- #1IonSense-QKG: A Quantum-Readiness Metadata Framework for Lithium-Ion Battery Dataset Discovery
IonSense-QKG는 리튬이온 배터리 데이터셋의 NISQ 시대 하이브리드 양자 머신러닝 적합성을 평가하는 메타데이터 프레임워크다.
- #3AGVBench: A Reliability-Oriented Benchmark of Data Augmentation for Vein Recognition
AGVBench는 정맥 인식에서 데이터 증강의 신뢰성을 평가하기 위한 표준 벤치마크를 제시한다.
- #4Safe and Adaptive Cloud Healing: Verifying LLM-Generated Recovery Plans with a Neural-Symbolic World Model
PASE는 LLM 기반 계획 생성, 신경-기호적 검증, 메타-프롬프트 최적화를 통합한 클라우드 시스템 자가복구 프레임워크로, 복구 시간을 40% 이상 단축한다.
- #9WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory
WorldDirector는 LLM을 활용한 3D 트래젝토리 계획과 시각 생성 분리로, 지속적 동적 객체 메모리를 갖춘 비디오 월드 모델을 구축한다.
- #10Program-as-Weights: A Programming Paradigm for Fuzzy Functions
PAW는 자연어 명세를 기반으로 소규모 신경망 프로그램을 생성해 로컬에서 실행하는 새로운 프로그래밍 패러다임이다.
- #11Discrete Diffusion Language Models for Interactive Radiology Report Drafting
의료 영상 보고서 작성에서 확산 언어 모델이 자동회귀 모델과 동등하거나 우수한 성능을 보이며, 3.5–4.4배 빠른 추론 속도와 any-order infill 기능을 제공한다.
- #13EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments
EvoPolicyGym은 제한된 상호작용 예산 하에서 자율 에이전트가 정책을 반복적으로 개선하는 능력을 평가하는 벤치마크이다.
- #14AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
AgenticSTS는 장기적 의사결정을 위한 LLM 에이전트의 메모리 구조를 연구하기 위한 제한된 메모리 테스트베드를 제안한다.
- #16Morphing into Hybrid Attention Models
FlashMorph는 Transformer-to-hybrid 변환에서 효과적이고 효율적인 레이어 선택을 위한 글로벌 최적화 기반 방법이다.
- #17Representation Distribution Matching for One-Step Visual Generation
RDM을 기반으로 한 iRDM이 ImageNet에서 SW_r14 1.30 성능을 달성하며, 4단계 FLUX.2를 1단계로 변환해 GenEval 0.826을 기록한다.
- #18Learning to Move Before Learning to Do: Task-Agnostic pretraining for VLAs
TAP은 언어 없이 자율적으로 생성된 데이터로 물리적 능력을 학습한 후 최소한의 전문가 데이터로 정제하는 두 단계 프레임워크로, VLA 모델의 학습 효율을 대폭 향상시킨다.
- #22CogSENet: Blind Image Deblurring with Blur-Conditioned Semantic Routing and Explicit Frequency Fusion
CogSENet은 SDSSM과 BFFB를 결합한 생물학적 모방 접근법으로, 비디블러링 성능을 향상시키며 파라미터 수를 줄인다.
- #23AgenticDataBench: A Comprehensive Benchmark for Data Agents
AgenticDataBench는 데이터 에이전트를 평가하기 위한 종합 벤치마크로, 다양한 도메인과 세부 기술 수준에서 평가를 가능하게 한다.
- #24Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling
MrFlow는 훈련 없이 FLUX.1-dev와 Qwen-Image에서 10× 가속을 달성하는 다중 해상도 확산 가속 전략이다.
- #25Breaking Failure Cascades: Step-Aware Reinforcement Learning for Medical Multimodal Reasoning
의료 멀티모달 추론에서 초기 추론 오류를 억제하기 위해 단계별 보상 기반 강화학습 알고리즘 MRPO를 제안하여 최대 2.79점의 성능 향상과 64.0% → 13.0%의 초기 오류 감소를 달성했다.
- #26SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use
SkillCoach는 LLM 에이전트의 스킬 사용 과정을 4차원으로 평가하고 훈련하는 자가 진화하는 루브릭 프레임워크이다.
- #27Optimizing Visual Generative Models via Distribution-wise Rewards
시각 생성 모델의 분포 기반 보상 최적화를 통해 FID-50K 3.74 → 3.52 개선.
- #28Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning
P2R은 고해상도 이미지에서 미세한 시각적 증거를 추출하고 추론하는 두 단계 프레임워크로, V-Star에서 93.2%의 정확도를 달성했다.
- #29Logit-Contribution Scoring Identifies Non-Literal Retrieval Heads
LOCOS는 비직관적 검색 헤드를 식별하기 위해 헤드의 OV 회로 출력을 정답 토큰의 unembedding 방향으로 투영하는 새로운 방법이다.
- #30From SRA to Self-Flow: Data Augmentation or Self-Supervision?
Self-Flow의 성능 향상이 주로 데이터 증강 효과에서 비롯됨을 밝히고, Attention Separation이라는 새로운 증강 기법을 제안한다.
- #31OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration
OPINE-World는 상호작용을 통해 객체 중심 프로그래밍 월드 모델을 학습하는 LLM 에이전트로, ARC-AGI-3에서 25개 게임 중 20개를 훈련 없이 해결한다.
- #32I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals
I²RiMA는 주파수별 리만 기하학적 표현과 시간적 어텐션을 결합하여 EEG 기반 정신적 스트레스 감지 성능을 향상시킨다.
- #33On the Utility and Factual Reliability of Pruned Mixture-of-Experts Models in the Biomedical Domain
의료 분야에서 전문가 전략적 제거가 성능과 사실 신뢰도에 미치는 영향을 체계적으로 분석한 연구.
- #35The State-Prediction Separation Hypothesis
Transformer에서 상태 저장과 예측을 분리한 SPS 설계가 언어 모델 성능을 2~3% 개선한다.
- #107Discretizing Reward Models
보상 모델의 과민성 문제를 해결하기 위해 MC dropout 기반 보상 클러스터링 알고리즘을 제안하고, 이로 인한 정책 향상 효과를 입증한다.