- #24AutoMem: Automated Learning of Memory as a Cognitive Skill
AutoMem은 메모리 관리를 학습 가능한 능력으로 자동화하여, 32B 모델의 성능을 2~4배 향상시키는 프레임워크이다.
- #26When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search
DiscoBench는 모호성 탐지와 클리어리피케이션을 평가하는 다단계 딥서치 벤치마크로, 11개 도메인 211개 샘플과 463개 모호성 인스턴스를 포함한다.
- #27Graph-Native Reinforcement Learning Enables Traceable Scientific Hypothesis Generation through Conceptual Recombination
Graph-PRefLexOR는 그래프 기반 강화학습을 통해 추적 가능한 과학적 가설을 생성하는 시스템으로, 추론 투명성과 개념 재조합 능력이 향상되었다.
- #28InstanceControl: Controllable Complex Image Generation without Instance Labeling
InstanceControl은 인스턴스 라벨링 없이도 복잡한 다중 인스턴스 이미지 생성을 가능하게 하는 새로운 제어 가능 이미지 생성 방법이다.
- #30PACE: A Proxy for Agentic Capability Evaluation
PACE는 비에이전트 벤치마크의 일부 인스턴스를 선택해 에이전트 성능을 저비용으로 예측하는 프레임워크로, 4% 미만의 MAE와 85%의 모델 순위 정확도를 달성한다.
- #31AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language Models
AnyGroundBench는 전문 분야에서의 영상-언어 모델의 영상 접지 성능을 평가하기 위한 도메인 적응 벤치마크로, 5개 전문 분야와 2,040개 영상으로 구성된다.
- #33DuoMem: Towards Capable On-Device Memory Agents via Dual-Space Distillation
DuoMem은 4B 모델의 ALFWorld 성능을 4.3%에서 77.9%로 향상시키며, 72B 교사 모델과 유사한 성능을 3배 빠르게 달성하는 이중 공간 지도 학습 프레임워크이다.
- #34Building to the Test: Coding Agents Deliver What You Check, Not What You Requested
LLM 코딩 에이전트가 테스트에 맞춰 개발하는 경향, 즉 "building to the test" 현상을 규명하고, 이를 설명하는 "validation self-awareness"라는 개념을 제시한다.
- #35Are Performance-Optimization Benchmarks Reliably Measuring Coding Agents?
성능 최적화 벤치마크의 신뢰도를 평가하여, 기존 지표의 한계와 개선 방향을 제시한다.
- #36WARP: Weight-Space Analysis for Recovering Training Data Portfolios
WARP는 학습 데이터 분포를 모델 가중치에서 복원하는 기법으로, BERT와 GPT-2에서 평균 절대 오차(MAE) 0.046과 0.104를 달성했다.
- #37Denser neq Better: Limits of On-Policy Self-Distillation for Continual Post-Training
SDPO는 안정적인 teacher 신호에서 성능을 향상시키지만, 지속 학습 환경에서는 forgetting을 유발할 수 있다.
- #38GRPO, Dr. GRPO, and DAPO Are Three Operations on One Number: The Group-Standard-Deviation Identity
GRPO, Dr. GRPO, DAPO는 표면적으로 다른 학습 방법처럼 보이지만, 사실은 단일 수치인 그룹 표준 편차를 조절하는 세 가지 연산이다.
- #39AI translation of literary texts is "fine", but readers still prefer human translations
AI 번역은 문학 작품에서 "괜찮지만", 독자들은 여전히 인간 번역을 선호한다.
- #41Seeing Is Not Sharing: Some Vision-Language Models Overestimate Common Ground in Asymmetric Dialogue
Qwen3-VL-8B-Instruct 등 일부 VLM이 비대칭 대화에서 공통 지식을 과도하게 추정하는 경향을 밝혀냄.
- #42When More Sampling Hurts: The Modal Ceiling and Correlation Ceiling of Test-Time Scaling
추가 샘플링이 성능 향상에 기여하지 못하는 두 가지 한계(모달 천장, 상관관계 천장)를 분석하고, 효과적인 샘플 수를 도출한다.
- #43Rank-Aware Hyperbolic Alignment for Vision-Language Dataset Distillation
RAHA는 저차원 공유 공간과 잔여 공간을 구분하여 히퍼볼릭 공간에서 정렬을 최적화하는 VLDD 프레임워크로, 전이 성능과 검색 정확도를 향상시킨다.
- #44SciIR: A Large-scale Training Dataset and Benchmark for Scientific Image Reasoning Generation
SciIR은 과학적 이미지 생성을 위한 대규모 데이터셋과 벤치마크로, Qwen-Image-SciIR 모델을 통해 SciIR-Bench 점수를 35%에서 43%로 향상시켰다.
- #46Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting
G-QKANFWP는 Abilene 데이터셋에서 144채널 OD 매트릭스 예측에서 LSTM 대비 22.4%의 파라미터만 사용하면서도 RMSE를 개선한다.
- #47Transferability for General Reasoning: An Automated Curriculum for Multi-Domain RLVR
TAC는 다분야 RLVR 학습에서 전이성을 고려한 온라인 커리큘럼으로, 6개 도메인에서 Qwen3-1.7B와 Llama3.2-3B 모델에서 최고 정확도를 달성한다.
- #48HealthAgentBench: A Unified Benchmark Suite of Realistic Agentic Healthcare Environments for Challenging Frontier AI Agents
HealthAgentBench는 54개의 실제 의료 환경 태스크로 구성된 AI 에이전트 평가 벤치마크로, Codex GPT-5.5가 42% 성공률을 기록하는 등 현존 에이전트들의 한계를 드러낸다.
- #49NoPA: Non-Parametric Online 3D Scene Graph Generation
NoPA는 실시간 3D 장면 그래프 생성에서 기하학적 세부 정보를 유지하면서 Gaussian 기반 접근법의 한계를 극복하는 비모수적 방법이다.
- #50Scaling Laws for Grid-Based Approximate Nearest Neighbor Search in High Dimensions
Grid 기반 ANN 알고리즘의 N 및 d 스케일링 특성을 체계적으로 분석하여, GloVe 데이터셋에서 기존 방법 대비 우수한 성능을 보임.