오늘의 한줄
오늘은 에이전트가 스스로 탐색·검증·스킬 진화를 수행하는 자기개선형 시스템과, 비디오·3D·월드모델을 실시간 제어 가능한 생성 시스템으로 바꾸려는 연구가 두드러졌습니다. 동시에 로보틱스에서는 시각 편향을 줄이고 물리적 예측·행동을 통합하는 파운데이션 모델이 빠르게 구체화되고 있습니다.
📄Training & Optimization2
Benchmark Radar: A Living Database and Search Engine for AI Benchmarks and Evaluation벤치마크 레이더: AI 벤치마크와 평가를 위한 살아있는 데이터베이스·검색 엔진⭐ 204
Benchmark Radar는 37개 소스에서 벤치마크 논문·코드·데이터셋·점수 이력을 매일 수집해 1,283개 기록과 12,916개 수치 관측을 연결함으로써, LLM·에이전트 평가 탐색과 근거 추적을 크게 쉽게 만듭니다.
SAS: Simple Attention Sparsification via End-to-End Optimization of Context RankingSAS: 컨텍스트 순위의 종단간 최적화를 통한 단순 어텐션 희소화⭐ 45
SAS는 Top-K 선택 앞에 게이팅된 희소 어텐션을 삽입해 언어모델 손실로 컨텍스트 순위를 종단간 학습함으로써, 밀집 어텐션 모방 대신 실제 예측 기여도에 맞춘 효율적 attention sparsification을 구현합니다.
💡 평가 인프라와 추론 효율화가 이제 모델 자체만큼 중요한 경쟁력이 되고 있습니다. 벤치마크를 체계적으로 추적하는 데이터 레이어와, 사후 희소화로 실제 추론 비용을 줄이는 기법이 함께 발전하면서 운영 가능한 AI 스택이 더 정교해지고 있습니다.
💻Code & Agents7
Atria Dawn: The Dawn of Agentic SuperintelligenceAtria Dawn: 에이전트형 초지능의 새벽⭐ 270
Atria Dawn Preview는 Verifiable Experience Pipeline으로 도구 사용과 실행 환경의 외부 검증 결과를 학습에 연결해 16개 벤치마크 중 5개 최고 성적을 기록한 연구·엔지니어링 특화 에이전트 모델입니다.
RSIAgent: Autonomous Exploration for Recursive Self-improvement in New EnvironmentsRSIAgent: 새로운 환경에서 재귀적 자기개선을 위한 자율 탐색⭐ 151
RSIAgent는 curriculum·actor·verifier 에이전트가 협력해 환경별 인과 메모리를 훈련 없이 축적하고 broad-then-deep 탐색을 수행해, OSWorld-v2와 Agent's Last Exam 같은 신규 환경 적응 성능을 높입니다.
Dream-RSI: Recursive Self-Improvement through Evolving WorldsDream-RSI: 진화하는 세계를 통한 재귀적 자기개선⭐ 35
Dream-RSI는 과거 발견 이력을 replay simulator로 재구성해 실제 실행 없이 탐색 전략을 오프라인으로 개선하는 프레임워크로, 코딩 에이전트 자체를 바꾸지 않고도 자기개선 탐색을 확장합니다.
💡 에이전트 연구는 단순한 태스크 수행을 넘어 자기개선, 스킬 진화, 실행 안전, 연구 자동화까지 확장되고 있습니다. 특히 외부 검증 가능한 경험과 실행 로그를 학습 신호로 삼는 흐름이 강해지며, 에이전트가 실제 환경에서 더 믿을 만하게 작동하는 방향으로 가고 있습니다.
🗣️Language Models1
ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic SearchZGCM-1: 수학과 에이전트 탐색을 위한 완전 공개·초고효율 파운데이션 모델⭐ 205
ZGCM-1은 7B 완전 공개 모델에 256K 컨텍스트, interleaved attention, FP8 Muon, MDP 중간학습을 결합해 작은 모델이 내부 추론과 외부 도구 사용으로 수학·에이전트 탐색 성능을 끌어올릴 수 있음을 보여줍니다.
💡 작은 공개 모델도 긴 컨텍스트, 효율적 학습, 도구 사용을 정교하게 결합하면 특정 고난도 영역에서 충분히 경쟁력을 가질 수 있음을 보여줍니다. 앞으로는 파라미터 규모보다 추론 구조와 학습 레시피의 설계가 더 중요한 차별화 포인트가 될 가능성이 큽니다.
📄Multimodal & Generative5
Vidu S2: Real-Time Interactive, Editable, and Spatial Video GenerationVidu S2: 실시간 상호작용·편집·공간 비디오 생성⭐ 273
Vidu S2는 720p 실시간 아바타 생성과 스트리밍 비디오 편집을 지원하며 의상·인물·배경 교체와 동적 참조 업데이트까지 가능한 상호작용형 비디오 생성 시스템으로, 기존 S1과 베이스라인을 모두 앞섰습니다.
LynnReal-Omni: Native multi-modal Video Generation for Agentic Visual WorkflowsLynnReal-Omni: 에이전트형 시각 워크플로를 위한 네이티브 멀티모달 비디오 생성⭐ 83
LynnReal-Omni는 32B 공유 멀티모달 diffusion transformer 하나로 텍스트·이미지·참조·3D 렌더·게임 기록을 함께 받아 생성·편집·복원·장편 비디오를 통합 처리해, 제어성과 일관성을 동시에 강화합니다.
Kaininja: Extending Native 3D Generators to the Part LevelKaininja: 네이티브 3D 생성기를 파트 단위로 확장하기⭐ 22
KaiNinja는 TRELLIS.2의 O-Voxel을 dual-volume 표현으로 확장해 속도와 품질을 유지하면서도 별도 마스크 없이 파트 단위 3D 생성·편집 가능한 자산을 직접 만들어냅니다.
💡 비디오·3D·월드모델 생성은 이제 품질 경쟁을 넘어 실시간성, 편집 가능성, 상태 일관성, 액션 개입 가능성으로 무게중심이 이동하고 있습니다. 생성 모델이 에이전트 워크플로와 직접 결합되면서, '만드는 모델'에서 '조작 가능한 시스템'으로 진화하는 흐름이 뚜렷합니다.
📄Robotics & RL4
PhysBrain 1.5: From Vision-Language Models to Physical Foundation ModelsPhysBrain 1.5: 비전-언어 모델에서 물리 파운데이션 모델로⭐ 35
PhysBrain 1.5는 관찰·행동·미래 상태를 모두 이산 시퀀스로 통합한 자기회귀 학습으로 28개 embodied 벤치마크 평균 72.5를 달성하며, 8B 오픈소스 물리 파운데이션 모델의 새 기준을 제시합니다.
Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models비전-액션 지름길 깨기: 일반화 가능한 로봇 파운데이션 모델을 위한 잠재 인터페이스 학습⭐ 26
LIT는 먼저 이미지 없이 spatial-goal-conditioned action prior를 학습한 뒤 pose-supervised latent interface로 시각 조건을 제한하는 2단계 전략으로, 시각 분포 이동에서 로봇 정책의 일반화 저하를 줄입니다.
Attention-DP3: Spatially Object-aware 3D Diffusion Policy via Geometry-aligned Attentional ConditioningAttention-DP3: 기하 정렬 어텐션 조건으로 구현한 객체 인지형 3D 확산 정책⭐ 8
Attention-DP3는 open-vocabulary 2D 분할 결과를 3D로 투영해 targetness·saliency·backgroundness의 Tri-field conditioning을 주입함으로써, 복잡한 조작 장면에서 DP3의 목표 물체 집중도를 높입니다.
💡 로보틱스 파운데이션 모델은 관찰-행동-미래 예측을 하나의 토큰 공간이나 확산 프레임으로 통합하며 점점 더 범용화되고 있습니다. 동시에 shortcut 억제와 객체 중심 기하 조건화처럼 일반화 실패의 원인을 직접 다루는 연구가 늘어나, 실제 배치 가능성도 함께 높아지고 있습니다.
👁️Computer Vision1
BVB: Benchmarking Agentic Video Understanding via Programmatic Reconstruction in BlenderBVB: 블렌더 기반 프로그램 재구성으로 측정하는 에이전트형 비디오 이해⭐ 25
BVB는 비디오 이해를 QA가 아니라 Blender 장면 재구성 능력으로 평가하며, Dual VQA와 Latent Similarity를 결합해 10개 모델군 51개 설정의 에이전트형 비디오 이해력을 더 실행 중심으로 비교합니다.
💡 비디오 이해 평가가 질문응답 중심에서 프로그램 재구성과 같은 생성적·행동적 검증으로 이동하고 있습니다. 이는 앞으로 비전 모델의 '이해'를 정답 선택이 아니라 장면을 다시 만들 수 있는가로 측정하는 흐름이 강화될 수 있음을 시사합니다.