오늘의 한줄

오늘은 코딩 에이전트의 하네스 설계와 공유 메모리, 대규모 모델 서빙 효율화, 그리고 로봇·멀티모달 시스템의 실제 환경 적응력이 핵심 화두였습니다. 특히 학습 자체보다 실행 루프, 메모리, 평가 프로토콜을 재설계해 실전 성능을 끌어올리려는 흐름이 두드러집니다.

💻Code & Agents6

SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent HarnessSoL-Pi: 효율적인 에이전트 하네스를 위한 재귀적 자동 연구 루프 확장⭐ 2,235

SoL-Pi는 실행·컨텍스트 압축·관측 처리·위임형 읽기 등 4개 하네스 메커니즘으로 EdgeBench 51개 과제에서 Pi급 성능을 유지하면서 토큰 사용량을 44.7~49.0%, API 비용을 약 3분의 1 줄였습니다.

ScienceIDE: Turning World's Scientific Codebase into Agent Learnable EnvironmentsScienceIDE: 전 세계 과학 코드베이스를 에이전트 학습 환경으로 바꾸기⭐ 16

ScienceIDE는 과학 저장소를 실행·검증 가능한 에이전트 환경으로 변환하고 그 상호작용 궤적으로 PhAI-IDE 72B/9B/4B를 학습해, 보류된 과학 코드 수리와 일반 코드·추론 벤치마크에서 성능 향상을 보였습니다.

Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents반성하고, 수정하고, 재사용하기: GUI 에이전트를 위한 학습 없는 스킬 진화⭐ 11

EvoSkill-GUI는 실행 계획, 백업 위치 추적, 복구 규칙을 담은 다중 파일 스킬 패키지를 reflect-revise-reuse 루프로 계속 갱신해, 추가 학습 없이도 동적 GUI 환경의 장기 작업 적응력을 높였습니다.

💡 코딩·GUI·과학 연구 에이전트는 이제 모델 자체보다 하네스, 공유 메모리, 스킬 진화, 평가 체계가 성능을 좌우하는 단계로 넘어가고 있습니다. 특히 반복 실행에서 생기는 경험을 구조화해 재사용하고 검증 가능하게 만드는 인프라가 실전 에이전트 경쟁력의 핵심으로 보입니다.

📄Training & Optimization3

The Other Half of the Memory Wall: Serving 35B MoEs from SSD with Trained Routing Prediction메모리 장벽의 다른 절반: 학습된 라우팅 예측으로 SSD에서 35B MoE 서빙하기⭐ 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 몇 포인트 이내 품질을 유지했습니다.

What Does Privileged Information Add to On-Policy Self-Distillation?온폴리시 자기 증류에서 특권 정보는 무엇을 더하는가?⭐ 4

AMPLE-Math 5,319문제로 분석한 결과, OPSD 성능 향상의 상당 부분은 참조 없는 자기 증류만으로도 설명되며, 정답 풀이 같은 특권 정보의 추가 이득은 모델·학습 단계에 따라 제한적이거나 소폭에 그쳤습니다.

Sample Count Is Not Enough: Candidate-Generation Strategy Shapes the Energy and Performance of LLM Test-Time Scaling샘플 수만으로는 부족하다: 후보 생성 전략이 LLM 테스트타임 스케일링의 에너지와 성능을 좌우한다

이 논문은 GSM8K에서 후보 수 N 증가가 정확도를 높이더라도, 같은 N=8이라도 1x8·2x4·4x2·8x1 같은 생성 스케줄에 따라 지연시간·처리량·GPU 시간·에너지 비용이 크게 달라짐을 보여주었습니다.

💡 효율 연구의 초점이 학습 알고리즘뿐 아니라 서빙 메모리, 테스트타임 스케줄링, 자기 증류의 실제 기여 분해로 넓어지고 있습니다. '같은 모델이라도 어떻게 실행하고 보조하느냐'가 비용 대비 성능을 크게 바꾼다는 점이 분명해졌습니다.

🗣️Language Models1

LimiX-2: A Contextual Mechanism Network Towards General Structured-Data IntelligenceLimiX-2: 범용 구조화 데이터 지능을 향한 문맥 메커니즘 네트워크⭐ 4,186

LimiX-2는 p(x,y|context)를 직접 모델링하는 CMN과 CCMM 사전학습을 통해 TabArena, TALENT, BCCO에서 기존 데이터셋 특화 모델과 표형 데이터 파운데이션 모델을 넘어서는 성능을 보였습니다.

💡 구조화 데이터 영역에서는 단순한 표 예측을 넘어 데이터 생성 메커니즘 자체를 문맥적으로 모델링하려는 흐름이 강화되고 있습니다. 범용 LLM 패러다임을 표형 데이터에 그대로 이식하기보다, 도메인 구조에 맞는 학습 목표를 다시 설계하는 접근이 더 유망해 보입니다.

📄Robotics & RL4

In-Context Robot Learning with VLM AgentsVLM 에이전트를 활용한 인컨텍스트 로봇 학습⭐ 188

GPT-Policy는 시각 전이 중심 컨텍스트 컴파일러와 VLM 기반 행동 제안·검증 루프를 결합해, 파라미터 업데이트 없이 시연·예시·피드백만으로 새로운 초기 상태의 로봇 작업을 즉석 적응하도록 설계했습니다.

Rethinking Critic Learning in PPO: Understanding and Mitigating Value FlatteningPPO의 크리틱 학습 다시 보기: 가치 평탄화의 이해와 완화⭐ 15

이 논문은 PPO 크리틱의 Value Flattening 현상을 규명하고 응답 내 소수의 떨어진 상태에만 value loss를 주는 SP^3O를 제안해, Qwen3-Base 기반 RLHF 설정에서 더 안정적이고 효율적인 학습을 달성했습니다.

ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action ModelsActionPiece: 자기회귀 비전-언어-행동 모델을 위한 액션 토크나이제이션 재고⭐ 13

ActionPiece는 복원 오차 대신 물리적 순위 일관성(PRC)으로 액션 토크나이저를 평가·최적화해, 시연 간 미세한 행동 차이를 더 잘 보존하는 VLA용 행동 이산화를 제시했습니다.

💡 로봇과 RL 연구는 정책 자체의 스케일업보다 배치 시점 적응, 행동 표현, 평가 루프, 크리틱 안정화처럼 실행 가능한 지능의 세부 요소를 정교화하는 방향으로 가고 있습니다. 특히 시연·피드백·능동 관찰을 이용해 학습 없이도 현장에서 적응하려는 시도가 인상적입니다.

👁️Computer Vision3

WeVisDoc: From Coverage to Capability for Robust End-to-End Document ParsingWeVisDoc: 커버리지를 넘어 역량으로 가는 강건한 엔드투엔드 문서 파싱⭐ 29

WeVisDoc는 이질적 데이터 확장과 잔여 오류 진단 기반 표적 데이터 재구성을 결합한 2단계 데이터 중심 프레임워크로, WeVisDoc-4B가 OmniDocBench v1.6에서 95.38, PureDocBench 3개 트랙 평균 75.54로 모두 1위를 기록했습니다.

EventEgoHands++: Event-based Egocentric 3D Hand Mesh Reconstruction with Real DatasetEventEgoHands++: 실제 데이터셋 기반 이벤트 카메라 자가시점 3D 손 메쉬 복원⭐ 6

EventEgoHands++는 이벤트 카메라의 배경 잡음 문제와 좌우 손 구분 한계를 개선한 실제 자가시점 데이터셋·방법을 제시해, 저조도와 모션 블러 환경에서도 더 정확한 3D 손 메쉬 복원을 가능하게 했습니다.

PANORAMA: Panoptic Grounded Captioning via Mask Proposal SelectionPANORAMA: 마스크 제안 선택 기반 파놉틱 그라운디드 캡셔닝⭐ 10

PANORAMA는 전경 객체와 배경 영역을 모두 픽셀 수준으로 연결해 설명하는 panoptic grounded captioning 과제를 정의하고, PanoCaps 벤치마크와 phrase-mask 매칭 기반 학습·평가 체계를 함께 제안했습니다.

💡 비전 분야에서는 문서, 손, 파놉틱 캡셔닝처럼 실제 사용 장면에서 발생하는 누락·노이즈·정합성 문제를 데이터와 과제 정의 차원에서 다시 다루고 있습니다. 단순 인식 정확도보다 더 완전하고 강건한 구조적 이해가 중요한 평가 축으로 자리잡는 분위기입니다.

📄Multimodal & Generative3

Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative ModelMiniMax-H3는 물리 세계를 추론할 수 있을까? 옴니모달 생성 모델 평가⭐ 19

이 연구는 MiniMax-H3의 물리 세계 추론력을 4개 축에서 평가하는 새로운 옴니모달 벤치마크를 제안해, 텍스트·이미지·영상·오디오 결합이 세계 이해에 실제로 어떤 이점을 주는지 정밀하게 드러냈습니다.

JEPA-Anything: Learning Predictive Models across Different WorldsJEPA-Anything: 서로 다른 세계를 가로지르는 예측 모델 학습⭐ 6

JEPA-Anything은 OPF로 잠재 타깃을 상보적 요인으로 분해하는 도메인 불문 예측 프레임워크로, 비전·임상·제어·분자동역학·날씨 등 7개 영역에서 OOD 일반화와 장기 예측 성능을 일관되게 끌어올렸습니다.

Region-Level Policy Optimization for Fine-grained MLLM Perception세밀한 MLLM 지각을 위한 영역 수준 정책 최적화⭐ 3

이 연구는 위치 파악은 저해상도, 인식은 고해상도로 분리하는 관찰을 바탕으로 영역 선택 자체를 정책 최적화하는 방법을 제안해, 전체 해상도를 올리지 않고도 세밀한 MLLM 지각 효율을 높였습니다.

💡 멀티모달 연구는 생성 품질을 넘어 세계 추론, 세밀한 영역 선택, 범용 예측 모델링처럼 '무엇을 이해하고 어디를 볼 것인가'로 관심이 이동하고 있습니다. 입력 모달리티를 늘리는 것만으로는 부족하고, 그 정보들을 실제 추론 구조로 연결하는 설계가 점점 중요해지고 있습니다.