오늘의 한줄
오늘은 고정된 모델 가중치를 바꾸지 않고도 에이전트의 작업 흐름·환경·하네스를 스스로 개선하는 연구와, 멀티모달 모델의 공간 이해를 더 정밀하고 효율적으로 만드는 연구가 두드러졌습니다. 동시에 확산·생성 모델 쪽에서는 병렬화와 모델 간 호환성을 통해 속도와 제어성을 함께 끌어올리려는 흐름이 강하게 보입니다.
💻Code & Agents6
RSI-Anything: Unlocking Recursive Self-Improvement with World Models월드 모델로 여는 재귀적 자기개선 프레임워크⭐ 446
RSI-Anything은 JEPA-Anything 기반 월드 모델로 행동과 학습 데이터 선택을 예측적으로 개선해 코드 수리 성공률을 26.3%에서 31.2%로 높이고 GUI에서는 평균 행동 수를 39.4% 줄였습니다.
Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent CompetitionAI 에이전트는 게임 대회 정상까지 학습으로 오를 수 있을까?⭐ 39
AAArena는 12개 실제 대전 게임과 1,920개 인간 프로그램으로 AHL을 평가하는 벤치마크를 만들었고, Opus5.5+Claude Code가 6개 리그에서 금메달을 따며 고정 가중치 에이전트의 전략 수정 잠재력을 입증했습니다.
Video-RSI: Recursive Self-Improvement of Video Understanding Agents via Harness Evolution하네스 진화로 비디오 이해 에이전트를 재귀적으로 개선하는 Video-RSI⭐ 17
Video-RSI는 에이전트가 원본 영상을 다시 조사해 실패 가설을 검증하고 하네스를 스스로 수정·선별하게 만들어, 비디오 이해 정확도를 높이면서도 처리 프레임 수를 줄였습니다.
💡 이 범주의 핵심은 모델 파라미터를 다시 학습시키기보다, 하네스·워크플로·환경·스킬 라이브러리를 스스로 고쳐 성능을 누적시키는 방향입니다. 이제 에이전트 연구의 병목은 단일 추론 성능보다도 얼마나 좋은 실행 환경과 자기개선 루프를 설계하느냐로 이동하고 있습니다.
📄Multimodal & Generative6
S-Space: Exploring Spatial Workspace in Multimodal Language Models멀티모달 언어모델 내부의 공간 작업공간 S-Space 탐구⭐ 247
S-Space는 MLLM 내부에 수평·수직·거리 좌표를 선형적으로 담는 고유 표현공간이 존재함을 보이며, 인과 개입으로 공간 판단만 바꾸고 비공간 응답은 유지해 내부 공간 작업공간 가설을 뒷받침했습니다.
Towards Physically Grounded Articulated 3D Assets: A Multi-Agent Pipeline and Benchmark물리적으로 타당한 관절형 3D 자산 생성을 위한 멀티에이전트 파이프라인과 벤치마크⭐ 62
Artisan은 물리 시뮬레이션 피드백을 넣은 멀티에이전트 파이프라인으로 충돌 없는 운동, 중력 안정성, 질량·재질까지 갖춘 관절형 3D 자산 생성을 지원하고 이를 평가하는 통합 벤치마크를 함께 제시했습니다.
VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMsMLLM의 기본 능력으로 탄력적 시각 표현을 짜 넣는 VisionWeave⭐ 44
VisionWeave는 gated spatial pooler와 weave attention으로 이미지마다 필요한 위치와 해상도만 적응적으로 토큰화해, 고정 패치 기반 MLLM의 비효율을 줄이면서도 범용 시각 이해 성능을 유지하도록 설계됐습니다.
💡 멀티모달·생성 연구는 표현을 더 촘촘하게 만드는 대신, 공간 작업공간·가상 시점·탄력적 토큰·공유 잠재공간처럼 내부 구조를 더 잘 활용하는 쪽으로 진화하고 있습니다. 생성 품질 경쟁을 넘어 공간성, 물리성, 몰입감, 서빙 효율까지 함께 최적화하는 흐름이 뚜렷합니다.
📄Training & Optimization1
DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models효율적이고 안정적인 확산모델 강화학습 DiffusionART⭐ 72
DiffusionART는 Aggregation-First Reward Tilting과 신뢰영역 복원 업데이트로 기존 NFT 계열의 숨은 불안정성을 제거해 EMA 튜닝 없이도 더 적은 샘플로 안정적인 확산모델 RL 미세조정을 가능하게 했습니다.
💡 확산모델 최적화는 단순히 보상을 얹는 단계에서 벗어나, 왜 불안정한지 목적함수 수준에서 해부하고 이를 구조적으로 제거하는 단계로 들어섰습니다. 실무적으로는 샘플 효율과 튜닝 민감도를 함께 낮추는 방법이 점점 더 중요해지고 있습니다.
👁️Computer Vision3
GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives시각 프리미티브로 물리 지능을 겨냥한 그라운딩 기반모델⭐ 32
GroundingPI는 점·박스를 공유 어휘의 양자화 좌표로 생성하는 4B 그라운딩 모델로, 34개 벤치마크 평균 73.68%를 기록해 GPT-6 Astra의 71.54%를 넘기며 로보틱스와 자율주행 백본 성능도 끌어올렸습니다.
PolyOCR-Venus: Unified OCR Foundation Models for Text-Centric Visual Intelligence텍스트 중심 시각지능을 위한 통합 OCR 기반모델 PolyOCR-Venus⭐ 54
PolyOCR는 instruction-following OCR 기반모델과 Competence-Guided Policy Optimization을 결합해 인식·파싱·추론을 하나로 묶고, 수정된 OCRBench v2.1까지 함께 제시해 OCR의 범용성을 넓혔습니다.
GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed정밀한 시각 그라운딩과 초고속 병렬 디코딩을 잇는 GroundAnything⭐ 29
GroundAnything은 블록 단위 디노이징을 쓰는 4B 확산형 그라운딩 모델로 AR의 순차 지연을 줄이면서 정밀 위치추정을 유지했고, 30개 벤치마크에서 빠른 병렬 디코딩의 실효성을 입증했습니다.
💡 비전 쪽에서는 그라운딩과 OCR처럼 위치·텍스트·작은 객체를 정확히 다루는 능력이 다시 중심으로 올라오고 있습니다. 특히 단일 태스크 최고점보다, 다양한 벤치마크와 실제 다운스트림에서 강한 범용 시각 백본을 만드는 경쟁이 본격화되는 모습입니다.
📄Robotics & RL2
UNITAS: A 3D-Native World Action Model for Embodied Manipulation구현체 조작을 위한 3D 네이티브 월드 액션 모델 UNITAS⭐ 37
UNITAS는 관측·행동·장면 변화를 공통 3D 좌표계에서 통합하고 손·그리퍼를 3D point trajectory로 표현해, 이미지 중심 WAM보다 물리적으로 일관된 조작 예측과 범용 embodiment 정렬을 제공합니다.
Reflex: Visually Grounded Reactive Humanoid Control시각적으로 접지된 반응형 휴머노이드 제어 Reflex⭐ 18
Reflex는 강화학습 기반 전신 포획 정책, 물체 동역학 추론, 자가시점 비전 적응의 3단계 학습으로 모션캡처나 마커 없이도 1초 내 반응이 필요한 휴머노이드 캐칭을 구현했습니다.
💡 로보틱스는 2D 비디오 기반 표현에서 벗어나 3D 좌표계와 실시간 반응 제어를 직접 모델링하는 방향으로 이동하고 있습니다. 물리적으로 일관된 세계 표현과 시각 기반 반사적 제어가 결합되어야 진짜 현장형 embodied intelligence에 가까워진다는 점을 보여줍니다.
🗣️Language Models2
Multi-Stream Attention Residuals다중 스트림 어텐션 잔차⭐ 26
MSAR는 깊이 축의 AttnRes를 멀티헤드화해 서로 다른 문맥 관점에서 과거 표현을 검색하도록 만들고, 경량 adaptive mixing으로 거의 추가 오버헤드 없이 12개 평가 전반의 성능 향상을 달성했습니다.
Contextual Correction of Parallel Draftsfor Speculative Decoding추측 디코딩용 병렬 초안의 문맥 보정⭐ 20
DCOCO는 병렬 speculative decoding에서 각 위치의 복수 후보를 유지한 뒤 인접 초안 간 문맥 호환성을 재평가해, 병렬성은 살리면서 블록 내부 의존성 손실로 인한 품질 저하를 줄였습니다.
💡 언어모델 시스템 연구는 새로운 거대 모델 자체보다, 깊이 방향 메모리 활용과 병렬 디코딩 보정처럼 기존 모델의 추론 경로를 더 영리하게 쓰는 데 집중하고 있습니다. 즉, 앞으로의 성능 향상은 아키텍처의 세밀한 정보 흐름 설계와 추론 가속 기술에서 더 많이 나올 가능성이 큽니다.