오늘의 한줄
오늘은 에이전트 시스템이 단일 프롬프트를 넘어 하네스·메모리·비동기 실행 구조 자체를 학습하고 조립하는 방향이 두드러졌습니다. 동시에 비디오·3D·시각 생성 분야에서는 더 긴 맥락과 더 명시적인 중간 표현을 도입해 일반화와 신뢰도를 끌어올리려는 시도가 이어졌습니다.
📄Multimodal & Generative5
LongLive-Plug: Once-for-All Distillation for Video Generation비디오 생성용 원샷 범용 증류, LongLive-Plug⭐ 2,647
LongLive-Plug는 비디오 확산 모델의 가속·CFG·장문맥 오류 보정을 LoRA 형태로 한 번만 증류해 여러 다운스트림 모델에 학습 없이 꽂아 쓰게 하며, 고정 CFG 스케일로 학습해도 추론 가중치만으로 가이던스 제어를 유지합니다.
Beyond the Timeline: Augmenting Long-Video Memory with Grounded Entity Biographies타임라인 너머: 실체 기반 엔티티 전기로 장기 비디오 메모리 확장⭐ 35
GEB는 장기 비디오에서 동일 물체의 관측을 클립 전반에 걸쳐 하나의 grounded biography로 묶어 검색 가능하게 만들어, 단순 사건 회수로 놓치던 객체 동일성 추적을 복원하며 4개 장·초장기 비디오 QA 벤치마크를 개선했습니다.
Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering답하기 전에 3D 장면을 상상하는 MLLM, Imagine3D-LLM⭐ 27
Imagine3D-LLM은 다중 시점 이미지에서 공통 객체와 시점 관계를 바탕으로 압축된 3D 장면 표현을 먼저 조립한 뒤 답변하게 해, 픽셀 정합이나 외부 3D 모델 결합 없이도 더 인간적인 공간 추론을 구현합니다.
💡 멀티모달 생성 연구는 단순히 더 큰 모델을 만드는 대신, LoRA형 재사용 증류·엔티티 전기·루프형 메모리·압축 3D 표현처럼 중간 구조를 잘 설계해 긴 시계열과 복잡한 장면을 다루는 방향으로 가고 있습니다. 실무적으로는 학습 비용을 줄이면서도 긴 비디오와 다중 시점 추론의 신뢰성을 높이는 모듈식 개선이 핵심 흐름으로 보입니다.
💻Code & Agents8
Raven: The Harness of Harnesses for Composable Agentic Intelligence조합형 에이전트 지능을 위한 하네스의 하네스, Raven⭐ 4,937
Raven은 모델-하네스 쌍을 조합 가능한 지능 단위로 보고, Host Agent가 목표 분해·전문 에이전트 매칭·의존성 조율을 자동화해 도메인별 하네스를 스스로 구성·진화시키는 오픈소스 멀티에이전트 생태계입니다.
EngiWorld: What Can Frontier Agents Deliver in Professional Engineering Environments?전문 엔지니어링 환경에서 프런티어 에이전트는 어디까지 가능한가⭐ 33
EngiWorld는 CAD·CAE·CAM·BIM·EDA 등 6개 도메인, 26개 전문 소프트웨어, 1,301개 과제를 아우르며 산출물의 기하·물리·규칙 적합성을 자동 검증하는 최초의 산업 엔지니어링 에이전트 벤치마크를 제시합니다.
RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement재귀적 자기개선으로 게임을 만드는 자율 에이전트, RSIGame⭐ 34
RSIGame은 탐색-진단-개선의 로컬 루프와 최고 체크포인트·퇴행 감지를 담당하는 글로벌 루프를 결합해, 테스트 케이스 과적합 없이 실행 가능한 게임을 장기적으로 다듬는 자율 게임 개발 프레임워크입니다.
💡 에이전트 연구의 초점이 개별 모델 성능에서 하네스, 워크플로, 반성 루프, 비동기 실행 같은 시스템 설계로 빠르게 이동하고 있습니다. 특히 전문 엔지니어링·딥리서치·게임 개발·GUI 소프트웨어 수정처럼 장기 과업을 다루려면, 도구 조합과 상태 관리 자체가 모델 못지않게 중요한 경쟁력이 되고 있습니다.
🗣️Language Models2
TabFM: A Zero-Shot Foundation Model for Tabular Data테이블 데이터를 위한 제로샷 파운데이션 모델, TabFM⭐ 2,697
TabFM은 구조적 인과모형으로 만든 합성 테이블만으로 학습한 4억 파라미터 모델로, 51개 TabArena 전 벤치마크에서 제로샷 단일 추론만으로 기본형 탭уляр FM 1위를 기록하고 튜닝된 AutoML도 앞섰습니다.
Context Language Models문맥을 스스로 관리하는 컨텍스트 언어모델⭐ 44
CLM은 컨텍스트를 파일처럼 직접 수정하는 방식으로 문맥 관리를 모델 내부 행동으로 옮겨, BrowseComp-Plus에서 정확도 11.4% 향상과 FLOPs 21.5% 절감, 12시간 EdgeBench에서 점수 5% 향상과 FLOPs 59% 절감을 달성했습니다.
💡 언어모델은 이제 텍스트 생성기를 넘어, 컨텍스트를 스스로 편집하거나 테이블 예측을 제로샷으로 수행하는 범용 추론 엔진으로 확장되고 있습니다. 데이터셋별 튜닝과 외부 메모리 제어를 줄이고, 모델 내부에서 작업 형식을 직접 흡수하려는 흐름이 뚜렷합니다.
📄Robotics & RL3
Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies체화 정책으로서 GPT-6 Astra의 능력 체계 분석⭐ 565
GPT-6 Astra를 범용 embodied policy로 평가한 결과, π0.5와의 하이브리드 제어로 RoboDojo 48%, DexJoCo 50%, RoboCasa365 38.7%, RxR 92%를 달성해 직접 제어보다 협업형 정책이 실용적임을 보여줍니다.
What Makes World Action Models Generalize? An Empirical Study of Test-Time Future Modeling월드 액션 모델의 일반화는 무엇이 만드는가: 테스트타임 미래 모델링 실증 연구⭐ 58
이 연구는 latent WAM이 분포 내 성능은 맞춰도 일반화 이점을 잃는다고 보이며, 핵심은 미래를 끝까지 생성하는 것이 아니라 첫 번째 denoising 단계에서 미래 표현을 준비하는 데 있음을 밝혀 더 단순한 WAM 설계를 제안합니다.
TERRA: Terrain-Aware Reconstruction, Retargeting and Control for Musculoskeletal Locomotion지형 인지형 근골격 보행 재구성·리타게팅·제어, TERRA⭐ 6
TERRA는 운동 궤적만으로 지형과 접촉을 복원하고 이를 해부학·건 연속성·접촉 제약과 함께 리타게팅해, 5개 데이터셋 9.4시간으로 단일 근육 구동 보행 정책을 학습시키며 재구성·리타게팅·추적 성능을 개선했습니다.
💡 로보틱스에서는 순수 end-to-end보다 미래 표현, 지형 복원, LLM-정책 하이브리드처럼 구조적 보조 신호를 넣어 일반화를 확보하려는 시도가 강합니다. 즉, 행동 자체보다 행동이 놓인 물리적 맥락과 예측 가능한 미래를 어떻게 모델에 주입하느냐가 성능 차이를 만들고 있습니다.
📄Training & Optimization2
Think Before You Score: Thinking Reward Model for Visual Generation점수 전에 먼저 생각하는 시각 생성 보상모델⭐ 31
TRM은 사례별 평가 루브릭을 먼저 만들고 이를 따라 세밀한 포인트 단위 보상을 산출하며, PD-GRPO로 쌍대 선호학습의 점수 양극화를 줄여 이미지 생성·편집 보상모델 벤치마크 성능을 끌어올렸습니다.
Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence잠재 시각 추론 재고: 시각 증거에 근거한 잠재 추론⭐ 7
ReaLVR는 GRPO 기반 latent visual reasoning의 evidence-credit gap을 분석하고, 모델이 생성한 오답과 정답을 대비하는 시각 증거 감독을 자유 실행 latent trajectory에 부여해 잠재 토큰의 근거성을 높입니다.
💡 학습·최적화 쪽에서는 보상과 잠재 추론의 감독 신호를 더 세밀하게 설계해 모델이 무엇을 근거로 판단하는지 바로잡으려는 경향이 보입니다. 최종 점수 하나로 밀어붙이기보다, 루브릭과 시각 증거처럼 중간 평가 기준을 명시하는 것이 다음 성능 향상의 열쇠로 읽힙니다.