생성 모델의 효율성과 범용성을 넓히는 시도가 두드러졌습니다. 특히 실제 운영 환경에 가까운 벤치마크와 시스템 하네스가 늘어나며, 모델 성능보다 워크플로우·거버넌스·평가 체계의 중요성이 커지고 있습니다.
📄Multimodal & Generative4
Unlimited OCR WorksUnlimited OCR로 여는 장문 OCR⭐ 2,570
Unlimited OCR는 디코더의 모든 어텐션을 R-SWA로 교체해 KV 캐시를 일정하게 유지하면서 장문 OCR의 메모리·지연 문제를 줄인 모델로, 긴 문서 복사형 추론의 실용성을 크게 높였습니다.
PerceptionDLM: Parallel Region Perception with Multimodal Diffusion Language Models멀티모달 확산 언어모델의 병렬 영역 인지⭐ 31
PerceptionDLM은 구조화된 어텐션 마스킹과 효율적 프롬프팅으로 여러 이미지 영역 설명을 시퀀스·토큰 수준에서 병렬 생성해, 순차 처리형 MLLM 대비 인지 작업 추론 효율을 크게 높였습니다.
DiffusionBench: On Holistic Evaluation of Diffusion Transformers확산 트랜스포머를 제대로 평가하는 DiffusionBench⭐ 54
DiffusionBench와 NanoGen은 ImageNet 한정 평가에서 벗어나 T2I까지 같은 프레임으로 학습·비교하게 만들었고, ImageNet 순위가 실제 생성 성능과 강하게 상관되지 않음을 21개 모델 실험으로 보여줬습니다.
💡 멀티모달 생성은 이제 단순히 더 잘 만드는 경쟁을 넘어, 긴 출력의 메모리 효율화와 병렬 인지, 그리고 평가 프레임 자체의 재정의로 이동하고 있습니다. 특히 OCR·영역 인지·생물학처럼 도메인별 생성 과제를 하나의 범용 아키텍처로 흡수하려는 흐름이 강해졌습니다.
💻Code & Agents10
Causal Discovery in the Era of Agents에이전트 시대의 인과 발견⭐ 1,636
이 논문은 에이전트가 인과 그래프의 엣지나 결론을 직접 제시하지 말고 데이터 점검·가정 설명·진단 지원에 머물러야 한다는 원칙을 제안하고, 이를 causal-learn+ 플랫폼으로 구현했습니다.
OpenRath: Session-Centered Runtime State for Agent Systems세션 중심 런타임 상태를 위한 OpenRath⭐ 672
OpenRath는 대화·도구 실행·메모리·브랜치 계보를 Session이라는 1급 런타임 객체로 통합해 멀티에이전트 시스템의 포크·병합·재현성을 명시적으로 다루게 해주는 프레임워크입니다.
GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents다중 사용자 공유 메모리 에이전트의 메모리 거버넌스 벤치마크⭐ 74
GateMem은 병원·사무·가정 등 다중 사용자 환경에서 유틸리티, 접근 통제, 삭제 요청 후 망각까지 함께 평가하는 벤치마크이며, 기존 방법들이 세 조건을 동시에 만족하지 못함을 보여줍니다.
💡 에이전트 연구의 중심이 모델 자체에서 세션 상태, 메모리 거버넌스, OS 하네스, 실제 업무형 벤치마크 같은 시스템 층위로 빠르게 내려오고 있습니다. 성능 상한보다도 장기 계획, 안전한 메모리 공유, 재현 가능한 실행 환경이 실사용의 병목이라는 점이 분명해졌습니다.
📄Robotics & RL2
World Action Models: A Survey월드 액션 모델 총정리⭐ 233
이 서베이는 WAM을 비디오 생성형 월드모델·VLA 정책과 구분해 정리하고, 예측 표현·행동 결합·배치 방식 관점에서 상호작용성·인과성·물리 타당성을 비교하는 공통 프레임을 제시합니다.
EventVLA: Event-Driven Visual Evidence Memory for Long-Horizon Vision-Language-Action Policies장기 로봇 조작을 위한 이벤트 기반 시각 증거 메모리⭐ 17
EventVLA는 미래 키프레임 확률을 직접 예측하는 KEM으로 작업상 중요한 시각 이벤트만 희소하게 저장해, 장기 로봇 조작에서 가려진 단서와 메모리 병목 문제를 동시에 완화합니다.
💡 로보틱스와 RL에서는 장기 작업을 위해 미래 예측과 선택적 메모리를 어떻게 결합할지가 핵심 축으로 보입니다. 월드모델의 개념 정리와 EventVLA의 희소 증거 메모리는, 더 많은 히스토리보다 더 중요한 순간을 저장하는 방향이 유망함을 시사합니다.
📄Training & Optimization1
Holistic Data Scheduler for LLM Pre-training via Multi-Objective Reinforcement Learning다목적 강화학습 기반 LLM 사전학습 데이터 스케줄러⭐ 200
HDS는 LLM 사전학습의 온라인 데이터 믹싱을 연속 제어 강화학습 문제로 바꾸고 SAC와 다목적 보상으로 데이터 구성을 동적으로 조절해, 단일 지표 최적화보다 더 균형 잡힌 학습 효율을 노렸습니다.
💡 사전학습 최적화도 정적인 데이터 비율에서 벗어나, 학습 중 데이터 조성을 제어하는 정책 학습 문제로 바뀌고 있습니다. 앞으로는 모델 아키텍처만큼이나 데이터 스케줄러 자체가 성능과 효율을 좌우하는 시대가 올 가능성이 큽니다.
👁️Computer Vision2
Lift4D: Harmonizing Single-View 3D Estimation for 4D Reconstruction In-the-Wild야생 환경 4D 복원을 위한 Lift4D⭐ 54
Lift4D는 단일 이미지 3D 추정을 시간 일관된 초기화로 바꾸고 이를 변형 가능한 3D Gaussian Splatting에 결합한 테스트타임 최적화로, 큰 변형과 가림이 있는 실제 영상의 4D 복원 성능을 끌어올렸습니다.
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 투영하는 Universal Patch Encoder를 제안해, 하나의 백본으로 여러 EO 벤치마크 분류·분할 성능을 강화했습니다.
💡 비전에서는 단일 장면 3D와 이질적 EO 센서처럼 입력 조건이 크게 다른 문제를 하나의 일관된 표현으로 맞추는 시도가 두드러집니다. 결국 강한 범용 백본과 테스트타임 적응의 결합이 실제 환경 일반화의 핵심 전략으로 보입니다.
🗣️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 문맥에 따라 같은 질의의 표현도 달라지게 만드는 임베딩 모델로, 정적인 의미 검색을 넘어 장문 추적형 검색과 에이전트 메모리에 적합합니다.
💡 임베딩조차 정적 표현에서 벗어나 문맥과 시간에 따라 진화하는 상태 기반 표현으로 넘어가고 있습니다. 장문 검색과 에이전트 메모리의 경계가 흐려지면서, 앞으로의 검색 모델은 '무엇을 닮았는가'보다 '지금 어떤 상태인가'를 더 잘 표현해야 할 것입니다.