- #1RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation
RynnWorld-4D는 RGB-D 입력과 언어 지시에 기반해 4D 장면을 생성하는 세계 모델로, Rynn4DDataset 1.0을 통해 학습된 RynnWorld-4D-Policy는 이전 기법 대비 8.57% 높은 성능을 보인다.
- #2RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation
RynnWorld-Teleop는 디지털 텔레오퍼레이션을 통해 로봇 학습 데이터를 실시간으로 생성하는 액션 조건부 월드 모델 시스템이다.
- #3CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration
CanvasAgent는 복잡한 이미지 생성 및 편집 작업을 위해 11개의 이질적 시각 도구를 다중 턴 인터랙션으로 조율하는 툴-증강형 멀티모달 에이전트이다.
- #4Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory
Light-Omni는 장기 기억을 활용한 비디오 이해를 위해 반사적이고 경량화된 이중 컨텍스트 상태를 도입한 다중모달 에이전트 프레임워크이다.
- #5TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training
TurnOPD는 장기적 에이전트 학습을 위한 효율적인 온-파일리 디스틸레이션 전략이다.
- #6GaP: A Graph-as-Policy Multi-Agent Self-Learning Harness For Variational Automation Tasks
GaP는 Variational Automation(VA) 작업에서 성능을 향상시키기 위해 그래프 구조를 기반으로 다중 에이전트 시스템이 자율 학습하는 새로운 로봇 프로그래밍 허네스이다.
- #7Nemotron-Labs-Diffusion: A Tri-Mode Language Model Unifying Autoregressive, Diffusion, and Self-Speculation Decoding
Nemotron-Labs-Diffusion은 자동회귀, 확산, 자기추론 세 가지 디코딩 모드를 통합한 다중 모드 언어 모델로, 8B 버전에서 Qwen3-8B 대비 6배 더 많은 토큰을 한 번에 처리한다.
- #8ACID: Action Consistency via Inverse Dynamics for Planning with World Models
ACID는 역동역 모델을 활용한 행동 일관성 검증을 통해 세계 모델 기반 의사결정 계획을 개선하는 프레임워크이다.
- #9AlayaWorld: Long-Horizon and Playable Video World Generation
AlayaWorld는 자동 생성 및 실시간 상호작용이 가능한 게임 세계를 구축하는 오픈소스 프레임워크이다.
- #10From Foundation to Application: Improving VLA Models in Practice
LingBot-VLA 2.0은 60,000시간의 대규모 데이터와 확장된 액션 공간, 예측 역학 모델링을 통해 실제 로봇 적용에 가까운 VLA 모델을 제시한다.
- #11Onnes: A Physics-Grounded Multi-Agent LLM Simulator for Cryogenic Fault Diagnosis in Quantum Computing Infrastructure
Onnes는 양자 컴퓨팅 인프라의 저온 결함 진단을 위해 물리 기반 디지털 트윈과 멀티에이전트 LLM을 결합한 시뮬레이터로, 0.685에서 0.990까지 정확도를 향상시킨다.
- #12MANCE: Manifold Aware Concept Erasure
MANCE는 개념 제거 시 표현의 자연스러운 매니폴드에 제약을 두어, 타겟 개념을 제거하면서 다른 정보를 보존하는 새로운 방법이다.
- #13Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling
HiLS-Attention은 학습 가능한 청크 선택을 통해 긴 문맥에서도 효율적이고 정확한 어텐션을 제공하는 새로운 스파스 어텐션 메커니즘이다.
- #14Vision as Unified Multimodal Generation
SenseNova-Vision은 단일 모델로 다양한 시각 작업을 통합 생성하는 멀티모달 생성 모델로, 텍스트와 이미지를 통한 유연한 출력을 지원한다.
- #15Bridging Interleaved Multi-Modal Reasoning as a Unified Decision Process
BRAID는 텍스트-이미지-텍스트 추론을 하나의 MDP로 통합하여, RL을 통해 텍스트와 이미지 생성을 동시에 최적화하는 새로운 프레임워크이다.
- #163D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance
3D HAMSTER는 3D 경로 예측을 통해 계층적 VLA 모델의 계획과 제어 간 격차를 해소한다.
- #17Gemma 4 Technical Report
Gemma 4는 2.3B~31B 파라미터의 오픈 가중치 멀티모달 모델로, 사고 모드와 인코더 없는 아키텍처를 통해 성능과 효율성을 동시에 향상시킴.
- #18Where to cut, how deep: BPE and Unigram-LM on chemistry SMILES
화학 SMILES 토크나이저에서 BPE와 Unigram-LM이 동일한 어휘를 생성하지 않으며, 이는 알고리즘 차이에 기인한다.
- #19SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe
SkillOpt-Lite는 Zeroth-Order 최적화와 파일 기반 디버깅을 결합한 최소한의 파이프라인으로, GPT-5.4-nano 모델에서 GPT-5.5를 초과하는 성능을 달성한다.
- #20DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation
DSpark은 고성능 추론과 적응적 검증을 결합한 신뢰도 기반 추측 디코딩 프레임워크로, DeepSeek-V4에서 사용자당 생성 속도를 60~85% 향상시킨다.
- #21Parallelized Autoregressive Decoding for Omni-Modal Dense Video Captioning
PadCaptioner는 다중 이벤트 영상 캡션 생성에서 손실 없는 병렬 생성을 가능하게 하는 새로운 자동 회귀 프레임워크이다.
- #22Look Before You Leap: Distilling Tree Search into Action Evaluation for Frozen VLA Models
SVA는 VLA 모델의 동작 평가 능력을 향상시켜, 동결 상태에서도 성능을 크게 개선하는 테스트 타임 스케일링 프레임워크이다.
- #23MentalThink: Shaping Thoughts in Mental SVG World
MentalThink는 SVG 기반 시각적 추론 파이프라인을 통해 MLLM의 공간 이해와 추론 능력을 향상시키는 새로운 패러다임이다.
- #24Unified Audio Intelligence Without Regressing on Text Intelligence
Nemotron-Labs-Audex-30B-A3B는 텍스트 기반 LLM을 기반으로 오디오-텍스트 통합 모델을 구축한 연구이다.
- #25Foundation Models for Automatic CAD Generation
LLMForge를 통해 97개의 공학 설계 문제에서 텍스트를 기반으로 CAD 모델을 생성하고, 두 평가 체계에서 7개의 기초 모델을 비교 분석한 연구입니다.