오늘의 한줄
오늘은 월드모델이 로봇 제어·절차 실행·멀티에이전트 상호작용까지 확장되는 흐름과, 에이전트를 실제 시스템으로 굴리기 위한 하니스·시뮬레이션·서빙 인프라 연구가 두드러졌습니다. 동시에 비디오·오디오 생성에서는 폐루프 실행, 루프형 3D 시네마그래프, 시공간 정량화처럼 장기 일관성과 실시간성을 함께 잡으려는 시도가 인상적입니다.
📄Robotics & RL4
Long-WAM: Scaling the Context of World-Action Models롱-WAM: 월드-액션 모델의 컨텍스트를 확장하다⭐ 2,687
Long-WAM은 실시간 로봇 제어에서 스트리밍 인코딩과 AR 사전학습을 결합해 긴 시각 히스토리를 실제로 활용하게 만들었고, RoboCasa GR-1에서 컨텍스트를 19.2초로 늘려 성공률을 63.3%에서 78.7%로 끌어올렸습니다.
UniWAM: Unified World-Action ModelUniWAM: 통합 월드-액션 모델⭐ 91
UniWAM은 물리 추론기·월드 생성기·행동 예측기를 하나의 구조로 통합하고 저수준 행동을 자연어로 표현해, 비전-언어 이해와 세계 동역학 학습을 함께 살리는 embodied 사전학습 레시피를 제안했습니다.
SuperNav: An Agentic Navigation System for Any Task in Any SceneSuperNav: 어떤 작업이든 어떤 장면이든 대응하는 에이전트형 내비게이션 시스템⭐ 51
SuperNav는 MLLM을 내비게이션 전용으로 미세조정하지 않고 요청 해석과 의사결정에만 집중시키며, Navigation Skills·도구·컨텍스트 관리 하니스를 붙여 새로운 작업과 장면으로의 일반화를 노렸습니다.
💡 로보틱스에서는 월드모델이 단순 예측기를 넘어 긴 히스토리 활용, 의미 이해, 멀티에이전트 상호작용, 내비게이션 의사결정까지 통합되는 흐름이 뚜렷합니다. 특히 실시간 제어 제약 아래서도 더 긴 컨텍스트와 폐루프 실행을 살리려는 설계가 실제 성공률 향상의 핵심으로 보입니다.
🗣️Language Models2
Recurrent Looped Transformer리커런트 루프드 트랜스포머⭐ 915
RLT는 병렬 인코더와 순환 디코더를 분리해 토큰당 비용은 유지하면서 시퀀스 길이에 따라 계산 경로를 늘렸고, parity 256비트 100%·S5 추적 97%로 표준 Transformer의 길이 일반화 한계를 크게 넘었습니다.
Foundations of Large Language Models대규모 언어모델의 기초⭐ 872
이 책은 사전학습·생성모델·프롬프팅·정렬·추론·리즈닝까지 LLM의 핵심 토대를 체계적으로 정리한 입문·참고서로, 실무자가 최신 기법을 이해하기 위한 공통 기반을 제공합니다.
💡 언어모델 쪽에서는 단순히 더 큰 모델보다 상태 추적과 길이 일반화를 위한 구조적 변경이 중요하다는 메시지가 강합니다. 동시에 기초 개념을 체계화하려는 시도는 빠르게 늘어나는 응용 연구를 떠받칠 공통 이론 프레임의 필요성을 보여줍니다.
💻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 프롬프트·스킬·코드 최적화에서 탈락 후보를 버리지 않고 증거를 누적해 연쇄적으로 정제하는 절차를 제안해, 반복적 실패 모드를 줄이며 AppWorld·TerminalBench·MuSiQue 파이프라인 최적화 성능을 개선했습니다.
nanoMuse: An Open-Source Personal Agent for Every Device You OwnnanoMuse: 내가 가진 모든 기기를 위한 오픈소스 개인 에이전트⭐ 324
nanoMuse는 기기별 에이전트, 공유 대화 릴레이, 읽을 수 있는 파일 기반 메모리, Sentinel 검증 계층을 묶어 벤더 클라우드에 종속되지 않는 오픈소스 개인 에이전트 아키텍처를 제시했습니다.
AgentGarten: Code Worlds for Evolving AgentsAgentGarten: 진화하는 에이전트를 위한 코드 월드⭐ 97
AgentGarten은 시뮬레이터·게임엔진·공유 신경 렌더러를 결합해 상태 일관성과 현실적 시각 분포를 동시에 갖춘 실시간 상호작용 환경을 만들고, Adversarial Forcing으로 렌더러를 실시간 학습·추론 가능하게 했습니다.
💡 에이전트 연구는 이제 모델 자체보다 실패를 재활용하는 최적화 루프, 개인 에이전트 운영체제, 환경 시뮬레이터, 제품 수준 하니스처럼 '에이전트를 굴리는 시스템'으로 무게중심이 이동하고 있습니다. 실전 배치 경쟁력은 추론 성능보다 상태 관리·평가·안전 장치 설계에서 갈릴 가능성이 커 보입니다.
📄Training & Optimization3
On KL-Regularized Policy OptimizationKL 정규화 정책 최적화에 대하여⭐ 182
KLPO는 비동기 LLM 에이전트 RL에서 KL 기준점을 샘플러에 고정하고 중요도 가중치 없이 로그 비율 조건을 최소제곱으로 맞춰, stale rollout 환경에서도 더 안정적이고 저비용인 정책 최적화를 가능하게 합니다.
STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State QuantizationSTEPQuant: 델타 규칙 순환 상태 양자화에서 오류가 언제, 어디서 중요한가⭐ 91
STEPQuant는 선형 어텐션의 순환 상태를 시간적 수명과 공간적 민감도에 따라 정밀도를 다르게 배분하는 시공간 후처리 양자화로, 정확도 붕괴를 막으면서 서빙 메모리 병목을 줄였습니다.
SparseEngine: Sparse-First Inference EngineSparseEngine: 스파스 우선 추론 엔진⭐ 81
SparseEngine은 다양한 sparse attention 방법이 각자 KV 표현과 워크플로를 유지한 채 공통 서빙 인프라와 연결되도록 설계된 추론 엔진으로, 품질을 유지하며 KV eviction에서 10배 이상 처리량 향상을 보였습니다.
💡 학습·최적화 분야에서는 비동기 RL, 순환 상태 양자화, sparse serving처럼 실제 서빙 조건의 비이상성을 정면으로 다루는 연구가 많았습니다. 좋은 알고리즘만큼이나 학습-추론 간 불일치와 메모리 병목을 줄이는 공학적 해법이 성능을 좌우한다는 점이 분명해집니다.
📄Multimodal & Generative4
Reasoning-Informed Visual Editing추론 기반 비주얼 편집⭐ 159
RISEBench++는 시간·인과·공간·논리·반사실·하이브리드 추론을 아우르는 1,000개 인간 주석 사례와 다중 이미지 조건을 포함해, 복잡한 지시 이해형 비주얼 편집의 병목을 정밀하게 측정하는 첫 대규모 벤치마크를 제시했습니다.
WorldSonus: Bringing Sound to WorldsWorldSonus: 월드에 사운드를 입히다⭐ 53
WorldSonus는 스트리밍 causal AR diffusion과 chunk 기반 프롬프트 스케줄링을 통해 RTF 0.41의 실시간 비디오-오디오 생성과 중간 지시 반영, 장면 정렬형 스테레오 사운드 합성을 동시에 달성했습니다.
SGF+: Decoupling Gradient Flows for Autoregressive Video GenerationSGF+: 자기회귀 비디오 생성을 위한 그래디언트 흐름 분리⭐ 52
SGF+는 문맥 쓰기와 현재 프레임 복원을 담당하는 파라미터를 분리해 음의 그래디언트 간섭을 줄였고, 추가 손실 없이 장기 일관성과 화질을 함께 높이며 5초 학습만으로 연속 생성 길이를 확장했습니다.
💡 멀티모달 생성은 이제 보기 좋은 결과를 넘어서 추론 기반 편집, 실시간 공간 오디오, 절차적 작업 수행처럼 '의도에 맞게 계속 제어되는 생성'으로 진화하고 있습니다. 벤치마크와 모델 모두 장기 일관성, 중간 개입, 폐루프 적응을 핵심 요구사항으로 삼는 방향입니다.
👁️Computer Vision2
OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D CinemagraphsOuroWorld: 어떤 3D 월드든 다채롭고 끝없이 반복되는 3D 시네마그래프로⭐ 34
OuroWorld는 정적 3DGS 장면을 마스크 없이 루프형 4D 장면으로 바꾸기 위해 Fourier 기반 변형장과 Grounded Drift Field를 도입해, 다양한 시점에서 자연스럽게 반복되는 일반 물체 움직임과 조명 변화를 구현했습니다.
LEGO: A Lifting-Free Approach for Exocentric-to-Egocentric Video GenerationLEGO: 리프팅 없이 외부 시점 영상을 1인칭 영상으로 생성하기⭐ 18
LEGO는 깊이 추정·포인트클라우드 리프팅·재투영 없이 LVSM 계열 뷰 합성기를 직접 미세조정해 외부 시점에서 1인칭 영상을 생성하며, 깊이 오차가 만든 위치 불일치 문제를 확률적 대응 학습으로 완화했습니다.
💡 비전에서는 정적인 3D 장면과 단일 시점 영상을 더 풍부한 동적·1인칭 경험으로 바꾸는 연구가 눈에 띕니다. 명시적 기하 복원에 덜 의존하고, 학습된 대응과 주기성 제약으로 자연스러운 시점 변환과 동적 장면화를 해결하려는 흐름이 강화되고 있습니다.