- #1Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable
현대 AI 에이전트의 허네스 진화를 효율화하기 위해 행동 중심의 자동 생성 가이드인 Harness Handbook과 BGPD 프로세스를 제안한다.
- #2Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
Boogu-Image-0.1은 오픈소스 통합 멀티모달 모델로, 텍스트-이미지 생성 및 편집 성능을 제한된 예산으로 향상시킨다.
- #3Automatic Differentiation from Scratch: How PyTorch Computes Gradients in Physics-Informed Neural Networks
PyTorch의 자동 미분 엔진이 PINN 학습에서 2단계 미분을 처리하는 방식을 구체적 수치와 모듈명을 통해 분석한다.
- #5KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill
KnowAct-GUIClaw는 OpenClaw의 GUI 조작 및 자기진화 기능을 개선한 크로스플랫폼 개인 보조 프레임워크로, 64.1% 성능을 달성했다.
- #6ShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillation
ShortOPD는 압축된 LLM의 생성 성능을 회복하기 위해 반복 후缀을 피하고 짧은 생성부터 점진적으로 길이를 늘리는 on-policy distillation 기법이다.
- #8Self-Improvements in Modern Agentic Systems: A Survey
자체적으로 진화하는 현대 에이전트 시스템을 체계적으로 분류하고, 기초 모델 개선과 스캐폴드 개선이라는 두 주요 경로를 제시한 조사 논문.
- #10Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models
코딩 에이전트의 기능 인식 능력을 향상시키기 위해 함수 기반 FIM 중간 훈련을 제안하며, SWE-Bench-Verified에서 +3.2%p 개선을 달성.
- #11Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning
1조 파라미터 규모의 Ring-2.5-1T-Zero 모델을 통해 Zero RL 기반 추론 능력이 자발적으로 발현되며, 기존 휴리스틱이 불필요해짐.
- #12Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation
SearchGen-20K와 SearchGen-Bench를 통해 시각 생성 모델의 세계 지식 한계를 분석하고, 교육-검색 공동 훈련 프레임워크로 생성 품질을 단계적으로 개선한다.
- #13Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation
SpectraReward는 사전 학습된 MLLM을 사용해 텍스트-이미지 생성의 강화 학습에 즉석 보상 모델을 제공하는 훈련 없는 보상 함수로, Self-SpectraReward를 통해 모델 내부의 이해 분기를 생성 분기의 보상으로 활용한다.
- #14SynthDocBench: Controlled Benchmark for Long-Context Visual Document Understanding
SynthDocBench는 문서 길이, 레이아웃, 모달리티 등을 독립적으로 제어하여 VLM의 장문 시각 문서 이해 실패 원인을 분석하는 첫 합성 벤치마크이다.
- #16OvisOCR2 Technical Report
OvisOCR2는 0.8B 파라미터의 문서 파서로, OmniDocBench v1.6에서 96.58 점을 달성하며 엔드투엔드 모델 최초로 1위를 기록했다.
- #17SPEAR: A Simulator for Photorealistic Embodied AI Research
SPEAR은 Unreal Engine 기반 시뮬레이터의 제한을 극복한 프로그래밍 가능하고 빠른 광학실감 시뮬레이터로, 14,000개 이상의 UE 함수를 Python에 노출하며 73 FPS의 렌더링 성능을 제공한다.
- #18PolicyShiftGuard: Benchmarking and Improving Policy-Adaptive Image Guardrails
PolicyShiftGuard는 정책 변화에 적응하는 이미지 가드레일을 평가하고 향상시키는 데 기여하는 새로운 모델과 벤치마크를 제시한다.
- #19Blind-Spots-Bench: Evaluating Blind Spots in Multimodal Models
blind-spots-bench는 인간에게 간단하지만 AI에 어려운 235개 문제를 통해 다모달 AI의 약점을 평가하는 벤치마크이다.
- #20MetaView: Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors
MetaView는 단일 이미지에서 대규모 시점 변화를 처리하는 확산 기반의 단안 신규 시점 합성 프레임워크로, 명시적 3D 재구성을 생략하면서도 기하학적 일관성과 정밀한 제어를 달성한다.
- #21GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch
GigaWorld-Policy-0.5는 미래 영상 생성 없이도 빠른 추론을 가능하게 하는 혁신적인 World Action Model(WAM)이다.
- #23Registers Matter for Pixel-Space Diffusion Transformers
[Diffusion Transformer / Register] Pixel-space DiT가 ViT와 달리 token outlier가 없으나 register token이 수렴·생성 품질 크게 향상, 듀얼 스트림 아키텍처 제안.
- #24Towards Autonomous and Auditable Medical Imaging Model Development
AMID는 의료 영상 모델 개발을 자동화하고 검증 가능한 워크플로우로 전환하는 다중 에이전트 프레임워크이다.
- #25Hallo4D: Multi-Modal Hallucination Mitigation for Consistent Spatio-Temporal Generation
Hallo4D는 3D 및 4D 생성에서 공간-시간 일관성을 향상시키기 위한 다중 모달 언어 모델 기반 생성-탐지-수정 프레임워크이다.
- #26Multi-Agent LLMs Fail to Explore Each Other
다중 에이전트 LLM이 서로를 탐색하지 못해 협조성 저하 문제를 드러냄.
- #27MonkeyOCRv2: A Visual-Text Foundation Model for Document AI
MonkeyOCRv2는 문서 이미지 분석을 위한 시각-텍스트 기반 학습 모델로, 113백만 장의 다국어 문서 데이터로 학습해 기존 모델 대비 2.8% 절대 정확도 상승을 달성했다.
- #28MuScriptor: An Open Model for Multi-Instrument Music Transcription
MuScriptor는 170k 개의 실제 음악 데이터와 1.45M 개의 합성 데이터를 사용해 학습한 오픈 모델로, 다양한 장르의 다중 악기 음악을 자동으로 기호화한다.
- #29Continuously Evolving Deepfake Detection: An Architecture and Public-Benchmark Evaluation of a Dynamic Detection System
BitMind Forensics(BMF)는 Bittensor SN34의 오픈 경쟁을 통해 지속적으로 업데이트되는 딥페이크 탐지 시스템으로, Sumsub에서 0.936 AUC를 달성한다.
- #30Detector Confidence Signals Presence Rather Than Occlusion in Cluttered Manipulation
개방형 어휘 감지기의 신뢰도는 가림 상태를 반영하지 않고, 대신 유사 카테고리 객체의 존재를 신호로 전달한다.