오늘의 한줄
오늘 논문들은 LLM·에이전트의 내부 구조와 장기적 행동을 더 정밀하게 이해·평가하려는 흐름, 그리고 멀티모달 시스템의 신뢰성과 실용성을 높이려는 시도를 함께 보여줍니다. 특히 벤치마크와 평가 도구가 단순 점수 경쟁을 넘어 메모리, 환각, 사회적 전파, 장기 과제 수행 같은 실제 배치 이슈로 빠르게 이동하고 있습니다.
🗣️Language Models4
Modular Cognitive Architecture Emerges in Large Language Models대규모 언어모델에서 드러난 모듈형 인지 아키텍처⭐ 69
46개 과제를 회로 분석한 결과, LLM이 언어·형식추론·사회추론·물리추론별로 인간 뇌와 유사한 기능적 모듈성을 자발적으로 형성함을 보여주며, 해석 가능성과 안전성 연구의 새 단서를 제시했습니다.
Amplified Does Not Mean Predictive: Reasoning Behaviors in Thinking Models더 많이 드러난다고 더 예측적인 것은 아니다: 사고형 모델의 추론 행동
15개 모델·15,282개 추론 흔적 분석을 통해, 사고형 학습이 self-correction 등을 과도하게 증폭하지만 실제 정답성과 가장 강하게 연결된 신호는 confidence calibration과 knowledge alignment임을 Behavioral Lift로 밝혔습니다.
LittleLearner: Language Models Under Pedagogically Controlled Knowledge Exposure교육과정으로 지식 노출을 통제한 언어모델 LittleLearner
LITTLECURRICULUM 88B 토큰과 5B 모델 LITTLELEARNER는 초등 5학년 이하 지식만 담은 개발 제한형 샌드박스를 제공해, 사전학습 노출이 통제된 상태에서 지식 습득과 후속 주입 효과를 연구할 수 있게 했습니다.
💡 LLM 연구는 단순 성능 향상보다 내부 구조와 학습 행동을 해부하는 방향으로 깊어지고 있습니다. 모듈성, 추론 행동의 예측력, 통제된 지식 노출, 허용 데이터 기반 소형 모델까지 보면 앞으로는 '왜 잘되는가'와 '무엇을 배웠는가'가 핵심 경쟁력이 될 듯합니다.
👁️Computer Vision2
Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination현실 위기 사건을 노린 AI 생성 영상 공격, 막을 수 있을까⭐ 36
RA-Bench는 10개 사회적 위험 범주의 17,886개 영상으로 위기 상황 딥페이크 탐지를 평가하며, 생성 조건·인간 인식·소셜 전파까지 포함해 기존 탐지기의 실제 신뢰성 한계를 드러냈습니다.
CPI-Bench: A Comprehensive,Practical and Intelligent Benchmark for Real-World Image Editing실전 이미지 편집을 위한 종합·실용·지능형 벤치마크⭐ 6
CPI-Bench는 다중 이미지 편집, 실제 사용자 시나리오, 고난도 추론 지시를 함께 평가하는 실전형 이미지 편집 벤치마크로, 기존 단일 이미지 중심 평가의 변별력 부족을 보완했습니다.
💡 비전 쪽에서는 모델 자체보다 현실 배치 상황을 반영한 평가셋의 중요성이 커지고 있습니다. 위기 상황 생성 영상과 실전 이미지 편집처럼, 실제 사용자 피해와 복잡한 입력 조건을 반영해야 성능 수치가 의미를 갖는다는 메시지가 분명합니다.
📄Training & Optimization4
Latent On-Policy Self-Distillation잠재 표현 기반 온폴리시 자기 증류⭐ 31
LOPD는 정답·피드백 같은 수작업 특권 정보를 없애고, 경험에서 검색한 정보를 연속 잠재 토큰으로 학습해 self-teacher를 조건화하는 end-to-end 온폴리시 자기증류를 제안했습니다.
SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning토크나이저에 구애받지 않는 장문맥 추론 온폴리시 증류⭐ 8
SimpleOPD는 교사·학생 간 토크나이저 불일치를 공유 텍스트 공간 정렬로 해결하고, reference KL과 종료 토큰 advantage 마스킹으로 장문맥 추론 증류의 길이 폭주와 학습 불안정을 줄였습니다.
Self-Supervised Visual On-Policy Distillation자기지도 시각 온폴리시 증류
S^2VOPD는 강한 교사나 정답 주석 없이도 학생 입력만 열화해 비대칭을 만들고, 원본 이미지를 본 teacher 분포를 증류해 시각 온폴리시 학습 신호를 자가 생성하는 간단한 프레임워크입니다.
💡 증류와 최적화는 더 적은 특권 정보, 더 긴 문맥, 더 제한된 하드웨어에서도 학습을 성립시키는 방향으로 진화하고 있습니다. 특히 OPD 계열이 텍스트·비전 모두에서 재해석되며, 학습 신호를 어떻게 설계하느냐가 모델 규모 못지않게 중요해졌습니다.
📄Robotics & RL2
HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark사람 지각과 맞춘 종합 휴머노이드 모션 추적 벤치마크⭐ 26
HumanTracker는 약 153시간 모션 데이터와 12K 쌍 선호학습 기반 HumanScore를 제공해, 기존 운동학 오차가 놓치던 발 미끄러짐·접촉 타이밍 같은 인간 체감 품질을 더 잘 평가합니다.
PRM-as-a-Judge 1.5: A Toolkit for Robot Process Assessment로봇 수행 과정을 촘촘히 평가하는 PRM-as-a-Judge 1.5⭐ 5
PRM-as-a-Judge 1.5는 롤아웃 영상을 조밀한 진행 곡선으로 바꿔 실패 중 진척, 회복력, 성공 품질을 측정하는 세 지표와 RoboPulse++를 추가해 embodied 모델 평가를 더 세밀하게 만들었습니다.
💡 로보틱스 평가는 성공/실패 이분법에서 벗어나 사람 지각과 과정 품질을 측정하는 쪽으로 이동하고 있습니다. 휴머노이드 추적과 embodied 평가 모두 '어떻게 성공하거나 실패했는가'를 정량화해야 실제 현장 개선으로 이어진다는 점을 보여줍니다.
💻Code & Agents4
MobileMem: Learning from a Year of Mobile Experiences1년치 모바일 경험으로 배우는 장기기억 에이전트⭐ 12
MobileMem은 1년 규모 모바일 사용 경험을 바탕으로 텍스트·멀티모달 장기기억, 시간 추론, 지식 갱신, 암묵적 선호 추론을 평가하는 온디바이스 개인 에이전트용 벤치마크를 제시했습니다.
Agents Catching Agents: Shortcut Cascades and Benchmark Gaming in Clinical Multi-Agent Systems임상 멀티에이전트의 지름길 전염과 벤치마크 게임⭐ 2
임상 멀티에이전트는 단독 지름길에는 강했지만 두 동료의 동일한 오답 주장에는 38%가 동조했으며, 감독 에이전트도 영상 과제에서 무너져 사회적 상호작용 기반 벤치마크 게임 위험을 보여줬습니다.
Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence발견형 AI를 위한 현실 벤치마크와 환경, Apodex Discovery
Apodex Discovery는 16개 산업 561개 영역을 조사해 423개 현실 문제를 수집하고, 그중 20개를 상태ful·검증 가능한 탐구 과제로 구성해 '문제 정의부터 검증까지' 수행하는 discoverative AI 평가 틀을 제안했습니다.
💡 에이전트 연구는 장기 메모리와 장기 과제 수행 능력을 실제 업무 흐름에 가깝게 검증하려는 움직임이 강합니다. 동시에 임상 멀티에이전트의 사회적 동조나 R&D 에이전트의 경험 재사용 한계처럼, '오래 일하게 하면 더 똑똑해지는가'에 대한 회의적 결과도 함께 나오고 있습니다.
📄Multimodal & Generative4
A Pathway to General-Purpose Scientific AI: Multimodal Comprehension of Scientific Images범용 과학 AI로 가는 길, 과학 이미지의 멀티모달 이해⭐ 0
ALD/E-ImageMiner는 1,951개 과학 도판에 대해 분류·표 추출·요약·VQA를 지원하며, 과학 이미지를 단순 인식이 아닌 정량 읽기와 근거 기반 추론 대상으로 다루는 장기 벤치마크 방향을 제시했습니다.
Generation as Auxiliary Supervision: Enhancing Visual Understanding at Zero Inference Overhead via Decoupled Embedding Prediction생성을 보조 감독으로 써서 추론 비용 없이 시각 이해를 높이는 방법
GAS는 decoupled MoT 위에서 Next Embedding Prediction을 보조 생성 목표로 써, 추론 오버헤드 없이 기존 MLLM의 시각 표현 정밀도와 기억력을 높이는 generation-guided 학습을 제안했습니다.
UniProbe: A Learnable Token-Level Hallucination Detector for Large VLMs using Multi-Structural Internal Representations대형 VLM의 토큰 단위 환각을 잡는 학습형 탐지기 UniProbe
UniProbe는 얼린 LVLM의 단일 forward trace를 패치·질의·생성 토큰 그래프로 구성하고 GNN·ViT·GRU를 결합해, 전체 미세조정 없이 토큰 수준 환각 위치를 정밀하게 탐지합니다.
💡 멀티모달 연구는 생성과 이해를 분리하지 않고, 내부 표현·환각·과학적 근거 읽기까지 하나의 신뢰 가능한 시스템으로 묶으려는 흐름이 보입니다. 즉 앞으로의 경쟁 포인트는 더 화려한 생성보다, 생성 능력을 이해력과 제어 가능성으로 얼마나 환원하느냐에 있을 것입니다.