- #1RocketSmith: Agentic Additive Manufacturing of High-Powered Rockets
RocketSmith는 대형 언어 모델을 활용한 에이전트 시스템으로, 고출력 로켓의 디자인-제조-시험 과정을 자동화한다.
- #2DOPD: Dual On-policy Distillation
DOPD는 정보 비대칭성에 기반한 '프라이버리지 일루전' 문제를 완화하기 위해 강약 정책 간의 토큰 수준 지도를 동적으로 라우팅하는 이중 온-폴리시 디스틸레이션 프레임워크이다.
- #3Scenes as Objects, Not Primitives: Instance-Structured 3D Tokenization from Unposed Views
3D 장면을 객체 중심의 인스턴스 구조화된 토큰 그룹으로 재구성하는 프레임워크를 제안하여, 객체 수준의 편집 및 검색을 가능하게 한다.
- #4Orca: The World is in Your Mind
Orca는 다중 모달 신호에서 학습한 통합 세계 잠재 공간을 통해 세계를 이해하고 예측하는 일반 세계 기초 모델이다.
- #5Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?
Play2Perfect는 다지퍼 손으로 정밀 조립을 학습하기 위해 놀이를 통한 사전 학습을 제안하며, 33배 더 샘플 효율적이고 시뮬레이션-현실 간 제로샷 전이를 달성한다.
- #6PhotoQuilt: Training-Free Arbitrary-Resolution Photomosaics via Bootstrapped Tiled Denoising
PhotoQuilt는 훈련 없이 임의 해상도의 포토모자이크를 생성하는 부트스트랩 타일 디노이징 프레임워크다.
- #7Managing Procedural Memory in LLM Agents: Control, Adaptation, and Evaluation
AFTER 벤치마크를 통해 LLM 에이전트의 절차적 기억 전이 능력을 체계적으로 평가하고, 73.1%의 교차모델 정확도를 달성.
- #8Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?
VLA 모델에서 언어 백본이 과도하게 큰 반면, 시각 및 행동 경로는 필수적이라는 사실을 DTR과 GateProbe를 통해 실증적으로 분석했다.
- #9Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs
RLMF를 통해 LLM의 신뢰성 있는 불확실성 표현을 향상시키며, 63%까지 성능 개선을 달성.
- #10Dockerless: Environment-Free Program Verifier for Coding Agents
Dockerless는 실행 환경 없이 코드 패치를 검증하는 에이전트 기반 검증기로, 기존 Docker 기반 검증 대비 14.3 AUC 포인트 개선된 성능을 보인다.
- #11BlockPilot: Instance-Adaptive Policy Learning for Diffusion-based Speculative Decoding
BlockPilot은 확산 기반 추론 가속 기법에서 입력에 따라 최적 블록 크기를 예측하여 4.20× 가속을 달성한 샘플 적응형 정책 학습 방법이다.
- #12Beyond IID: How General Are Tabular Foundation Models, Really?
BeyondArena라는 새로운 벤치마크를 제시하여, 다양한 조건에서 탭데이터 기초모델의 성능을 종합적으로 평가한다.
- #13AVTok: 1D Unified Tokenization for Holistic Audio-Video Generation
AVTok은 1D 통합 토크나이저를 제안하여 오디오-비디오 생성의 효율성과 정확도를 동시에 향상시킨다.
- #14GEAR: Guided End-to-End AutoRegression for Image Synthesis
GEAR은 VQ 토크나이저와 AR 생성기를 엔드투엔드로 학습하여 이미지 생성 성능을 10배 가속화하는 모델이다.
- #15MOPD: Multi-Teacher On-Policy Distillation for Capability Integration in LLM Post-Training
MOPD는 다중 도메인 강화 학습 교사 모델을 정책 공간에서 통합하는 새로운 포스트 트레이닝 패러다임으로, Qwen3-30B-A3B에서 기존 방법 대비 5.5점 높은 정규화 점수를 달성했다.
- #16Does VLA Even Know the Basics? Measuring Commonsense and World Knowledge Retention in Vision-Language-Action Models
VLA 모델이 로보틱스 데이터로 미세조정 후에도 기본 상식과 세계 지식을 얼마나 유지하는지 측정하는 프로토콜 Act2Answer를 제안한다.
- #17Evolution Fine-Tuning: Learning to Discover Across 371 Optimization Tasks
EFT는 371개 최적화 태스크의 진화적 탐색 경로를 학습시켜 LLM의 태스크 간 일반화 능력을 10.22% 향상시킨다.
- #18Delayed Verification Destabilizes Multi-Agent LLM Belief: Instability Thresholds and Optimal Corrector Placement
지연된 검증이 다중 에이전트 LLM 시스템의 믿음 불안정을 유발하며, 이는 특정 임계값과 올바른 검증 노드 배치로 조절 가능하다.
- #19SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History
SkillHone은 지속적인 에이전트 스킬 진화를 위해 지속적 의사결정 기록을 기반으로 한 하이브리드 시스템으로, GAIA와 WebWalkerQA-EN에서 각각 15.8점, 3.2점 개선한 성능을 보인다.
- #20Multi-Block Diffusion Language Models
Multi-Block Diffusion Language Models (MBD-LMs)는 Multi-Block Diffusion (MultiBD) 추론을 위한 학습-추론 일치성을 확보한 확장형 BD-LM으로, TPF 9.34 달성.
- #21One-Step Gradient Delay is Not a Barrier for Large-Scale Asynchronous Pipeline Parallel LLM Pretraining
10B 파라미터 MoE 모델에서 Async PP와 Error Feedback을 통해 동기식 훈련과 동일한 최종 손실 달성.
- #22MemLearner: Learning to Query Context memory for Video World Models
MemLearner는 학습 기반의 컨텍스트 쿼리 메커니즘을 도입하여 장기 비디오 생성 시 장면 일관성을 향상시킨다.
- #23TerraDiT-$\Omega$: Unified Spatial Control for Satellite Image Synthesis with Any Geospatial Primitive
TerraDiT-Ω는 벡터 형태의 원시 지리공간 데이터를 직접 활용해 위성 이미지를 생성하는 통합 공간 제어 프레임워크로, 다양한 어노테이션 형식에서 일관된 성능을 보인다.
- #24DataEvolver: Self-Evolving Multi-Agent Data Construction for Text-Rich Image Generation
DataEvolver는 텍스트 풍부한 이미지 생성을 위한 자기 진화하는 다중 에이전트 데이터 구축 프레임워크로, 거부 샘플을 피드백으로 활용해 OCR-F1을 최대 85.3% 개선한다.
- #25One Model, Many Latencies: Universal Speech Enhancement for Diverse Real-Time Applications
단일 모델로 다양한 실시간 음성 향상 작업을 지원하는 유니버설 모델을 제안한다.