오늘의 한줄
오늘은 에이전트의 재귀적 자기개선(RSI), 실시간·구조적 비디오 생성, 그리고 실행 환경까지 포함한 평가·안전 인프라가 핵심 흐름으로 보입니다. 단순히 모델 자체를 키우기보다 도구, 하네스, 메모리, 월드모델, 벤치마크를 함께 설계해 실제 작업 성능을 끌어올리는 연구가 두드러집니다.
💻Code & Agents10
Atria Dawn: The Dawn of Agentic SuperintelligenceAtria Dawn: 에이전트 초지능의 서막⭐ 270
Atria Dawn Preview는 실행 가능 환경과 외부 검증 결과를 잇는 Verifiable Experience Pipeline으로 학습된 연구·엔지니어링용 에이전트 LLM으로, 16개 벤치마크 중 5개에서 최고 성적을 기록했습니다.
RSIAgent: Autonomous Exploration for Recursive Self-improvement in New EnvironmentsRSIAgent: 새로운 환경에서의 자율 탐색 기반 재귀적 자기개선⭐ 151
RSIAgent는 curriculum·actor·verifier 에이전트가 환경별 인과 메모리를 자율 구축하는 학습 없는 다중 에이전트 프레임워크로, OSWorld-v2와 Agent's Last Exam에서 새로운 환경 적응 성능을 크게 높였습니다.
Benchmark Radar: A Living Database and Search Engine for AI Benchmarks and EvaluationBenchmark Radar: 살아있는 AI 벤치마크 데이터베이스와 검색 엔진⭐ 204
Benchmark Radar는 37개 소스에서 벤치마크 논문·코드·데이터셋·점수를 매일 수집해 1,283개 기록과 12,916개 수치 관측치를 제공하는 검색형 평가 인프라로, AI 평가 탐색 비용을 크게 낮춥니다.
💡 이 범주는 에이전트 성능의 병목이 더 이상 베이스 모델 하나에만 있지 않고, 메모리·하네스·평가·안전·작업공간 같은 실행 레이어 전반에 있음을 보여줍니다. 특히 RSI 계열 연구가 많아지면서 앞으로는 '스스로 더 나아지는 운영체계'를 얼마나 안정적으로 설계하느냐가 에이전트 경쟁력의 핵심이 될 것으로 보입니다.
🗣️Language Models2
ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic SearchZGCM-1: 수학과 에이전트 탐색을 위한 완전 개방형 초효율 기반 모델⭐ 205
ZGCM-1은 7B 밀집 모델에 256K 컨텍스트, interleaved attention, FP8 Muon, MDP mid-training을 결합해 작은 모델의 한계를 도구 사용과 숙고형 추론으로 보완하며 동급 7B 계열에서 경쟁력 있는 성능을 보였습니다.
Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental StatesMind2Dialogue: 사용자 정신 상태 시뮬레이션으로 학습하는 인간 인지형 언어모델⭐ 23
Mind2Dialogue는 심리학 기반 사용자 mental state 시뮬레이터와 Oracle 응답을 활용해 관측 불가능한 의도·믿음을 privileged supervision으로 바꾸며, 더 인간 이해적인 대화형 LLM 학습을 가능하게 했습니다.
💡 언어모델 연구는 단순한 파라미터 확장보다 작은 모델의 효율 극대화와 사용자 내면 상태 이해 같은 질적 능력 확장으로 이동하고 있습니다. 즉, 더 큰 모델보다 더 잘 생각하고 더 사람을 이해하는 모델이 실전 가치에서 중요해지고 있습니다.
📄Multimodal & Generative4
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, 동적 레퍼런스 업데이트·의상/인물/배경 교체까지 가능한 실시간 생성·편집 파이프라인으로 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 위에 텍스트·이미지·3D 렌더·게임 기록을 함께 받아 생성·편집·복원·장편 비디오를 통합하는 비디오 생성 프레임워크를 제안했습니다.
AlayaVista: Streaming World Modeling from Panoramic States to Perspective VideoAlayaVista: 파노라마 상태에서 시점 비디오로 이어지는 스트리밍 월드모델⭐ 18
AlayaVista는 360도 파노라마 잠재 상태의 세계 진화를 시점 비디오 렌더링과 분리해, 단일 이미지에서 시작해 저지연·카메라 제어 가능한 스트리밍 월드모델을 구현했습니다.
💡 비디오·3D 생성은 이제 고품질 생성 자체보다 실시간성, 편집 가능성, 구조적 제어 가능성으로 무게중심이 옮겨가고 있습니다. 에이전트가 참조 이미지, 3D 장면, 게임 상태 같은 명시적 조건을 조합해 생성물을 조작하는 방향이 점점 표준이 되는 흐름입니다.
👁️Computer Vision1
RelateAnything: Real-Time Open-Vocabulary Relation Prediction From Any InputsRelateAnything: 어떤 입력에서도 가능한 실시간 오픈보캐뷸러리 관계 예측⭐ 122
RelateAnything은 객체 라벨 없이 임의의 영역 입력과 추론 시점 문자열 predicate만으로 관계를 예측하는 53M 모델로, 관계 예측을 탐지기 종속 구조에서 분리해 실시간 오픈보캐뷸러리 장면 이해를 가능하게 했습니다.
💡 비전 분야에서는 고정된 라벨 체계에 묶인 예측을 벗어나 입력 시점에 정의되는 개방형 관계 이해가 중요해지고 있습니다. 탐지·분할에 이어 관계 예측까지 오픈보캐뷸러리화되면 실제 현장 데이터에 대한 적응성이 크게 높아질 것입니다.
📄Training & Optimization1
SAS: Simple Attention Sparsification via End-to-End Optimization of Context RankingSAS: 컨텍스트 랭킹의 종단간 최적화를 통한 단순 어텐션 희소화⭐ 45
SAS는 hard Top-K의 비미분 문제를 우회해 언어모델 손실로 직접 컨텍스트 랭킹을 학습하는 gated sparse attention을 제안하며, 제한된 attention budget에서 더 유용한 토큰 선택을 가능하게 합니다.
💡 효율화 연구는 단순한 희소화보다 '무엇을 남길지'를 목적 함수와 직접 정렬하는 방향으로 진화하고 있습니다. 추론 비용을 줄이면서도 품질 손실을 최소화하려면, 앞으로는 선택 메커니즘 자체를 종단간으로 학습하는 접근이 더 중요해질 가능성이 큽니다.
📄Robotics & RL2
PhysBrain 1.5: From Vision-Language Models to Physical Foundation ModelsPhysBrain 1.5: 비전-언어 모델에서 물리 기반 파운데이션 모델로⭐ 35
PhysBrain 1.5는 관찰·행동·미래 상태를 모두 이산 시퀀스로 통합 학습한 8B embodied 모델로, 28개 벤치마크 평균 72.5점을 기록하며 오픈소스 SOTA와 상용 모델 수준의 성능을 달성했습니다.
Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models비전-액션 지름길 깨기: 일반화 가능한 로보틱스 파운데이션 모델을 위한 Latent Interface Training⭐ 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 행동 일반화를 향상시켰습니다.
💡 로보틱스는 시각 이해, 행동 생성, 미래 예측을 하나의 시퀀스 모델로 통합하거나, 반대로 시각-행동 지름길을 끊어 일반화를 높이는 두 축이 동시에 발전하고 있습니다. 즉, 더 큰 통합 모델과 더 강한 일반화 제약을 함께 설계하는 것이 차세대 로봇 파운데이션 모델의 핵심 과제로 보입니다.