오늘의 한줄
오늘은 에이전트의 자기개선과 과학·코드 작업 자동화, 그리고 실시간 멀티모달 생성·이해가 특히 두드러졌습니다. 한편 모델 자체도 SSD 기반 MoE 서빙, 인간 인지 상태 반영 학습, PPO 크리틱 안정화처럼 실전 배포와 학습 효율을 겨냥한 방향으로 빠르게 진화하고 있습니다.
📄Training & Optimization2
The Other Half of the Memory Wall: Serving 35B MoEs from SSD with Trained Routing Prediction학습된 라우팅 예측으로 SSD에서 35B MoE를 서빙하다⭐ 1,917
Edge0는 다음 레이어 전문가를 한 토큰 앞서 예측하는 prerouter와 복구 LoRA를 결합해 단일 24GB 머신에서 35B MoE를 피크 3GiB 메모리, 20tok/s로 구동하며 fp16 교사 대비 평균 수 포인트 차이만 보였습니다.
Rethinking Critic Learning in PPO: Understanding and Mitigating Value FlatteningPPO의 크리틱 학습 재고: Value Flattening의 이해와 완화⭐ 15
이 논문은 PPO 크리틱의 Value Flattening 현상을 규명하고, 응답 내 소수의 잘 떨어진 상태에만 가치 손실을 적용하는 SP^3O로 Qwen3-Base 기반 RL 학습의 안정성과 성능을 개선했습니다.
💡 학습 알고리즘뿐 아니라 서빙 시스템까지 최적화의 범위가 넓어지고 있습니다. 메모리 병목을 우회하는 MoE 추론과 PPO 크리틱의 구조적 실패 보정은, 이제 성능 향상이 모델 크기보다 파이프라인 설계에서 더 크게 나올 수 있음을 보여줍니다.
🗣️Language Models3
LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence일반 구조화 데이터 지능을 향한 문맥적 메커니즘 네트워크⭐ 4,186
LimiX-2는 CMN과 CCMM으로 p(x,y|context)를 직접 학습해 합성 SCM 데이터로 사전학습했으며, TabArena·TALENT·BCCO에서 기존 탭уляр 파운데이션 모델과 데이터셋 특화 모델을 앞섰습니다.
ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search수학과 에이전트 탐색을 위한 완전 공개 초효율 파운데이션 모델⭐ 205
ZGCM-1은 256K 컨텍스트, FP8 Muon 옵티마이저, 슬라이딩윈도우-풀어텐션 혼합 구조, MDP 중간학습을 결합해 7B급 공개 모델로 일반 벤치마크와 수학·에이전트 검색 과제에서 경쟁력을 확보했습니다.
Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental States사용자 정신 상태 시뮬레이션으로 인간 인지형 언어모델 학습하기⭐ 23
Mind2Dialogue는 상호작용 속에서 갱신되는 사용자 정신 상태를 공유 잠재 변수로 시뮬레이션해 Oracle 응답을 만들고, 관측 불가능한 의도·신념을 반영하는 human-aware LLM 학습 신호를 확장했습니다.
💡 언어모델은 더 이상 텍스트 다음 토큰만 잘 맞히는 방향에 머물지 않고, 구조화 데이터의 생성 메커니즘과 사용자의 내적 상태까지 모델링하려는 쪽으로 확장되고 있습니다. 동시에 ZGCM-1처럼 작은 모델도 긴 컨텍스트와 도구 사용을 결합해 능력 한계를 우회하는 전략이 뚜렷합니다.
📄Multimodal & Generative4
Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation실시간 상호작용·편집·공간 비디오 생성, Vidu S2⭐ 273
Vidu S2는 720p 실시간 아바타 생성과 스트리밍 비디오 편집을 지원하며, 동적 레퍼런스·의상/인물/배경 교체·스타일 렌더링까지 가능한 실시간 영상 생성 워크플로를 제시했습니다.
LynnReal-Omni: Native multi-modal Video Generation for Agentic Visual Workflows에이전트형 시각 워크플로를 위한 네이티브 멀티모달 비디오 생성⭐ 83
LynnReal-Omni는 32B 공유 멀티모달 디퓨전 트랜스포머 하나로 텍스트·이미지·레퍼런스·3D 렌더·게임 기록을 통합 입력받아 생성, 편집, 복원, 장편 비디오까지 아우르는 통합 영상 생성 프레임워크를 제안했습니다.
BVB: Benchmarking Agentic Video Understanding via Programmatic Reconstruction in Blender블렌더 재구성으로 측정하는 에이전트형 비디오 이해 벤치마크⭐ 25
BVB는 비디오를 질문응답이 아니라 Blender 장면으로 재구성하게 해 이해력을 평가하며, Dual VQA와 Latent Similarity를 결합한 점수로 10개 모델군 51개 설정의 에이전트형 영상 이해 능력을 비교했습니다.
💡 비디오와 3D 생성은 품질 경쟁을 넘어 실시간성, 편집 가능성, 제어 가능성으로 무게중심이 이동하고 있습니다. 또한 BVB처럼 생성형 에이전트의 출력물을 이해 평가로 되돌리는 흐름은, 생성과 이해의 경계가 빠르게 사라지고 있음을 시사합니다.
💻Code & Agents8
Atria Dawn: The Dawn of Agentic Superintelligence에이전트형 초지능의 새벽, Atria Dawn⭐ 270
Atria Dawn Preview는 실행 가능 환경과 외부 검증 결과를 연결한 Verifiable Experience Pipeline으로 학습된 연구·엔지니어링 에이전트 모델로, 16개 벤치마크 중 5개에서 최고 점수를 기록했습니다.
RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments새 환경에서 재귀적 자기개선을 위한 자율 탐색 에이전트⭐ 151
RSIAgent는 커리큘럼·액터·검증 에이전트가 폭넓고 깊은 탐색을 병행하며 환경별 인과 메모리를 구축하는 학습 없는 프레임워크로, OSWorld-v2와 Agent's Last Exam에서 새로운 환경 적응력을 높였습니다.
AI for Games in the Foundation Model Era파운데이션 모델 시대의 게임 AI⭐ 146
이 논문은 게임 플레이·디자인·개발·런타임 적응·평가까지 파운데이션 모델 기반 게임 AI를 6개 역할로 체계화해, 어떤 능력이 게임과 엔진을 넘어 전이되는지 정리한 로드맵을 제공합니다.
💡 에이전트 연구의 핵심 화두는 자기개선과 실행 가능한 환경 구축으로 보입니다. 과학 코드, 컴퓨터 사용, 새로운 소프트웨어 환경처럼 검증 가능한 작업 공간을 만들고 그 안에서 경험을 축적·재사용하는 방식이, 차세대 에이전트 성능을 좌우할 가능성이 큽니다.
📄Robotics & RL2
In-Context Robot Learning with VLM AgentsVLM 에이전트로 구현한 인컨텍스트 로봇 학습⭐ 188
GPT-Policy는 컨텍스트 컴파일러와 VLM, 검증 루프를 결합해 파라미터 업데이트 없이 시연·예시·피드백만으로 새로운 초기 상태에서 실행 가능한 로봇 행동을 합성하는 인컨텍스트 로봇 학습 프레임워크를 제안했습니다.
PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models비전-언어 모델에서 물리 파운데이션 모델로, PhysBrain 1.5⭐ 35
PhysBrain 1.5는 언어·엔드이펙터 동작·미래 시각 상태를 모두 이산 시퀀스로 통합해 자기회귀적으로 학습하며, 28개 embodied 이해 벤치마크에서 8B 모델 기준 평균 72.5로 오픈소스 SOTA를 달성했습니다.
💡 로보틱스는 대규모 사전학습 정책보다 배치 현장에서 즉시 적응하는 능력과 물리 세계의 통합 표현 학습으로 향하고 있습니다. VLM 기반 인컨텍스트 학습과 물리 파운데이션 모델은, 로봇이 설명·행동·예측을 하나의 루프로 다루는 방향을 강화합니다.
👁️Computer Vision1
RelateAnything: Real-Time Open-Vocabulary Relation Prediction From Any Inputs어떤 입력에서도 실시간 개방형 관계를 예측하는 RelateAnything⭐ 122
RelateAnything은 객체 라벨 없이 임의의 영역 입력과 추론 시점 문자열 관계 어휘를 받아 관계를 예측하는 53M 모델로, 탐지기 종속성과 고정 술어 집합의 한계를 깨는 실시간 오픈보캐뷸러리 관계 추론을 제시했습니다.
💡 비전 분야에서는 고정된 라벨 체계에서 벗어나 추론 시점에 어휘와 입력 형식을 열어두는 오픈월드화가 계속 진행되고 있습니다. RelateAnything은 탐지 이후 관계 이해까지 이 흐름이 확장되고 있음을 잘 보여줍니다.