- #6Vidu S1: A Real-Time Interactive Video Generation Model
Vidu S1은 음성 제어를 지원하는 실시간 인터랙티브 동영상 생성 모델로, 540p 42 FPS로 무한 길이의 블러 없는 동영상을 생성한다.
- #8Video-Oasis: Rethinking Evaluation of Video Understanding
Video-Oasis는 기존 비디오 이해 벤치마크의 진정성과 영상 의존성을 체계적으로 진단하는 새로운 평가 프레임워크이다.
- #9Nigeria Machinery: A Low-Resource Industrial Dataset with a Domain-Grounded Reasoning Layer
나이지리아 산업 기계 데이터셋과 도메인 기반 추론 레이어를 공개하여 저자원 산업 분석을 지원한다.
- #12Why Can't I Open My Drawer? Mitigating Object-Driven Shortcuts in Zero-Shot Compositional Action Recognition
RCORE는 객체 중심의 단축 학습을 억제하여 Zero-Shot Compositional Action Recognition(ZS-CAR)의 일반화 성능을 향상시킨다.
- #13OmniTacTune: Policy-Agnostic Real-World RL for Tactile Residual Adaptation of Visual Policies
OmniTacTune은 시각 정책에 터치 피드백을 잔차 보정으로 통합하는 정책-무관한 실제 세계 강화 학습 파이프라인으로, 40–80분 내 5–40% 성공률을 85–100%로 향상시킨다.
- #14Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation
과학 아이디어의 유전적 계보 구조를 평가하는 새로운 벤치마크, IdeaGene-Bench(IG-Bench)를 제시한다.
- #15RoboTALES: Learning Reasoning-Guided Robot Policies via Task-Aligned Simulated Futures
RoboTALES는 계층적 추론과 시뮬레이션 미래를 결합해 장기적 로봇 조작 성능을 향상시키는 단일 스테이지 프레임워크이다.
- #16UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks
UniClawBench는 실시간 환경에서 프로액티브 에이전트를 평가하는 첫 번째 능력 중심 벤치마크로, 400개의 이중 언어 태스크와 3역 폐루프 평가 전략을 제시한다.
- #18LongE2V: Long-Horizon Event-based Video Reconstruction, Prediction, and Frame Interpolation with Video Diffusion Models
LongE2V는 이벤트 기반 영상 복원, 예측, 프레임 보간을 통합적으로 처리하는 비디오 디퓨전 모델 기반 접근법이다.
- #19DrugGen 2: A disease-aware language model for enhancing drug discovery
DrugGen-2는 질병 맥락과 타겟 단백질을 조건으로 소분자 생성을 조절하는 질병 인식형 생성 모델로, 기존 모델 대비 독창성과 결합력에서 우수한 성능을 보인다.
- #20Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
Canvas360은 기하학적 인식 사전학습과 다운스트림 작업에 대한 통합 미세조정을 결합한 이단계 프레임워크로, 패노라마 생성의 기하학적 일관성과 품질을 향상시킨다.
- #21Jet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE
Jet-Long은 RoPE 기반의 동적 이중 윈도우 구조를 통해 128K 컨텍스트까지 정확도와 추론 효율성을 동시에 확보하는 제로샷 컨텍스트 확장 기법이다.
- #22Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
SAO는 비동기적 강화학습에서 안정성과 성능을 동시에 개선한 단일-롤아웃 최적화 전략이다.
- #23CausalDS: Benchmarking Causal Reasoning in Data-Science Agents
CausalDS는 데이터 사이언스 에이전트의 인과 추론 능력을 종합적으로 평가하는 벤치마크로, 구조적 인과 모델(SCM)과 자연어 스토리, 관측 데이터를 결합한 시나리오를 제시한다.
- #24CineMobile: On-Device Image-to-Video Diffusion for Cinematic Camera Motion Generation
CineMobile은 모바일 기기에서 영화적 카메라 효과를 생성하는 효율적인 이미지-비디오 생성 모델로, 40배 가속화된 생성 속도와 1GB 미만의 모델 크기를 달성했다.
- #25OpenCoF: Learning to Reason Through Video Generation
OpenCoF는 비디오 생성 모델의 추론 능력을 향상시키기 위해 17K개의 다양한 비디오를 포함한 데이터셋과 추론 토큰 기법을 제안한 연구이다.
- #26Sparse Delta Memory: Scaling the State of Linear RNNs through Sparsity
SDM은 Gated DeltaNet의 상태 크기를 수천 배 확장하면서 FLOPs를 동일하게 유지하는 스파스 메모리 기반 RNN 구조를 제안한다.
- #27Linear Attention Architectures: Mechanisms, Trade-offs, and Cross-Layer Routing
본 연구는 DeltaNet 계열의 선형 어텐션 아키텍처를 비교 분석하고, Cross-Layer Value Routing(CLVR)을 통해 성능을 개선하는 방법을 제시한다.
- #28Feedback Manipulation Regularization: Enabling Offline Agent Alignment for Imitation Learning
FMR은 오프라인 임의학습 정책의 정렬을 개선하기 위한 알고리즘 비종속적 정규화 방법이다.
- #29OPSD-V: On-Policy Self-Distillation for Post-Training Few-Step Autoregressive Video Generators
OPSD-V는 자동 회귀 비디오 생성 모델의 장기 생성 안정성을 향상시키는 온-폴리시 셀프-디스틸레이션 프레임워크다.
- #30Attending to Multimodal Generation One Token at a Time
이 연구는 MLLMs의 토큰별 주의 흐름을 분석하여 멀티모달 생성 과정을 실질적으로 해석하고 성능 개선 방법을 제시한다.
- #31Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
긴 시간 범위의 작업에서 행동 에이전트와 별도로 작동하는 메모리 에이전트가 행동 성능을 +8.3pp 향상시킨다.
- #33SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review
SWE-Review는 AI 생성 PR에 대한 에이전트 리뷰를 통해 닫힌 루프 이슈 해결 프로세스를 구현하는 프레임워크이다.
- #34Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training
단일 트랜스포머 레이어만 훈련해도 전체 파라미터 RL 훈련과 유사한 성능을 달성할 수 있음.
- #35UP: Unbounded Positive Asymmetric Optimization for Breaking the Exploration-Stability Dilemma
UP은 탐색과 안정성 간 딜레마를 해결하기 위한 비대칭 최적화 방법이다.