오늘의 한줄
오늘은 월드모델이 로봇 제어, 절차적 비디오 생성, 멀티에이전트 상호작용까지 빠르게 확장되는 흐름이 두드러집니다. 동시에 LLM 에이전트를 실제로 굴리기 위한 추론 엔진, 최적화, 하네스 설계가 연구의 중심축으로 부상하고 있습니다.
📄Robotics & RL4
Long-WAM: Scaling the Context of World-Action Models롱-WAM: 월드-액션 모델의 컨텍스트 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 비디오 사전학습이 긴 문맥 활용의 핵심임을 보여줍니다.
UniWAM: Unified World-Action ModelUniWAM: 통합 월드-액션 모델⭐ 91
UniWAM은 physical reasoner, world generator, action predictor를 통합하고 저수준 액션을 자연어로 표현해 의미 이해·시각 생성·행동 예측을 함께 학습하는 embodied 모델을 제안합니다.
SuperNav: An Agentic Navigation System for Any Task in Any SceneSuperNav: 어떤 작업과 어떤 장면에도 대응하는 에이전트형 내비게이션 시스템⭐ 51
SuperNav는 MLLM을 내비게이션 전용으로 미세조정하지 않고 요청 해석과 의사결정에 집중시키며, Navigation Skills와 도구 하네스로 낯선 환경과 다양한 지시를 처리하는 범용 로봇 내비게이션을 구현합니다.
💡 로보틱스에서는 월드모델이 더 긴 문맥, 더 강한 의미 이해, 더 많은 에이전트를 포괄하는 방향으로 빠르게 진화하고 있습니다. 특히 행동 예측만 잘하는 모델보다, 세계의 변화와 목표 진행 상황을 내부적으로 추적하는 구조가 실제 제어 성능과 일반화의 핵심이 되어가고 있습니다.
🗣️Language Models2
Recurrent Looped Transformer순환 루프드 트랜스포머⭐ 915
RLT는 병렬 인코더와 순환 디코더를 결합해 토큰당 비용은 고정하면서 시퀀스가 길수록 계산 경로를 늘려, parity 256비트 100%와 permutation tracking 97%로 표준 Transformer를 크게 앞섰습니다.
Foundations of Large Language Models대규모 언어모델의 기초⭐ 872
이 책은 사전학습, 생성, 프롬프팅, 정렬, 추론, 리즈닝까지 LLM의 핵심 기초를 체계적으로 정리해 실무자와 학습자에게 기준점을 제공하는 참고서입니다.
💡 언어모델 연구는 단순히 파라미터를 키우는 대신, 상태 추적과 추론 길이에 맞는 계산 구조를 다시 설계하는 흐름을 보여줍니다. 동시에 기초 개념을 정리하는 작업도 여전히 중요해, 아키텍처 혁신과 이론적 정돈이 함께 진행되고 있습니다.
💻Code & Agents5
Mara Chain: Rethinking Failure as a Stepping Stone for AI System Auto-EvolutionMara Chain: 실패를 AI 시스템 자동 진화의 디딤돌로 다시 보기⭐ 1,105
Mara Chain은 탈락한 후보를 버리지 않고 증거를 축적해 반복 정제하는 방식으로 프롬프트·스킬·하네스·코드 최적화의 실패 모드를 재활용하며 AI 시스템 자동 진화를 개선합니다.
nanoMuse: An Open-Source Personal Agent for Every Device You OwnnanoMuse: 모든 기기를 위한 오픈소스 개인 에이전트⭐ 324
nanoMuse는 휴대폰과 PC를 넘나드는 단일 대화, 읽을 수 있는 파일 기반 메모리, Sentinel 기반 액션 통제를 갖춘 오픈소스 개인 에이전트 아키텍처를 제시합니다.
AgentGarten: Code Worlds for Evolving AgentsAgentGarten: 진화하는 에이전트를 위한 코드 월드⭐ 97
AgentGarten은 시뮬레이터·게임엔진과 신경 렌더러를 결합해 규칙 기반 상태 일관성과 현실적 시각 관측을 동시에 제공하는 실시간 상호작용 환경 생성 프레임워크를 제안합니다.
💡 에이전트 연구는 이제 모델 자체보다도 하네스, 메모리, 실행 환경, 실패 재활용 같은 시스템 설계가 성능을 좌우한다는 점을 분명히 보여줍니다. 실제 배치 가능한 에이전트를 만들려면 코드 세계와 평가 루프까지 포함한 제품 수준의 설계가 필요해지고 있습니다.
📄Training & Optimization3
On KL-Regularized Policy OptimizationKL 정규화 정책 최적화에 대하여⭐ 182
KLPO는 비동기 LLM 에이전트 RL에서 KL 기준점을 sampler에 두고 importance weight 없이 로그비 조건을 최소제곱으로 맞춰, 긴 에피소드에서도 더 안정적이고 저렴한 정책 최적화를 가능하게 합니다.
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 영향도에 따라 정밀도 배분하는 후처리 양자화로, 정확도 손실을 줄이면서 동시 서빙 메모리 병목을 완화합니다.
SparseEngine: Sparse-First Inference EngineSparseEngine: 희소 우선 추론 엔진⭐ 81
SparseEngine은 15개 희소 서빙 기법을 공통 lifecycle contract로 통합하고 Chain Cache와 Prefix-Cache Pruning을 더해, 품질 유지와 함께 KV eviction에서 10배 이상 처리량 향상을 달성합니다.
💡 최적화와 서빙 연구는 비동기 RL, recurrent state 양자화, sparse inference처럼 실제 운영 병목을 직접 겨냥하고 있습니다. 앞으로는 더 좋은 모델만큼이나, 학습-추론 불일치와 메모리 제약을 다루는 알고리즘적 인프라가 경쟁력이 될 가능성이 큽니다.
📄Multimodal & Generative4
Reasoning-Informed Visual Editing추론 기반 비주얼 편집⭐ 159
RISEBench++는 시간·인과·공간·논리·반사실 등 6개 추론 차원, 65개 세부 작업, 1000개 수작업 테스트로 복잡한 시각 편집 능력을 정밀 평가하는 첫 벤치마크를 제시합니다.
WorldSonus: Bringing Sound to WorldsWorldSonus: 월드모델에 사운드를 입히다⭐ 53
WorldSonus는 streaming causal autoregressive diffusion으로 RTF 0.41의 실시간 비디오-오디오 생성과 chunk 단위 프롬프트 제어, 공간 정렬 스테레오 합성을 동시에 구현합니다.
SGF+: Decoupling Gradient Flows for Autoregressive Video GenerationSGF+: 자기회귀 비디오 생성을 위한 그래디언트 흐름 분리⭐ 52
SGF+는 컨텍스트 기록과 디노이징의 파라미터를 분리해 음의 그래디언트 정렬 문제를 해소함으로써, 추가 데이터 없이 장기 일관성과 화질을 함께 개선한 자기회귀 비디오 생성 기법입니다.
💡 멀티모달 생성은 이제 보기 좋은 결과를 넘어, 추론 가능한 편집·실시간 오디오·절차적 실행처럼 상호작용성과 폐루프성을 요구받고 있습니다. 생성 모델이 '그럴듯한 샘플러'에서 '상태를 읽고 다음 행동을 정하는 시스템'으로 이동하는 전환점으로 보입니다.
👁️Computer Vision2
OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D CinemagraphsOuroWorld: 어떤 3D 월드도 끝없이 순환하는 3D 시네마그래프로⭐ 34
OuroWorld는 정적 3DGS 장면을 mask-free 방식으로 루프형 3D 시네마그래프로 바꾸며, Fourier 기반 4DGS와 Grounded Drift Field로 시점 불일치와 반복 경계 문제를 완화합니다.
LEGO: A Lifting-Free Approach for Exocentric-to-Egocentric Video GenerationLEGO: 리프팅 없는 외부시점-1인칭 비디오 생성⭐ 18
LEGO는 깊이 추정·포인트클라우드·재투영 없이 학습형 view synthesizer로 외부시점 영상을 직접 1인칭 시점으로 변환해, 깊이 오차로 인한 위치 왜곡을 줄이는 새로운 조건부 생성 방식을 제안합니다.
💡 비전 분야에서는 명시적 3D 복원 파이프라인의 한계를 줄이고, 학습 기반 대응과 주기적 동역학 표현으로 더 자연스러운 시점 변환과 장면 애니메이션을 구현하려는 흐름이 보입니다. 즉, 기하학은 여전히 중요하지만 이를 얼마나 유연한 생성 표현으로 흡수하느냐가 차별점이 되고 있습니다.