오늘의 한줄
오늘 논문들은 LLM을 직접 답변기로 쓰는 대신 도구 제작자·장기 에이전트·로컬 실행 엔진으로 재구성하려는 흐름이 두드러집니다. 동시에 멀티모달 생성과 평가에서도 속도, 제어성, 인간 지각 정렬을 함께 잡으려는 연구가 본격화되고 있습니다.
🗣️Language Models2
Program-as-Weights: A Programming Paradigm for Fuzzy Functions프로그램을 가중치로: 퍼지 함수를 위한 새로운 프로그래밍 패러다임⭐ 96
PAW는 자연어 명세를 4B 컴파일러가 경량 어댑터로 변환해 0.6B 인터프리터에서 실행하도록 하며, Qwen3-32B 직접 프롬프팅급 성능을 약 50분의 1 메모리와 MacBook M3 기준 30 tok/s로 달성했습니다.
AI translation of literary texts is "fine", but readers still prefer human translations문학 번역은 AI도 ‘괜찮지만’, 독자는 여전히 인간 번역을 더 선호한다⭐ 3
15편 소설의 약 8천 단어 발췌문과 386개 정렬 구간 비교에서 독자들은 AI 번역을 대체로 무난하다고 봤지만, 몰입감·명료성·자연스러움 측면에서 인간 번역을 발췌문 19/30, 구간 522/772로 더 선호했습니다.
💡 LLM 연구가 더 큰 모델을 직접 호출하는 방향에서, 자연어 명세를 로컬 실행 가능한 프로그램으로 컴파일하거나 인간 선호의 미묘한 질적 차이를 정밀 측정하는 방향으로 넓어지고 있습니다. 성능뿐 아니라 실행 비용, 재현성, 사용자 체감 품질이 동시에 핵심 지표가 되고 있습니다.
📄Multimodal & Generative5
Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual ReasoningPerceive-to-Reason: 세밀한 시각 추론을 위한 지각-추론 분리⭐ 14
P2R은 고해상도 이미지에서 관련 증거를 먼저 찾는 Perceiver와 답을 내는 Reasoner를 분리하고, PRA-GRPO로 최종 답만으로 역할별 RL을 수행해 Qwen3-VL 기반 세밀 시각 추론 성능을 일관되게 끌어올렸습니다.
InstanceControl: Controllable Complex Image Generation without Instance Labeling인스턴스 라벨 없이 복잡한 이미지 생성을 제어하는 InstanceControl⭐ 15
InstanceControl은 VLM으로 프롬프트의 각 인스턴스와 조건 이미지의 영역을 자동 대응시켜 수작업 인스턴스 라벨 없이도 복잡한 다중 객체 장면에서 속성 혼동을 줄인 제어 생성 방식을 제안했습니다.
Representation Distribution Matching for One-Step Visual Generation표현 분포 정합으로 학습하는 원스텝 시각 생성⭐ 22
RDM은 동결 인코더 표현 분포를 맞추는 원스텝 생성 패러다임을 체계화하며, 큰 배치와 다중 인코더 정합이 핵심임을 보이고 단일 표현 치팅을 막는 14개 인코더 기반 SW_r14 평가를 제안했습니다.
💡 생성·이해·평가가 모두 더 구조화되고 있습니다. 지각과 추론을 분리하고, 인스턴스 대응을 자동화하며, 다중 해상도·다중 표현으로 속도와 품질을 함께 잡으려는 시도가 늘면서 멀티모달 시스템이 점점 모듈형 공학 문제로 바뀌는 모습입니다.
💻Code & Agents7
AutoMem: Automated Learning of Memory as a Cognitive SkillAutoMem: 기억을 인지 기술로 자동 학습하기⭐ 20
AutoMem은 파일시스템 조작을 에이전트의 메모리 행동으로 승격하고, 강한 LLM이 메모리 구조를 고치며 약한 모델이 사용 숙련도를 학습하는 이중 루프로 장기 과제의 메모리 관리 자체를 자동 최적화합니다.
AgenticDataBench: A Comprehensive Benchmark for Data AgentsAgenticDataBench: 데이터 에이전트를 위한 종합 벤치마크⭐ 19
AgenticDataBench는 15개 산업 도메인과 실제 B2B 사례를 포함한 데이터 과학 작업에 세분화된 정답 라벨을 붙여, LLM 데이터 에이전트의 워크플로 단계별 성능을 정밀 평가할 수 있게 했습니다.
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM AgentsAgenticSTS: 장기 지평 LLM 에이전트를 위한 제한 메모리 테스트베드⭐ 16
AgenticSTS는 원시 대화 누적 대신 타입별 검색으로 매 턴 새 프롬프트를 구성하는 bounded-memory 계약을 Slay the Spire 2에 적용해, 장기 에이전트 메모리 설계를 분리·가시화해 평가할 수 있게 했습니다.
💡 에이전트 연구의 초점이 단순 툴 사용 능력에서 장기 메모리, 자기개선, 도메인별 워크플로, 그리고 신뢰 가능한 평가로 이동하고 있습니다. 특히 메모리는 저장량보다 언제 믿고 언제 버려야 하는지가 더 중요한 설계 문제로 떠오릅니다.
📄Training & Optimization2
TurboServe: Serving Streaming Video Generation Efficiently and EconomicallyTurboServe: 스트리밍 비디오 생성을 효율적이고 경제적으로 서빙하기⭐ 14
TurboServe는 세션 배치와 GPU 프로비저닝을 함께 푸는 폐루프 온라인 스케줄링으로 스트리밍 비디오 생성의 긴 세션·수요 변동 문제를 해결한 첫 전용 서빙 시스템입니다.
Morphing into Hybrid Attention Models하이브리드 어텐션 모델로의 모핑⭐ 7
FlashMorph는 어떤 층에 full attention을 남길지 예산 제약 부분집합 최적화로 정의하고, 가중치를 고정한 채 joint selection score를 학습해 Transformer를 효율적인 hybrid attention 모델로 변환합니다.
💡 시스템과 모델 최적화가 점점 함께 다뤄지고 있습니다. 실제 서비스의 세션 스케줄링부터 모델 내부의 하이브리드 어텐션 층 선택까지, 추론 비용을 구조적으로 줄이려는 접근이 연구의 중심축으로 보입니다.
📄Robotics & RL2
Domain Arithmetic: One-Shot VLA Adaptation under Environmental ShiftsDomain Arithmetic: 환경 변화에 대한 원샷 VLA 적응⭐ 10
DART는 단 1개 시연만으로 카메라 자세나 로봇 플랫폼 변화에 적응하도록, 가중치 벡터의 특이 성분을 정렬·정제한 뒤 도메인 정보를 산술적으로 더하는 VLA 적응법을 제안해 기존 방법을 능가했습니다.
Valdi: Value Diffusion World ModelsValdi: 가치 확산 월드 모델⭐ 5
Valdi는 latent diffusion dynamics와 MPC용 end-to-end 온라인 학습을 결합해 단 1회의 diffusion step만으로도 CarRacing에서 결정론적 MLP 기준선과 맞먹는 성능을 보이며, 다중모달 예측과 제어 성능의 절충을 드러냈습니다.
💡 로보틱스와 제어에서는 데이터가 적고 환경이 바뀌는 현실 제약을 다루는 방향이 뚜렷합니다. 원샷 적응과 저스텝 확산 월드 모델은, 표현력 있는 모델을 실제 제어 루프 안으로 끌어들이기 위한 실용적 타협이 중요하다는 점을 보여줍니다.
👁️Computer Vision2
AGVBench: A Reliability-Oriented Benchmark of Data Augmentation for Vein RecognitionAGVBench: 정맥 인식용 데이터 증강의 신뢰성 중심 벤치마크⭐ 8
AGVBench는 5개 정맥 데이터셋과 7개 백본에서 30종 증강을 비교해 MixUp류가 정확도는 높지만 보정과 적대적 강건성은 약하고, 강한 기하 변환은 미세 혈관 구조를 해쳐 성능을 떨어뜨린다는 점을 보여줬습니다.
AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language ModelsAnyGroundBench: 특수 도메인 비디오 그라운딩 벤치마크⭐ 3
AnyGroundBench는 동물·산업·스포츠·수술·공공안전 5개 특수 도메인의 고밀도 시공간 주석 비디오를 통해, VLM 비디오 그라운딩 평가를 일반 도메인 제로샷에서 도메인 적응 중심으로 전환합니다.
💡 비전 평가가 평균 정확도에서 신뢰성·적응성으로 이동하고 있습니다. 생체인식처럼 미세 구조가 중요한 영역이나 특수 도메인 비디오처럼 분포 이동이 큰 환경에서는, 강건성 없는 고성능이 실제 적용에서 쉽게 무너진다는 경고로 읽힙니다.