- #1Playful Agentic Robot Learning
로봇이 미션 전에 스스로 놀이를 통해 재사용 가능한 코드 기반 스킬을 학습하는 RATs 프레임워크를 제안한다.
- #2Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance
Moebius는 0.22B 파라미터로 10B 수준의 이미지 인페인팅 성능을 달성하는 초경량 프레임워크이다.
- #3DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects
DragMesh-2는 물리적 접촉을 기반으로 한 조인트 객체 조작을 위한 새로운 프레임워크로, PICA를 통해 접촉 조건 변화에 대한 내성을 향상시킨다.
- #4Holo-World: Unified Camera, Object and Weather Control for Video World Model
Holo-World는 단일 이미지에서 시작해 카메라, 객체, 날씨를 통합 제어하는 비디오 월드 모델이다.
- #5Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents
LLM 에이전트 평가에서 예측 유효도 기반 순위 산정이 기존 리더보드 방식보다 더 신뢰할 수 있음을 제시한다.
- #6FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining
FreeStyle는 커뮤니티 LoRA를 활용한 스타일-콘텐츠 이중 참조 생성 프레임워크로, 콘텐츠 유사도와 스타일 일치도를 균형 있게 유지한다.
- #7Current World Models Lack a Persistent State Core
WRBench는 카메라 관찰 중단 후 세계 상태가 지속되는지 평가하는 첫 진단 벤치마크로, 23개 모델을 9,600개 영상으로 평가하여 현재 시스템의 세계 상태 지속성 부족을 밝힘.
- #8ENPIRE: Agentic Robot Policy Self-Improvement in the Real World
ENPIRE는 실물 환경에서 로봇 정책을 자동 개선하는 프레임워크로, 99% 성공률 달성 가능.
- #9Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Multi-LCB는 12개 프로그래밍 언어를 지원하는 코드 생성 평가 벤치마크로, LLM의 다언어 코드 생성 능력을 체계적으로 평가한다.
- #10PerceptionDLM: Parallel Region Perception with Multimodal Diffusion Language Models
PerceptionDLM은 다중 영역을 병렬로 인식하는 확산 언어 모델로, 기존 순차적 생성 방식 대비 3.5배 빠른 처리 속도를 달성했다.
- #11S-Agent: Spatial Tool-Use Elicits Reasoning for Spatial Intelligence
S-Agent는 지속적인 다시점 이미지와 영상에서 공간 추론을 수행하는 공간 도구 사용 에이전트로, 3D 정보를 기반으로 한 추론 성능을 향상시킨다.
- #12DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis
DF3DV-1K는 1,048개 장면의 정제된/잡음 있는 이미지를 포함한 대규모 데이터셋으로, 무방해 라디언스 필드 연구를 위한 벤치마크를 제시한다.
- #13GeneralVLA-2: Geometry-Aware Reconstruction and Governed Memory for Robot Planning
GeneralVLA-2는 GeoFuse-MV3D와 governed KnowledgeBank를 통해 3D 객체 재구성 및 로봇 경로 계획의 정확도를 향상시킨다.
- #14FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows
FlowBender는 조건부 생성 모델의 정확도와 생성 가능성 모두를 향상시키는 피드백 기반 폐루프 학습 프레임워크이다.
- #15JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising
JanusMesh는 텍스트 입력으로 3–5분 내에 생성 가능한, 시점에 따라 의미가 달라지는 3D 시각적 환영을 생성하는 훈련 없는 프레임워크이다.
- #16ImageWAM: Do World Action Models Really Need Video Generation, or Just Image Editing?
ImageWAM은 비디오 생성 대신 이미지 편집 모델을 활용하여 로봇 행동 예측 성능을 향상시키며, 추론 속도와 계산 비용을 1/4, 1/6 수준으로 줄인다.
- #17MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision
MemSlides는 사용자 프로필 메모리, 워킹 메모리, 툴 메모리를 구분한 계층적 메모리 프레임워크를 통해 개인화된 슬라이드 생성과 다단계 로컬 수정을 지원한다.
- #18GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents
GateMem은 다중 주체가 공유 메모리를 사용하는 대형 언어 모델 에이전트의 메모리 거버넌스를 평가하는 벤치마크이다.
- #19Context-Aware RL for Agentic and Multimodal LLMs
ContextRL은 강화학습에 문맥 선택 목적을 추가하여 LLM의 장기적 추론과 멀티모달 성능을 개선하는 방법이다.
- #20FAPO: Fully Autonomous Prompt Optimization of Multi-Step LLM Pipelines
FAPO는 Claude Code 기반으로 LLM 파이프라인을 자동 최적화하는 프레임워크로, 18개 모델-베이스라인 비교 중 15개에서 GEPA를 능가한다.
- #21Thinking with Visual Grounding
시각적 추론 과정에서 모델이 자연어와 함께 이미지 영역을 명시적으로 연결하는 'visually grounded thinking'을 제안하고, 이를 통해 카운팅 및 공간 추론 성능을 향상시킨다.
- #22HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining
에고센트릭 인간 영상이 실체 기반 모델 사전학습에서 실로봇 데이터를 능가할 수 있음을 실증적으로 밝힘.
- #23BrainG3N: A Dual-Purpose Tokenizer for Controllable 3D Brain MRI Generation
BrainG3N은 3D 뇌 MRI 생성과 임상 태스크를 동시에 지원하는 이중 목적의 토크나이저를 제안한다.
- #24Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe
UFP4는 E1M2/INT4 기반 4비트 훈련 레시피로, E2M1의 Shrinkage Bias를 해결하여 FP4 훈련 안정성을 향상시킨다.
- #25Multi-Turn Reflective Masking Elicits Reasoning in Mask Diffusion Models
Mask Diffusion Models에 반복적 자기 수정 능력을 부여하는 Reflective Masking과 History Reference 메커니즘을 제안한다.