- #2Spectral Rewiring for Exploration, Purification, and Model Merging
SAR은 스펙트럼 공간에 기반한 모델 업데이트 추출과 정제를 통해 추론 성능과 다분야 일반화를 향상시키는 후처리 기법이다.
- #3LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget
LongStraw는 고정 GPU 예산 하에서 200만 토큰 이상의 긴 문맥 RL 후-학습을 가능하게 하는 실행 스택이다.
- #4UniVR: Thinking in Visual Space for Unified Visual Reasoning
UniVR은 VR-GRPO를 통해 시각 정보만으로 복잡한 추론과 물리적 동작을 학습하며, VR-X 벤치마크에서 최대 25% 개선을 달성한 통합 시각 추론 모델이다.
- #6VideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding
VideoChat3는 4B 파라미터로도 높은 효율과 일반성을 갖춘, 완전 오픈소스 비디오 MLLM이다.
- #8RoboTTT: Context Scaling for Robot Policies
RoboTTT는 8K 타임스텝의 긴 컨텍스트를 처리하면서 추론 지연 없이 로봇 정책 성능을 87% 향상시키는 시퀀스 모델이다.
- #9SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
SEED는 정책이 스스로 생성한 후시적 스킬을 활용해 토큰 수준의 정밀한 지도를 생성하는 자기 진화형 온폴리시 디스틸레이션 프레임워크이다.
- #10SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
SearchOS는 다중 에이전트 협업을 통해 개방적 도메인 정보 탐색의 안정성과 효율성을 향상시키는 시스템 레벨 프레임워크이다.
- #11BadWAM: When World-Action Models Dream Right but Act Wrong
BadWAM은 WAM 모델의 상상과 실행 사이의 비동기적 결함을 악용하는 새로운 적대적 공격 프레임워크로, 96.5%에서 43.1%로 성능을 급격히 저하시킬 수 있음을 보여준다.
- #12AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities
AgentCompass는 LLM 기반 에이전트 평가를 위한 모듈화된, 재현 가능한 오픈소스 인프라를 제시한다.
- #14KeyFrame-Compass: Towards Comprehensive Evaluation of Keyframe-Conditioned Video Generation
KeyFrame-Compass는 키프레임 조건을 기반으로 한 동영상 생성 모델의 종합적 평가를 위한 벤치마크를 제시한다.
- #15MultiRef-Compass: Towards Comprehensive Evaluation of Multi-Reference-to-Audio-Video Generation
MultiRef-Compass는 다중 참조 기반 오디오-비디오 생성(MR2AV)을 종합적으로 평가하기 위한 벤치마크로, 350개 샘플과 4차원 평가 프로토콜을 제공한다.
- #17SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment
SUFLECA는 674K 이미지로 학습한 기하학적 특징을 기반으로 CAD 모델과 RGB 이미지를 정렬하는 제로샷 방법이다.
- #18From Pixels to States: Rethinking Interactive World Models as Game Engines
게임 엔진의 action-state-observation 루프를 기반으로 한 대화형 게임 세계 모델링을 체계적으로 분석하고, 90시간 분량의 Black Myth: Wukong 데이터셋을 제시한다.
- #19Concurrent Image Understanding and Generation: Self-Correcting Coupled Markov Jump Processes
CO₂Jump는 SC-CMJP 프레임워크를 기반으로, 텍스트와 이미지를 동시 생성하며 모달 간 모순을 자동으로 수정하는 새로운 샘플러를 제안한다.
- #23RxBrain: Embodied Cognition Foundation Model with Joint Language-Visual Reasoning and Imagination
RxBrain은 언어-시각적 추론과 상상력을 결합한 임바디드 인지 기초 모델이다.
- #24Video = World + Event Stream
Wan-Streamer v0.3은 영상 생성을 "세계 + 이벤트 스트림"으로 분해하여 실시간 다중모달 상호작용을 구현한 모델이다.
- #25Demystifying On-Policy Distillation: Roles, Pathologies, and Regulations
On-policy distillation(OPD)의 역할, 병리, 규제를 체계적으로 분석하고, 신뢰성 있는 신호로 학습 안정성을 향상시킨다.
- #28Discrete Diffusion Models: A Unified Framework from Tokenization to Generation
이 연구는 토큰화를 중심으로 하는 이산 확장 모델의 통합적 프레임워크를 제시한다.
- #29Tracing Agentic Failure from the Flow of Success
OAT는 성공 트래젝토리만으로 학습하여 실패 트래젝토리의 오류 단계를 탐지하는 무감독 실패 분석 모델로, GPT-5 대비 200–5000배 빠르고 F1 점수 +20% 개선.
- #30MeanFlowNFT: Bringing Forward-Process RL to Average-Velocity Generators
MeanFlowNFT는 MeanFlow 생성 모델에 최초로 적용된 forward-process RL 프레임워크로, 평균 속도 기반 샘플링 효율성을 유지하면서 생성 품질을 향상시킨다.
- #31DeepLoop: Depth Scaling for Looped Transformers
DeepLoop는 반복된 파라미터 재사용을 고려한 잔차 스케일링 규칙을 제안하여 Looped Transformer의 안정적 깊이 확장을 가능하게 한다.
- #32Vinci2: Providing Proactive Assistance in Continuous Egocentric Videos
Vinci2는 지속적인 1인칭 비디오에서 사용자의 히스토리와 현재 활동을 고려해 적절한 시점에 개입하는 프로액티브 보조 시스템으로, EgoMemo와 EgoServe를 제시한다.
- #33WanSong v1.0 Technical Report
WanSong v1.0은 5분 길이의 다국어 고품질 음악을 단일 스테이지 확산 모델로 생성하며, 보컬과 배경음악을 분리 출력하는 음악 생성 기반 모델이다.
- #34PalmClaw: A Native On-Device Agent Framework for Mobile Phones
PalmClaw는 모바일 기기에서 직접 실행되는 오픈소스 에이전트 프레임워크로, 11.5%의 작업 성공률 향상과 94.9%의 완료 시간 감소를 기록했다.
- #35VIABench: A Comprehensive Video Benchmark Collected from Blind Individuals for Visual Impairment Assistance
VIABench는 시각 장애인의 일상 지원을 위한 MLLM 평가를 위한 첫 번째 1인칭 영상 벤치마크로, Proactive Reminder, VQA, Vision-Guided Interaction 3가지 핵심 작업을 정의하고 있다.