- #20DrugGen 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.
- #23CineMobile: 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.
- #24OpenCoF: Learning to Reason Through Video Generation
OpenCoF는 비디오 생성 모델의 추론 능력을 향상시키기 위해 17K개의 다양한 비디오를 포함한 데이터셋과 추론 토큰 기법을 제안한 연구이다.
- #25Linear 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.
- #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.
- #27Remember 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.
- #28OPSD-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.
- #29Attending to Multimodal Generation One Token at a Time
이 연구는 MLLMs의 토큰별 주의 흐름을 분석하여 멀티모달 생성 과정을 실질적으로 해석하고 성능 개선 방법을 제시한다.
- #30UP: Unbounded Positive Asymmetric Optimization for Breaking the Exploration-Stability Dilemma
UP은 탐색과 안정성 간 딜레마를 해결하기 위한 비대칭 최적화 방법이다.
- #32SWE-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.
- #33ARDY: Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation
ARDY는 실시간 텍스트 및 운동 제약 조건을 기반으로 고정밀 인체 운동을 생성하는 오토리그레시브 디퓨전 모델이다.
- #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.
- #35SAM-MT: Real-Time Interactive Multi-Target Video Segmentation
SAM-MT는 SAM2 기반으로, 실시간 다목적 영상 분할을 위한 효율적인 프레임워크로, 10개 대상에서도 36 FPS 이상 성능을 보인다.
- #36A Sparse and Truncated State Vector Simulator for Peaked Circuits
고정밀도가 아닌 가장 확률이 높은 비트열을 예측하는 피크드 회로를 위한 희소 상태 벡터 시뮬레이터를 제시한다.
- #37Teaching LLMs a Low-Resource Language: Enhancing Code Completion in Pharo
Pharo 언어에 맞춘 LLM 기반 코드 완성 성능을 향상시키는 방법을 제시한다.
- #38PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution
PhyMRI-SR은 MRI 공간 해상도와 SNR의 물리적 관계를 고려한 초해상화 기법으로, 2D GS와 물리 제약 모델링을 결합하여 동적 해상도를 지원한다.
- #39Flash-BoN: Instant Drafts for Inference-Time Scaling in Diffusion Models
Flash-BoN은 생성-검증-정제 파이프라인을 통해 고정된 시간 예산 내에서 더 많은 후보를 탐색하여 확산 모델의 추론 성능을 향상시키는 방법이다.
- #40A Quantized Native Runtime for On-Device Semantic Audio Generation
Aria는 텍스트-음악 생성 모델을 저사양 기기에서 실행할 수 있도록 8비트/4비트 정량화와 활성화 조정을 결합한 네이티브 런타임이다.
- #41Can Dialects Be Steered Like Languages? Sparse Neurons and Distributed Directions in Arabic LLMs
아랍어 대형 언어 모델에서 방언 제어를 위해 뉴런 기반 및 벡터 기반 두 가지 추론 시 조절 방법을 제안한다.
- #42Cross-Space Distillation: Teaching One-Step Students with Modern Diffusion Teachers
Cross-Space Distillation을 통해 SD 1.5와 같은 소형 모델이 SD 3.5와 같은 대형 모델의 지식을 학습해 HPSv3 9.4 성능 달성.
- #43SceneFrom3D: Geometry-Conditioned Outdoor 3D Scene Generation via View Scheduling with Object-Level Control
SceneFrom3D는 입력 기하학 조건에 따라 자동 뷰 스케줄링과 객체 수준 제어를 통해 실외 3D 장면을 생성하는 첫 번째 프레임워크이다.
- #44RuleChef: Grounding LLM Task Knowledge in Human-Editable Rules
RuleChef는 LLM을 활용해 NLP 작업에 대한 실행 가능한 규칙을 생성하고, 인간 피드백과 추가 예시로 반복적으로 개선하는 프레임워크이다.
- #45TESSERA v2: Scaling Pixel-wise Earth Foundation Models
TESSERA v2는 1B 파라미터의 대규모 EO 기초 모델을 학습하고, 16차원의 Matryoshka 임베딩으로 압축하여 기존 모델을 초과하는 성능을 보인다.
- #46Token-Based Dual-view Fusion and Adaptation of Large Vision Models for Breast Cancer Classification
이 연구는 토큰 기반의 이중 뷰 퓨전과 프롬프트 기반 적응을 결합한 Vision Transformer 기반의 유방암 분류 프레임워크를 제안한다.
- #47Wake up for Touch! Mask-isolated Tactile Alignment Learning in MLLMs
Splash는 소형 MLLM에 촉각 모달을 추가하면서 시각-언어 추론 능력을 유지하는 마스크-분리형 학습 프레임워크이다.