HotPaper.ai — 매일 자동 큐레이션되는 AI 논문 Top 25 + 한국어 요약

2026-07-10 featured 논문 25편

  1. #1Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation

    LaMem-VLA는 VLA 모델의 단기적 시야 편향을 해결하기 위해 잠재 공간 내에서 이중 잠재 메모리 토큰을 생성하고 결합하는 새로운 프레임워크이다.

    Hongyu Qu, Jianzhe Gao, Xiaobin Hu, Shaohuan Yang, Xinlei Yu

  2. #2JD Oxygen AI Item Center (Oxygen AIIC) V1: An Industrial-Scale LLM/VLM-Centric Solution for Item Understanding, Management, and Applications

    JD.com이 LLM/VLM 기반의 Oxygen AIIC를 구축하여 100억 개 이상의 상품에 대한 지식을 자동화하고, 94.2% 정확도로 관리 효율성 향상.

    Oxygen AIIC, Chan Long, Chao Liu, Chaofan Chen, Chaohui Dong

  3. #3WildCity: A Real-World City-Scale Testbed for Rendering, Simulation, and Spatial Intelligence

    WildCity는 도시 규모의 실제 환경 데이터를 수집한 다중 모달 데이터셋으로, AI의 대규모 공간 인지 연구를 촉진한다.

    Xiangyu Han, Mengyu Yang, Jiaqi Li, Bowen Chang, Ziyu Chen

  4. #4Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence

    LingBot-Video는 MoE 기반의 영상 사전학습 모델로, 실체 지능을 위한 효율적이고 물리적 현실성을 갖춘 비디오 생성 모델을 제시한다.

    Shuailei Ma, Jiaqi Liao, Xinyang Wang, Jingjing Wang, Chaoran Feng

  5. #5RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies

    RoboDojo는 시뮬레이션과 실제 환경에서 일반적인 로봇 조작 정책을 종합적으로 평가하는 통합 벤치마크를 제시한다.

    Tianxing Chen, Yue Chen, Zixuan Li, Junyuan Tang, Kailun Su

  6. #6Automating the Design of Embodied Agent Architectures

    AgentCanvas와 KDLoop를 활용한 AAS를 통해 3×4 실험 행렬에서 성공률 5~10% 개선을 달성했으나, 로우롤 노이즈와 로컬 최적화 문제도 드러남.

    Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou

  7. #7Gemma 4 Technical Report

    Gemma 4는 2.3B~31B 파라미터의 오픈 가중치 멀티모달 모델로, 사고 모드와 인코더 없는 아키텍처를 통해 성능과 효율성을 동시에 향상시킴.

    Gemma Team, Sherif El Abd, Vaibhav Aggarwal, Robin Algayres, Alek Andreev

  8. #8AlayaWorld: Long-Horizon and Playable Video World Generation

    AlayaWorld는 자동 생성 및 실시간 상호작용이 가능한 게임 세계를 구축하는 오픈소스 프레임워크이다.

    AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge

  9. #9From 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.

    Wei Wu, Fangjing Wang, Fan Lu, He Sun, Shi Liu

  10. #10Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning

    SciReasoner는 생물학, 화학, 재료과학 분야에서 구조-특성 관계를 정확하고 해석 가능한 방식으로 추론하는 다중 모달 과학 기초 모델이다.

    Chen Tang, Yizhou Wang, Jianyu Wu, Lintao Wang, Shixiang Tang

  11. #11CanvasAgent: 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.

    Hairui Zhu, Yiying Yang, Tengjin Weng, Ziyu Lu, Xiao Yao

  12. #12Large Behavior Model: A Promptable Digital Twin of the Retail Customer

    대규모 소매 거래 데이터를 기반으로 고객 행동을 시뮬레이션하는 LBM(Large Behavior Model)을 제안하여, 고객 디지털 트윈 구축 기반을 제시한다.

    Wachiravit Modecrua, Krittin Pachtrachai, Touchapon Kraisingkorn

  13. #13DSpark: 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.

    Xin Cheng, Xingkai Yu, Chenze Shao, Jiashi Li, Yunfan Xiong

  14. #14Hierarchical 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.

    Xiang Hu, Xinyu Wei, Hao Gu, Minshen Zhang, Tian Liang

  15. #15Vision as Unified Multimodal Generation

    SenseNova-Vision은 단일 모델로 다양한 시각 작업을 통합 생성하는 멀티모달 생성 모델로, 텍스트와 이미지를 통한 유연한 출력을 지원한다.

    Xiaoyang Han, Jianhua Li, Kewang Deng, Zukai Chen, Xuanke Shi

  16. #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.

    Dongyoon Hwang, Byungkun Lee, Dongjin Kim, Hyojin Jang, Hoiyeong Jin

  17. #17AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation

    AgentLens는 코드 에이전트의 전체 실행 흐름을 평가하는 프로덕션 기반 벤치마크이다.

    Andrey Podivilov, Vadim Lomshakov, Sergey Savin, Matvei Startsev, Roman Pozharskiy

  18. #18SkillOpt-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.

    Yifei Shen, Bo Li, Xinjie Zhang

  19. #19Infinite Worlds with Versatile Interactions

    LingBot-World 2.0는 720p 60fps 실시간 대응, 무한 상호작용, 에이전트 기반 제어를 갖춘 진화형 월드 모델 시스템이다.

    Zelin Gao, Qiuyu Wang, Jiapeng Zhu, Jingye Chen, Zichen Liu

  20. #20LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL

    LLM-as-a-Tutor는 정책에 따라 프롬프트 어댑테이션을 수행해 비검증 가능 RL의 학습 신호를 개선한다.

    Yujin Kim, Namgyu Ho, Sangmin Hwang, Joonkee Kim, Yongjin Yang

  21. #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.

    Wenzheng Zeng, Siyi Jiao, Chen Gao, Hwee Tou Ng, Mike Zheng Shou

  22. #22TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training

    TurnOPD는 장기적 에이전트 학습을 위한 효율적인 온-파일리 디스틸레이션 전략이다.

    Yuhang Zhou, Kai Zheng, Haoling Li, Dengyun Peng, Can Xu

  23. #23MentalThink: Shaping Thoughts in Mental SVG World

    MentalThink는 SVG 기반 시각적 추론 파이프라인을 통해 MLLM의 공간 이해와 추론 능력을 향상시키는 새로운 패러다임이다.

    Kangheng Lin, Jisheng Yin, Dingming Li, En Yu, Yana Wei

  24. #24Flex-Forcing: Towards a Unified Autoregressive and Bidirectional Video Diffusion Model

    Flex-Forcing은 단일 모델 내에서 자동회귀와 양방향 비디오 생성을 통합하는 유연한 추론 프레임워크이다.

    Xinyin Ma, Julius Berner, Chao Liu, Arash Vahdat, Weili Nie

  25. #25PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation

    PointDiT는 DINOv3 기반 이미지 토큰 조건부로 ViT 기반의 픽셀 공간 디퓨전 모델을 사용하여 단일 이미지에서 3D 포인트 맵을 생성하는 최소한의 구조를 제안한다.

    Haofei Xu, Rundi Wu, Philipp Henzler, Nikolai Kalischek, Michael Oechsle

인기 키워드

reinforcement-learning (230) llm (141) diffusion-models (122) llm-agents (109) vlm (99) transformer (83) llm-evaluation (77) video-generation (72) long-context (58) benchmark-evaluation (55) vision-language (54) code-generation (53) long-horizon (53) retrieval-augmented (52) flow-matching (49) large-language-models (46) text-to-image (46) foundation-models (44) mllm (44) language-models (43)