오늘의 한줄
오늘은 로봇 조작의 범용화와 에이전트 평가·최적화, 그리고 언어·멀티모달 모델의 구조적 개선이 두드러졌습니다. 특히 실제 배치 환경에서의 안전성·비용·일반화 가능성을 정량적으로 다루는 연구가 많아졌다는 점이 인상적입니다.
👁️Computer Vision1
The Galaxy's Guide to the Tokenizer: A Benchmark for Scientific Foundation Models과학 파운데이션 모델을 위한 토크나이저 가이드: 천문학 벤치마크⭐ 48
DESI 은하 이미지 64만 장으로 AstroPT 백본 위에서 4가지 토크나이저를 비교해 재구성과 물리량 표현 성능이 분리된다는 점을 보였고, 과학 도메인에서는 단일 최적 토크나이저가 없음을 정리했습니다.
💡 과학 비전에서는 이제 모델 자체보다 입력 표현 설계가 성능과 해석 가능성을 어떻게 바꾸는지가 핵심 질문으로 떠오르고 있습니다. 특히 재구성 품질이 좋은 표현이 반드시 다운스트림 과학 추론에 유리하지 않다는 점은, 도메인 특화 벤치마크의 중요성을 다시 보여줍니다.
💻Code & Agents6
AgentOdyssey: Open-Ended Long-Horizon Text Game Generation for Test-Time Continual Learning Agents테스트타임 지속학습 에이전트를 위한 개방형 장기 텍스트 게임 생성⭐ 44
AgentOdyssey는 테스트타임 지속학습 에이전트를 위해 장기 지평선 텍스트 게임을 절차적으로 생성하고, 게임 진척뿐 아니라 지식 획득·에피소드 기억·탐색 다양성·비용까지 진단하는 평가 프레임워크를 제안했습니다.
ProMSA:Progressive Multimodal Search Agents for Knowledge-Based Visual Question Answering지식기반 시각 질의응답을 위한 점진적 멀티모달 검색 에이전트⭐ 13
ProMSA는 KB-VQA에서 이미지 검색·텍스트 검색·중단을 예산 내에서 단계적으로 선택하는 검색 에이전트와 TN-GSPO 강화학습을 결합해 E-VQA와 InfoSeek에서 기존 RAG·에이전트 기준선을 꾸준히 앞섰습니다.
Boundary-Aware Context Grounding for A Low-Channel EEG Agent저채널 EEG 에이전트를 위한 경계 인식 컨텍스트 그라운딩⭐ 3
NeuraDock Agent는 결정론적 EEG 엔진과 하드웨어 인지형 LLM 계층을 분리하고 허용 목록 기반 요약·버전드 컨텍스트 팩만 제공해, 7채널 EEG에서 과도한 해석을 줄이는 경계 인식형 과학 소프트웨어 에이전트 구조를 제시했습니다.
💡 에이전트 연구는 점점 '더 잘 푸는가'에서 '어떻게 탐색하고 무엇을 비용으로 쓰는가'로 초점이 이동하고 있습니다. 장기 지속학습, 구조적 앵커링, 실행 비용, 완전 열거형 웹 탐색처럼 실제 운영에서 드러나는 실패 모드를 정면으로 벤치마킹하는 흐름이 강해졌습니다.
📄Robotics & RL4
Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)옷 접기 학습: LeHome Challenge 2026 입상 솔루션⭐ 24
LeHome 2026에서 온라인 1위·오프라인 2위를 기록한 이 시스템은 VLA 정책이 성공·진행도 예측까지 겸하는 자기평가 구조와 AWR+RECAP, Thompson sampling, sim-to-real 레시피를 결합해 이중팔 의류 접기를 고도화했습니다.
Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation ModelsQwen-RobotManip 기술 보고서: 정렬이 여는 로봇 조작 파운데이션 모델의 스케일⭐ 0
Qwen-RobotManip은 표현·모션·행동 차원의 통합 정렬 프레임워크와 인간 손 데이터의 로봇 합성 파이프라인을 통해, 이질적인 대규모 조작 데이터를 일관되게 흡수하는 범용 VLA 조작 모델의 스케일업 가능성을 보여줬습니다.
SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation정책 학습과 평가를 위한 모듈형 자동 장면 생성, SimFoundry
SimFoundry는 비디오 한 편에서 실세계 장면의 sim-ready 디지털 트윈과 affordance-preserving 'digital cousins'를 자동 생성하며, 7개 조작 과제에서 시뮬레이션 평가가 실제 성능을 평균 Pearson 0.911로 예측했습니다.
💡 로보틱스는 대규모 VLA 정렬, 인간 데이터 전이, 자동 시뮬레이션 생성까지 연결되며 본격적인 스케일업 국면에 들어선 모습입니다. 특히 실세계 데이터 부족을 정렬·표현·시뮬레이션 설계로 메우려는 접근이 범용 조작 일반화의 현실적인 경로로 보입니다.
📄Multimodal & Generative4
SingGuard: A Policy-Adaptive Multimodal LLM Guardrail with Dynamic Reasoning정책 적응형 멀티모달 LLM 가드레일, SingGuard⭐ 30
SingGuard는 자연어 정책을 런타임 입력으로 받아 규칙별 안전성 판단과 트리거 규칙 예측을 수행하는 멀티모달 가드레일로, 빠름·하이브리드·느림의 동적 추론 모드를 함께 제공해 배포 환경 변화에 유연하게 대응합니다.
Parallel Rollout Approximation for Pixel-Space Autoregressive Image Generation픽셀 공간 자기회귀 이미지 생성을 위한 병렬 롤아웃 근사⭐ 4
PRA는 고차원 픽셀 패치 대신 저차원 중간 상태를 병렬 롤아웃으로 생성한 뒤 픽셀 디코더로 복원해, 픽셀 직접 생성의 누적 오류와 train-inference gap을 함께 줄이는 확장형 학습 프레임워크를 제안했습니다.
CogniRoute: Learning to Route Social Evidence in Omni-Modal Models옴니모달 모델의 사회적 증거 라우팅 학습, CogniRoute
CogniRoute는 교차모달 관계·추론 요구·시간 범위를 반영한 schema-guided MoE와 route-aware RL을 통해 사회적 비디오 QA에서 어떤 모달 증거를 써야 하는지 학습하고, OmniSocialBench도 함께 제시했습니다.
💡 멀티모달 연구는 이제 단순 융합을 넘어 어떤 증거를 선택하고 어떤 정책으로 통제할지를 학습하는 방향으로 진화하고 있습니다. 생성 모델 쪽에서도 RL 기반 후처리와 추론 경로 설계가 품질 향상의 핵심 수단으로 자리잡고 있습니다.
🗣️Language Models4
Thinking While Speaking: Inference-Time Knowledge Transfer for Responsive and Intelligent Conversational Voice Agents말하면서 생각하기: 반응성과 지능을 함께 잡는 음성 에이전트⭐ 5
ConvFill은 작은 talker 모델이 즉시 응답을 시작하고 외부 reasoner의 지식을 실시간으로 끼워 넣는 conversational infill을 통해 밀리초급 첫 응답 시간을 유지하면서 정확도 격차를 6.3%까지 줄였습니다.
Formalizing Latent Thoughts: Four Axioms of Thought Representation in LLMs잠재적 사고의 형식화: LLM 사고 표현의 네 가지 공리⭐ 1
이 논문은 Causality·Minimality·Separability·Stability의 4공리로 잠재 사고 표현을 정확도와 분리해 평가했으며, 23개 추론 과제에서 어떤 공개 LLM도 네 조건을 동시에 만족하지 못함을 밝혔습니다.
The Tatoxa System for Text Detoxification in Low-Resource Languages: The Case of Tatar저자원 언어 텍스트 디톡시피케이션 시스템 Tatoxa: 타타르어 사례
Tatoxa는 타타르어 유해 표현 완화용 새 데이터셋과 함께 제안된 시스템으로, 오픈소스·상용 LLM보다 더 나은 품질을 보였고 러시아어 등 타언어 전이보다 원어 데이터 학습이 훨씬 중요함을 입증했습니다.
💡 언어모델 분야에서는 응답 지연, 표현의 충실성, 파라미터 효율, 저자원 안전성처럼 배치 현실과 모델 내부 구조를 함께 다루는 연구가 늘고 있습니다. 특히 더 큰 모델만이 아니라 더 나은 표현 형식과 운영 방식이 성능을 좌우한다는 메시지가 분명합니다.
📄Training & Optimization1
GBC: Gradient-Based Connections for Optimizing Multi-Agent Systems멀티에이전트 시스템 최적화를 위한 그래디언트 기반 연결⭐ 2
GBC는 멀티에이전트 상호작용을 계산 그래프로 보고 토큰 수준 gradient-based connection weight로 에이전트별 기여도를 추적해, 오류 원인 식별과 표적 프롬프트 최적화를 가능하게 했습니다.
💡 최적화 연구는 멀티에이전트처럼 상호작용이 복잡한 시스템에서 세밀한 공로 할당을 가능하게 하는 방향으로 나아가고 있습니다. 결국 시스템 성능을 끌어올리려면 모델 하나의 손실이 아니라 연결 구조 전체를 미분 가능하게 바라보는 관점이 중요해 보입니다.