오늘의 한줄
오늘은 에이전트·포스트트레이닝 인프라와 생성·월드모델의 제어 가능성을 높이는 연구가 두드러졌습니다. 동시에 비전·로보틱스에서는 폐루프 학습, 합성 가능한 3D/비디오 생성, 실행 검증형 에이전트 설계처럼 실제 배치와 상호작용을 염두에 둔 접근이 빠르게 늘고 있습니다.
📄Training & Optimization2
Miles v0.1: Production-Level Post-TrainingMiles v0.1: 프로덕션급 포스트트레이닝 시스템⭐ 2,696
Miles v0.1은 SGLang 롤아웃, Megatron-LM/FSDP 트레이너, 다양한 weight sync를 묶어 RL·LoRA RL·온폴리시 증류·SFT를 지원하는 프런티어급 포스트트레이닝 스택을 제시하며, 744B급 비동기 에이전트 RL 사례로 실전성을 보여줍니다.
VidaForge: Open Research Infrastructure for Video Pretraining Data RecipesVidaForge: 비디오 사전학습 데이터 레시피를 위한 오픈 연구 인프라⭐ 91
VidaForge는 원시 비디오부터 학습셋까지 5단계 실행형 워크플로로 데이터 레시피를 추적 가능하게 만들고, Wan 2.1·V-JEPA 2.1 실험에서 넓은 커버리지 레시피가 더 높은 다운스트림 성능을 낸다는 점을 보여줍니다.
💡 학습 자체보다 학습을 가능하게 하는 시스템과 데이터 레시피가 경쟁력의 핵심으로 올라오고 있습니다. 이제는 더 큰 모델만이 아니라, RL 파이프라인의 검증 가능성·비동기성·데이터 생성 과정의 추적 가능성이 성능과 재현성을 함께 좌우합니다.
💻Code & Agents4
Dr. Claw: An AI Scientist Workspace for Vibe ResearchDr. Claw: 바이브 리서치를 위한 AI 과학자 워크스페이스⭐ 1,058
Dr. Claw는 코딩 에이전트를 대체하기보다 persistent state, skill library, 다중 실행기 조정으로 계획·실행·작성 전 과정을 감사 가능하고 복구 가능한 인간 개입형 연구 루프로 묶어 연구 자동화의 운영 계층을 제안합니다.
Iris: Climbing to the Search FrontierIris: 검색 에이전트의 최전선으로⭐ 32
Iris는 웹 하이퍼링크 구조에서 역구성한 멀티홉 질의와 live search 기반 RL을 번갈아 학습하는 recipe로 35B·397B급 검색 에이전트를 만들고, 관측 요약기와 중단·재개형 롤아웃으로 긴 탐색을 안정화했습니다.
MaxKernel: Agentic Kernel Generation for TPUsMaxKernel: TPU를 위한 에이전트형 커널 생성⭐ 62
MaxKernel은 계획·구현·디버깅·프로파일링 서브에이전트를 공유하는 HITL·자율 최적화·그래프 기반 탐색 패러다임으로 TPU 커널 생성을 자동화하고, JaxBench 50개 과제와 실제 워크로드에서 성능을 검증했습니다.
💡 에이전트 연구가 단순 자율성 과시에서 벗어나 감사 가능성, 복구 가능성, 최소 수정, 하드웨어 피드백 활용처럼 실제 업무 흐름에 맞는 운영 품질로 이동하고 있습니다. 특히 코딩·검색·커널 최적화 모두에서 오케스트레이션 계층이 모델 자체만큼 중요해졌습니다.
📄Robotics & RL3
OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model PretrainingOpenWAM: 체계적 월드-액션 모델 사전학습을 위한 오픈 모듈형 탐색⭐ 407
OpenWAM은 생성 백본·잠재표현·정보 흐름을 모듈화한 WAM 연구 스택과 통제 실험을 통해 강한 생성 사전학습, 정보 밀도 높은 latent, 전용 action modeling이 world-action 시너지의 핵심임을 정리했습니다.
DriveZero: End-to-End Driving Beyond Human DemonstrationsDriveZero: 인간 시연을 넘어서는 엔드투엔드 자율주행⭐ 64
DriveZero는 perception과 action을 분리 사전학습한 뒤 통합하고, DriveRL로 실제 주행 로그를 상호작용 가능한 세계로 바꿔 PPO 폐루프 학습을 수행해 인간 시연의 한계를 넘는 주행 정책을 겨냥합니다.
EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA AgentsEmbodiedSkills: VLA 에이전트의 오케스트레이션·학습·배포를 위한 통합 프레임워크⭐ 26
EmbodiedSkills는 각 skill 결정을 실행 제안으로 보고 사전조건 검사·후속 검증을 포함한 고정 실행 인터페이스를 도입해, 고수준 계획과 저수준 VLA 실행·복구를 하나의 에이전트 루프로 연결합니다.
💡 로보틱스와 embodied 학습에서는 세계 이해와 행동 학습을 분리하되, 실행 시점에는 검증 가능한 인터페이스로 다시 묶는 흐름이 뚜렷합니다. 폐루프 RL, 월드-액션 사전학습, skill 검증형 런타임이 결합되며 '잘 예측하는 모델'에서 '안전하게 수행하는 에이전트'로 무게중심이 옮겨갑니다.
📄Multimodal & Generative7
AuK Technical Report: An Open-Source Foundational Model for Speech Generation and EditingAuK 기술 보고서: 음성 생성과 편집을 아우르는 오픈소스 기반모델⭐ 152
AuK는 30.3억 instruction-audio와 195만 시간 감독 데이터를 바탕으로 MLLM·VAE·rectified-flow Transformer를 결합해 음성 생성·편집·분리·파라언어 편집을 하나의 자연어 인터페이스로 통합했습니다.
Omni Interaction Agent Technical Report옴니 인터랙션 에이전트 기술 보고서⭐ 137
Gander는 Cerebellum-Brain 이중 구조로 비디오·음성·텍스트 스트리밍 입력을 실시간 전이중 처리하면서, 중간 피드백·사용자 인터럽트·고수준 에이전트 작업을 한 프레임워크에서 통합한 상호작용 모델입니다.
Mask Forcing: Improving Autoregressive Video Diffusion Distillation via Dual-Noise Masking RolloutMask Forcing: 이중 노이즈 마스킹 롤아웃으로 개선한 자기회귀 비디오 디퓨전 증류⭐ 48
Mask Forcing은 AR 비디오 디퓨전 증류의 reverse-KL 모드 붕괴를 줄이기 위해 spatial·temporal 랜덤 마스크로 더 깨끗한 신호를 주입하는 Dual-Noise Masking Rollout을 도입해 과포화·과평활화를 완화합니다.
💡 생성 연구는 단일 모델 성능 경쟁을 넘어, 음성·비디오·3D·실시간 상호작용을 하나의 제어 문제로 다루기 시작했습니다. 특히 에이전트형 제어, 합성 가능한 장면 표현, 증류 안정화처럼 생성 결과를 더 수정 가능하고 배치 가능한 형태로 만드는 시도가 많아졌습니다.
🗣️Language Models2
NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing HarnessNeoHorse-1: 라우팅 하네스를 활용한 에이전트형 포스트트레이닝 기반 재귀적 자기개선⭐ 70
NeoHorse-1은 모델 풀 라우팅 로그를 구조 검증·6차원 의미 평가·서브신 라벨링으로 학습 데이터화하고, 이를 3단계 SFT와 라우팅 유도 온폴리시 증류에 연결해 재귀적 자기개선의 구체적 메커니즘을 제시합니다.
Unlocking Lossless Speedups in LLMs via Discrete Diffusion이산 디퓨전으로 여는 LLM의 손실 없는 속도 향상⭐ 50
이 연구는 기존 NTP로 학습한 AR 가중치 위에 가벼운 diffusion 가중치만 추가하고 Diffusion Distillation과 Ψ-Spec 샘플러를 도입해, 별도 draft 모델 없이 LLM을 손실 없이 병렬 가속하는 방법을 제안합니다.
💡 LLM 연구는 더 똑똑하게 만드는 것과 더 빠르게 만드는 것을 동시에 추구하고 있습니다. 라우팅 기반 자기개선과 무손실 병렬 가속은, 앞으로의 경쟁력이 모델 크기만이 아니라 학습 로그 활용과 추론 구조 혁신에서 나온다는 점을 보여줍니다.
👁️Computer Vision2
Marigold V2: Revisiting Diffusion Transformers for Monocular Depth EstimationMarigold V2: 단안 깊이 추정을 위한 디퓨전 트랜스포머 재조명⭐ 111
Marigold V2는 사전학습된 flow-matching DiT를 단일 스텝 깊이 추정기로 재활용하면서, semantic feature alignment와 Sinkhorn 기반 2단계 파인튜닝으로 OOD 일반화와 깊이 맵 선명도를 함께 개선했습니다.
ENEAS: Embedding-guided Neural Ensemble for Adaptive SegmentationENEAS: 적응형 분할을 위한 임베딩 유도 신경 앙상블⭐ 51
ENEAS는 텍스트 프롬프트 기반 분할의 시간적 환각·공간 분절·의미 오분류를 줄이기 위해 SeC 확장 추적기와 semantic verification layer를 결합해, 단일 인스턴스 추적과 오픈 개념 탐지를 한 방법으로 처리합니다.
💡 비전에서는 범용 생성 백본을 깊이 추정이나 분할 같은 고전 과제에 다시 연결하는 재활용 전략이 강해지고 있습니다. 중요한 것은 단순 전이보다 의미 정렬, 검증 계층, 시간 일관성 보강처럼 실제 실패 모드를 정면으로 다루는 설계입니다.