오늘의 한줄
오늘은 장기 과제를 다루는 에이전트의 컨텍스트·믿음 상태 설계와, 비디오 생성·이해 모델의 정렬 및 메모리 강화가 특히 두드러졌습니다. 동시에 로보틱스와 엔지니어링 환경에서는 LLM/VLM 에이전트를 실제 워크플로에 맞게 평가하고 효율화하려는 흐름이 강해지고 있습니다.
💻Code & Agents5
Raven: The Harness of Harnesses for Composable Agentic IntelligenceRaven: 조합형 에이전트 지능을 위한 하니스의 하니스⭐ 4,937
Raven은 모델-하니스 쌍을 조합 가능한 지능 단위로 보고 Host Agent가 과업 분해·전문 에이전트 매칭·실행 조율을 자동화해, 도메인별 하니스를 스스로 구성·진화시키는 멀티에이전트 생태계를 제안합니다.
RLE-Bench: A Qualifying Exam for Coding Agents as Robot Learning EngineersRLE-Bench: 로봇 학습 엔지니어로서 코딩 에이전트를 위한 자격시험⭐ 65
RLE-Bench는 인터랙티브 제어·정책 학습·지각/추정·기계 설계를 아우르는 로봇 개발 워크플로를 벤치마크화해, 코딩 에이전트의 단순 코드 생성이 아닌 통합·진단·개선 역량까지 평가합니다.
RSIGame: Autonomous Agentic Game Development with Recursive Self-improvementRSIGame: 재귀적 자기개선을 통한 자율 게임 개발 에이전트⭐ 34
RSIGame은 로컬 탐색-진단-개선 루프와 글로벌 품질 추적 루프를 결합해, 테스트셋 과적합 없이 실행 가능한 게임을 장기적으로 개선하는 재귀적 자기개선 프레임워크를 제시합니다.
💡 에이전트 연구의 초점이 단일 작업 수행에서 벗어나, 하니스 구성·장기 자기개선·전문 소프트웨어 조작·로봇 엔지니어링처럼 실제 워크플로 전체를 다루는 방향으로 이동하고 있습니다. 특히 메모리나 툴 호출 자체보다, 상태를 어떻게 구조화하고 산출물을 어떻게 검증할지에 대한 설계가 성능 차이를 만드는 핵심으로 보입니다.
📄Training & Optimization2
TabFM: A Zero-Shot Foundation Model for Tabular DataTabFM: 표형 데이터를 위한 제로샷 파운데이션 모델⭐ 2,697
TabFM은 구조적 인과모형으로 만든 합성 테이블만으로 학습한 4억 파라미터 모델로, 51개 TabArena 벤치마크에서 단일 추론만으로 보정된 제로샷 예측을 수행하며 기본형 표형 FM과 튜닝된 AutoML까지 앞섰습니다.
Sharpening Tax in Post-Training포스트트레이닝의 샤프닝 비용⭐ 15
이 논문은 RL 포스트트레이닝이 에이전트 능력을 새로 만들기보다 기존 행동을 날카롭게 만들어 pass@1은 높이지만 pass@K 해답 다양성은 깎는다고 분석하고, 그 비용을 Sharpening Tax로 정량화합니다.
💡 학습 자체를 더 크게 하기보다, 제로샷 전이와 포스트트레이닝의 부작용을 정밀하게 다루려는 흐름이 보입니다. 즉 한 번 학습한 모델을 얼마나 넓게 재사용할 수 있는지, 또 RL 후처리가 정확도와 다양성 사이에서 어떤 비용을 만드는지를 계량화하는 연구가 중요해지고 있습니다.
📄Multimodal & Generative8
LongLive-Plug: Once-for-All Distillation for Video GenerationLongLive-Plug: 비디오 생성을 위한 원스포올 증류⭐ 2,647
LongLive-Plug는 단일 증류로 얻은 LoRA 어댑터를 다양한 하위 비디오 생성 모델에 학습 없이 꽂아 쓰도록 해, few-step 샘플링·단일 패스 CFG·장문맥 오류 보정을 재사용 가능하게 만듭니다.
Video Generation Models: A Survey of Post-Training and Alignment비디오 생성 모델: 포스트트레이닝과 정렬 서베이⭐ 189
이 서베이는 비디오 생성의 포스트트레이닝을 암묵적·명시적 정렬로 체계화하며, 시간 누적 오류·모션-외형 결합·안전 제약 같은 비디오 고유 난제를 해결하는 연구 지형을 정리합니다.
Think Before You Score: Thinking Reward Model for Visual Generation점수 전에 먼저 생각하기: 시각 생성용 사고형 보상 모델⭐ 31
TRM은 사례별 평가 루브릭을 먼저 생성한 뒤 세밀한 포인트 보상을 산출하고, PD-GRPO로 쌍대 선호학습의 점수 양극화를 줄여 이미지 생성·편집 보상 모델링 성능을 높였습니다.
💡 비디오와 시각 생성에서는 이제 단순 품질 경쟁보다 정렬, 기억, 규칙 충실도, 장기 일관성 같은 운영 가능한 능력이 전면으로 올라왔습니다. 동시에 3D 상상, 엔티티 전기, 관찰자 시점 분리처럼 구조적 중간표현을 넣어 모델이 세계를 더 오래, 더 정확히 붙잡게 하려는 시도가 늘고 있습니다.
📄Robotics & RL3
Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies체화 정책으로서 GPT-6 Astra의 능력을 체계적으로 탐색하기⭐ 565
이 연구는 GPT-6 Astra를 체화 정책으로 6개 로봇 도메인에서 평가해, π0.5와의 하이브리드 제어로 RoboDojo 48%, DexJoCo 50%, RoboCasa365 38.7%를 달성하며 직접 제어보다 협업형 구성이 더 실용적임을 보였습니다.
What Makes World Action Models Generalize? An Empirical Study of Test-Time Future Modeling월드 액션 모델의 일반화는 무엇에서 오는가: 테스트타임 미래 모델링의 실증 연구⭐ 58
이 연구는 잠재형 WAM이 분포 내 성능은 유지해도 일반화 이점을 잃는다고 보이며, 핵심은 미래 프레임을 끝까지 생성하는 것이 아니라 첫 디노이징 단계에서 미래 표현을 준비하는 데 있음을 밝혔습니다.
Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens토큰은 더 적게, 행동은 더 좋게: 성공률 14% 향상과 토큰 65% 절감을 이룬 GPT-6 Astra 로봇 에이전트⭐ 17
PyRUA-Lean은 선택적 관측과 코드 실행 기반 로컬 재시도를 결합해 LIBERO-PRO·RoboTwin 2.0·RoboCasa365 700개 과제에서 성공률을 63.1%에서 71.7%로 높이고 입력 토큰을 65% 줄였습니다.
💡 로보틱스에서는 거대 모델 단독 제어보다 전통 정책·프리미티브와 결합한 하이브리드 구성이 여전히 실전적이라는 점이 반복해서 확인됩니다. 또한 일반화 성능과 토큰·호출 비용을 함께 따지는 평가가 늘면서, '잘 움직이는가'뿐 아니라 '얼마나 효율적으로 움직이는가'가 중요한 기준이 되고 있습니다.
🗣️Language Models2
Context Language Models컨텍스트 언어 모델⭐ 44
CLM은 컨텍스트를 파일처럼 직접 읽고 수정하게 해 외부 하니스 없이 문맥 관리를 모델 내부 행동으로 끌어오며, BrowseComp-Plus에서 정확도 11.4% 향상과 FLOPs 21.5% 절감을 동시에 달성했습니다.
Hierarchical Continuous Diffusion Language Models계층형 연속 확산 언어 모델⭐ 43
HC-DLM은 이산 토큰 생성과 연속 잠재 궤적을 하나의 변분적 디노이징 과정으로 결합해, 병렬 디코딩에서 토큰 간 의존성이 끊기는 기존 확산 언어 모델의 구조적 한계를 줄입니다.
💡 언어 모델 쪽에서는 더 긴 컨텍스트를 단순히 담는 대신, 컨텍스트를 스스로 편집하거나 생성 과정을 구조적으로 바꾸는 방향이 눈에 띕니다. 이는 앞으로의 LLM 경쟁력이 파라미터 규모만이 아니라, 정보 유지·압축·의존성 복원 같은 내부 운영 메커니즘에 달려 있음을 시사합니다.