오늘의 한줄
오늘은 로봇·에이전트용 월드모델이 긴 문맥, 다중 에이전트, 절차적 실행까지 포괄하며 빠르게 실용화되는 흐름이 두드러졌습니다. 동시에 비디오 생성과 LLM 서빙·학습 인프라도 장기 일관성, 실시간성, 분산 효율을 중심으로 한 단계 정교해지고 있습니다.
📄Robotics & RL5
Long-WAM: Scaling the Context of World-Action ModelsLong-WAM: 월드-액션 모델의 문맥 길이 확장⭐ 2,687
Long-WAM은 실시간 제어 제약 아래 월드-액션 모델의 시각 히스토리를 19.2초까지 확장해 RoboCasa GR-1 성공률을 63.3%에서 78.7%로 높였고, AR 사전학습이 긴 히스토리 활용의 핵심임을 보여줬습니다.
On KL-Regularized Policy OptimizationKL 정규화 정책 최적화에 대하여⭐ 182
KLPO는 비동기 LLM 에이전트 RL에서 KL 기준점을 sampler에 고정하고 중요도 가중치 없이 로그비 조건을 최소제곱으로 맞춰, stale rollout 환경의 편향·비용 문제를 줄이는 정책 최적화 틀을 제안했습니다.
UniWAM: Unified World-Action ModelUniWAM: 통합 월드-액션 모델⭐ 91
UniWAM은 물리 추론기·월드 생성기·액션 예측기를 하나로 묶고 저수준 행동을 자연어로 표현해, 비전언어모델의 의미 이해와 월드모델의 동역학 학습을 동시에 살리는 embodied 학습 구조를 제안했습니다.
💡 로봇·에이전트 연구는 이제 단순 행동 예측을 넘어 긴 시각 문맥, 물리 추론, 다중 에이전트 상호작용, 폐루프 실행까지 월드모델의 역할을 넓히고 있습니다. 동시에 정책 최적화도 비동기·대규모 서빙 현실을 전제로 다시 설계되며, 실제 배치 환경 친화성이 핵심 축으로 떠오릅니다.
📄Training & Optimization3
NeMo-DCR: Bit-Exact Delta-Compressed Refit for Scalable Agentic RL at Trillion-Parameter ScaleNeMo-DCR: 조 단위 파라미터 에이전트 RL을 위한 비트 정확 델타 압축 리핏⭐ 2,048
NeMo-DCR은 1T 정책의 리핏에서 변경된 가중치만 전송하면서도 dense refit과 비트 단위로 동일한 결과를 보장해, 초대형 에이전트 RL의 클러스터 간 동기화 병목을 줄이는 시스템을 제안했습니다.
STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State QuantizationSTEPQuant: 델타 규칙 순환 상태 양자화에서 오류가 중요한 시점과 위치⭐ 91
STEPQuant는 선형 어텐션의 recurrent state를 시간적 수명과 공간적 민감도에 따라 정밀도를 다르게 배분하는 후처리 양자화로, 상태 메모리 절감과 정확도 보존을 동시에 노렸습니다.
SparseEngine: Sparse-First Inference EngineSparseEngine: 희소성 우선 추론 엔진⭐ 81
SparseEngine은 15개 희소 어텐션 방법을 공통 수명주기 계약 아래 통합하고 Chain Cache와 Prefix-Cache Pruning을 제공해, 품질 유지와 함께 KV eviction에서 10배 이상 처리량 향상을 달성했습니다.
💡 학습·서빙 인프라 쪽에서는 거대한 모델을 더 싸고 정확하게 굴리기 위한 시스템적 정교화가 두드러집니다. 델타 전송, 희소 추론, 상태 양자화처럼 메모리와 통신을 직접 겨냥한 기법들이 모델 혁신 못지않게 성능의 결정변수가 되고 있습니다.
💻Code & Agents4
Mara Chain: Rethinking Failure as a Stepping Stone for AI System Auto-EvolutionMara Chain: 실패를 AI 시스템 자동 진화의 발판으로 다시 보기⭐ 1,105
Mara Chain은 탈락한 프롬프트·스킬·코드 후보를 버리지 않고 증거 기반으로 연쇄 정제해 재활용함으로써, AppWorld·TerminalBench 2.1·MuSiQue 최적화에서 반복적 실패 모드 재방문을 줄였습니다.
nanoMuse: An Open-Source Personal Agent for Every Device You OwnnanoMuse: 모든 개인 기기를 위한 오픈소스 퍼스널 에이전트⭐ 324
nanoMuse는 기기별 에이전트가 하나의 대화를 공유하고 Sentinel 기반 액션 통제와 읽을 수 있는 파일 메모리를 제공하는 GPL 오픈소스 퍼스널 에이전트 스택을 제시했습니다.
AgentGarten: Code Worlds for Evolving AgentsAgentGarten: 진화하는 에이전트를 위한 코드 월드⭐ 97
AgentGarten은 시뮬레이터·게임엔진·공유 신경 렌더러를 결합해 규칙 일관성과 사실적 관측을 동시에 갖춘 실시간 상호작용 환경을 만들고, Adversarial Forcing으로 렌더러를 학습시켰습니다.
💡 에이전트 연구는 모델 자체보다 실패 기록, 실행 환경, 개인 데이터·기기 연결 같은 운영 레이어를 더 진지하게 다루기 시작했습니다. 즉, 좋은 에이전트는 더 똑똑한 LLM 하나보다 실패를 축적하고 세계를 재현하며 안전하게 행동시키는 소프트웨어 스택에 가깝다는 흐름입니다.
🗣️Language Models2
Recurrent Looped Transformer순환 루프드 트랜스포머⭐ 915
Recurrent Looped Transformer는 병렬 인코더와 순환 디코더를 결합해 토큰당 비용은 고정하면서 계산 경로를 길이에 따라 늘려, parity 256비트 100%와 S5 추적 97% 등 장거리 상태추적 일반화를 크게 개선했습니다.
Foundations of Large Language Models대규모 언어모델의 기초⭐ 872
이 책은 사전학습·생성·프롬프팅·정렬·추론·추리까지 LLM의 핵심 기초를 6개 장으로 정리해, 실무자와 학생이 최신 기법 이전에 개념적 토대를 빠르게 다질 수 있게 합니다.
💡 언어모델 쪽에서는 무작정 깊이를 늘리기보다 상태 추적에 맞는 계산 구조를 재설계하려는 시도가 인상적입니다. 한편 기초 개념을 체계화하려는 움직임도 이어지며, 빠른 응용 경쟁 속에서 이론적 토대의 중요성이 다시 부각됩니다.
📄Multimodal & Generative5
Reasoning-Informed Visual Editing추론 기반 비주얼 편집⭐ 159
RISEBench++는 시각 편집의 추론 능력을 시간·인과·공간·논리·반사실 등 6개 차원, 65개 세부 과제로 나눈 1,000개 수작업 테스트셋을 공개해 멀티턴 편집 평가의 기준점을 마련했습니다.
WorldSonus: Bringing Sound to WorldsWorldSonus: 월드모델에 사운드를 더하다⭐ 53
WorldSonus는 스트리밍 causal autoregressive diffusion으로 RTF 0.41의 실시간 비디오-투-오디오 생성을 구현하고, chunk 단위 프롬프트 스케줄링과 스테레오 정렬로 상호작용형 공간 음향을 합성합니다.
DuoMatching: Joint-Marginal Distribution Matching for Few-Step Video GenerationDuoMatching: 소수 스텝 비디오 생성을 위한 결합-주변 분포 매칭⭐ 33
DuoMatching은 비디오 교사의 joint matching에 이미지 생성기의 marginal matching을 더하고 LatentBridge로 잠재공간 차이를 메워, 적은 스텝 비디오 생성의 화질과 의미 정합성을 함께 끌어올렸습니다.
💡 멀티모달 생성은 이제 단순히 그럴듯한 결과를 만드는 단계를 넘어, 추론 가능한 편집·실시간 오디오·장기 비디오 일관성·절차적 실행처럼 제어 가능성과 상호작용성을 강화하는 방향으로 이동하고 있습니다. 생성모델이 '콘텐츠 제작기'에서 '행동 가능한 세계 시뮬레이터'로 진화하는 흐름이 뚜렷합니다.
👁️Computer Vision1
OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D CinemagraphsOuroWorld: 어떤 3D 월드도 끝없이 반복되는 3D 시네마그래프로 되살리기⭐ 34
OuroWorld는 정적 3DGS 장면을 마스크 없이 루프형 3D 시네마그래프로 바꾸기 위해 Fourier 기반 주기 변형장과 Grounded Drift Field를 도입해, 다양한 시점에서 자연스러운 반복 동작을 생성했습니다.
💡 비전 분야에서는 정적인 3D 장면을 자연스럽게 살아 움직이게 만드는 표현 학습이 여전히 매력적인 주제입니다. 특히 루프성, 시점 일관성, 다양한 동작을 동시에 만족시키려는 접근은 3D 콘텐츠 생성의 실사용 가능성을 크게 높여줍니다.