오늘의 한줄
오늘은 비디오·월드모델의 실시간화와 장기 상호작용 확장, 그리고 에이전트·로보틱스 평가 및 설계 자동화가 두드러졌습니다. 동시에 긴 컨텍스트 처리, 규칙 기반 해석 가능성, 과학·비전의 통합 생성 프레임처럼 실전 배치와 신뢰성을 겨냥한 연구가 함께 강화되고 있습니다.
📄Robotics & RL4
Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence체화 지능을 위한 MoE 비디오 사전학습 확장⭐ 495
LingBot-Video는 DiT 기반 비디오 사전학습에 MoE, 로봇 중심 데이터 프로파일링, 다차원 보상 체계를 결합해 계산 효율과 물리적 현실성을 함께 높인 체화 지능용 비디오 모델을 제안합니다.
From Foundation to Application: Improving VLA Models in Practice기초에서 응용까지, 실전형 VLA 모델 개선⭐ 265
LingBot-VLA 2.0은 6만 시간 규모 데이터, 확장된 전신 액션 공간, 미래 예측 기반 동역학 모델링으로 과제·로봇 형태 일반화와 실제 배치 성능을 함께 끌어올린 VLA 시스템입니다.
RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies범용 로봇 조작 정책을 위한 통합 실세계·시뮬 벤치마크, RoboDojo⭐ 133
RoboDojo는 시뮬 42개와 실세계 18개 과제로 일반화·기억·정밀도·장기 수행·오픈보캐불러리 지시를 함께 평가해 범용 조작 정책의 실제 약점을 재현 가능하게 드러내는 통합 벤치마크입니다.
💡 로보틱스는 이제 단순 정책 성능 경쟁보다 월드모델·VLA·벤치마크를 함께 키우며 실제 배치 가능성을 높이는 방향으로 이동하고 있습니다. 특히 4D 동역학 표현과 대규모 로봇·에고센트릭 데이터 결합은 조작 정책이 물리 세계를 더 직접적으로 이해하게 만드는 핵심 축으로 보입니다.
👁️Computer Vision5
TESSERA v2: Scaling Pixel-wise Earth Foundation Models픽셀 단위 지구 파운데이션 모델의 스케일링 법칙, TESSERA v2⭐ 635
TESSERA v2는 395회 통제 실험으로 EO 사전학습 손실이 다운스트림 성능을 거의 예측하지 못함을 보이고, 인코더와 데이터를 함께 키우는 스케일링 규칙으로 21M 증류 모델이 기존 43M급을 능가함을 보여줍니다.
Video-Oasis: Rethinking Evaluation of Video Understanding비디오 이해 평가를 다시 묻는 Video-Oasis⭐ 21
Video-Oasis는 기존 비디오 벤치마크의 55%가 시각 입력이나 시간 정보 없이도 풀린다는 점을 밝히고, 지름길을 제거한 뒤 최신 모델이 거의 랜덤 수준에 머문다는 진단 세트를 제시합니다.
Vision as Unified Multimodal Generation비전을 통합 멀티모달 생성으로 풀다⭐ 21
SenseNova-Vision은 탐지·분할·조합형 과제를 텍스트·이미지 생성 공간으로 통합하고, 전용 헤드 없이 instruction-response 코퍼스만으로 다양한 비전 작업을 하나의 멀티모달 생성 모델로 처리합니다.
💡 비전 연구에서는 더 큰 모델을 만드는 것만큼 평가 기준과 데이터 편향을 바로잡는 일이 중요해지고 있습니다. 동시에 Earth observation, 이벤트 비전, 조합 행동 인식처럼 특수 도메인에서도 생성 모델과 스케일링 법칙이 본격적으로 실용 성능을 끌어올리고 있습니다.
📄Multimodal & Generative4
Infinite Worlds with Versatile Interactions다양한 상호작용을 갖춘 무한 월드⭐ 487
LingBot-World 2.0은 인과적 사전학습과 실시간 증류로 720p 60fps의 무한 길이 인터랙티브 월드 생성을 구현하고, 파일럿·디렉터 에이전트로 행동 계획과 환경 생성을 함께 수행합니다.
Vidu S1: A Real-Time Interactive Video Generation Model실시간 상호작용형 비디오 생성 모델, Vidu S1⭐ 127
Vidu S1은 TurboDiffusion과 TurboServe를 통해 일반 소비자 GPU에서 최대 42 FPS의 540p 실시간 음성 제어 비디오 생성을 구현하며, 무한 길이 생성에서도 블러와 드리프트를 억제합니다.
Parallelized Autoregressive Decoding for Omni-Modal Dense Video Captioning옴니모달 밀집 비디오 캡셔닝을 위한 병렬 자기회귀 디코딩⭐ 18
이 연구는 이벤트 간 약한 의존성을 활용해 손실 없이 병렬 디코딩하는 프레임워크로, 긴 비디오의 밀집 캡셔닝에서 추론 속도와 시간 정렬 성능을 동시에 개선합니다.
💡 멀티모달 생성은 이제 단순 콘텐츠 생성에서 벗어나 실시간 상호작용, 무한 길이 생성, 과학 추론까지 확장되고 있습니다. 공통적으로 보이는 흐름은 생성 모델을 더 빠르게 만들고, 더 긴 시간축을 다루며, 더 구조화된 세계 모델이나 지식 표현과 결합하려는 시도입니다.
💻Code & Agents4
Automating the Design of Embodied Agent Architectures체화 에이전트 아키텍처 설계 자동화⭐ 33
AgentCanvas와 KDLoop는 시뮬레이터 롤아웃을 포함한 typed-graph 실행 환경에서 지각형 체화 에이전트의 모듈 연결 구조를 자동 탐색해 수작업 설계 의존도를 줄입니다.
SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe한 줄의 바이브로 더 빠른 에이전트 자기 진화, SkillOpt-Lite⭐ 52
SkillOpt-Lite는 스킬 최적화를 영차 최적화로 정식화하고 파일시스템 탐색·합의 속성 채굴·독립 검증만 남긴 최소 파이프라인으로 LiveMath에서 GPT-5.5 기준 +8.8점, GPT-5.4-nano 기준 +25.4점을 달성합니다.
UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks실세계 능동형 에이전트를 위한 범용 벤치마크, UniClawBench⭐ 20
UniClawBench는 기술 사용·탐색·장문맥 추론·멀티모달 이해·플랫폼 간 협업의 5개 역량 축으로 400개의 이중언어 실세계 과제를 구성해 능동형 에이전트 실패 원인을 더 명확히 분해합니다.
💡 에이전트 분야는 성능 향상 자체보다 설계 자동화, 자기 진화의 최소화, 실패 원인 분해 같은 엔지니어링 원칙 정립으로 무게중심이 옮겨가고 있습니다. 특히 실세계 벤치마크와 경량 메모리·검색 설계는 '복잡한 추론'보다 '잘 짜인 시스템'이 더 중요하다는 신호로 읽힙니다.
🗣️Language Models3
Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation아이디어에도 유전자가 있다: 과학 계보 추론과 계보 기반 아이디어 생성 벤치마크⭐ 18
IG-Bench는 10개 과학 분야에서 1,961개 계보 추적과 42개 과제 유형으로 논문의 상속·변이 구조를 추론하고 이를 바탕으로 새 아이디어를 생성하는 능력을 정밀 평가하는 벤치마크입니다.
Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling제대로 만든 계층적 희소 어텐션으로 무한 컨텍스트에 다가가기⭐ 23
HiLS-Attention은 청크 검색 점수를 LM loss로 직접 학습하는 계층형 랜드마크 희소 어텐션으로, 긴 문맥에서 풀 어텐션에 필적하거나 능가하는 성능과 더 나은 길이 외삽을 보여줍니다.
RuleChef: Grounding LLM Task Knowledge in Human-Editable Rules사람이 수정 가능한 규칙에 LLM 작업 지식을 고정하는 RuleChef⭐ 12
RuleChef는 LLM이 분류·NER·관계 추출용 실행 규칙을 생성하고 실패 사례와 인간 피드백으로 반복 수정하게 해, 추론 시에는 빠르고 결정적이며 해석 가능한 규칙 시스템만 남깁니다.
💡 언어모델 연구는 더 긴 컨텍스트를 효율적으로 다루는 아키텍처와, 사람이 검증 가능한 규칙·계보 구조를 통해 추론을 외부화하는 방향이 함께 강화되고 있습니다. 즉, 성능만 높은 블랙박스보다 길게 읽고, 근거를 남기고, 지식 진화를 추적할 수 있는 모델이 중요해지고 있습니다.