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

2026-08-03 featured 논문 30편

  1. #3DoRA: Weight-Decomposed Low-Rank Adaptation

    DoRA는 LoRA의 학습 능력을 향상시키며 추론 오버헤드 없이 정확도를 개선하는 가중치 분해 기반 파라미터 효율적 미세조정 방법이다.

    Shih-Yang Liu, Chien-Yi Wang, Hongxu Yin, Pavlo Molchanov, Yu-Chiang Frank Wang

  2. #4SpatialVLM: Endowing Vision-Language Models with Spatial Reasoning Capabilities

    SpatialVLM은 20억 개의 3D 공간 추론 VQA 데이터로 학습한 VLM을 통해 공간 추론 능력을 향상시킨다.

    Boyuan Chen, Zhuo Xu, Sean Kirmani, Brian Ichter, Danny Driess

  3. #5OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

    OSWorld는 실제 컴퓨터 환경에서 다중 모달 에이전트를 평가하는 첫 번째 벤치마크이다.

    Tianbao Xie, Danyang Zhang, Jixuan Chen, Xiaochuan Li, Siheng Zhao

  4. #6Cambrian-1: A Fully Open, Vision-Centric Exploration of Multimodal LLMs

    Cambrian-1은 시각 중심의 다모달 LLM을 제시하며, 20개 이상의 시각 인코더를 기반으로 SVA 모듈을 통해 성능을 향상시킨다.

    Shengbang Tong, Ellis Brown, Penghao Wu, Sanghyun Woo, Manoj Middepogu

  5. #7Are We on the Right Way for Evaluating Large Vision-Language Models?

    MMStar는 1,500개의 인간 검수된 시각-언어 평가 샘플로 LVLM의 실제 멀티모달 능력을 정확히 평가하는 새로운 벤치마크이다.

    Lin Chen, Jinsong Li, Xiao-wen Dong, Pan Zhang, Yuhang Zang

  6. #8Refusal in Language Models Is Mediated by a Single Direction

    대규모 언어 모델의 거부 행동이 단일 방향으로 매개됨을 밝혀내고, 이를 기반으로 간단한 가중치 수정으로 안전 메커니즘을 무력화하는 방법을 제시한다.

    Andy Arditi, Oscar Obeso, Aaquib Syed, Daniel Paleka, Nina Rimsky

  7. #9OpenHands: An Open Platform for AI Software Developers as Generalist Agents

    OpenHands는 개발자처럼 행동하는 AI 에이전트를 개발하고 평가할 수 있는 오픈 플랫폼이다.

    Xingyao Wang, Boxuan Li, Yufan Song, Frank F. Xu, Xiangru Tang

  8. #10LGM: Large Multi-View Gaussian Model for High-Resolution 3D Content Creation

    LGM은 텍스트나 단일 뷰 이미지로부터 5초 이내에 512 해상도의 고해상도 3D 가우시안 모델을 생성하는 새로운 프레임워크이다.

    Jiaxiang Tang, Zhaoxi Chen, Xiaokang Chen, Tengfei Wang, Gang Zeng

  9. #11Eyes Wide Shut? Exploring the Visual Shortcomings of Multimodal LLMs

    최근 멀티모달 LLMs는 CLIP 기반 시각 인코더의 한계로 인해 기본적인 시각 패턴을 인식하지 못하는 문제가 있음을 밝혀냈다.

    Shengbang Tong, Zhuang Liu, Yuexiang Zhai, Yi Ma, Yann LeCun

  10. #12Medusa: Simple LLM Inference Acceleration Framework with Multiple Decoding Heads

    Medusa는 병렬 토큰 예측을 통해 LLM 추론 속도를 2.3~3.6× 가속하는 프레임워크이다.

    Tianle Cai, Yuhong Li, Zhengyang Geng, Hongwu Peng, Jason D. Lee

  11. #315BM25 Wins at Scale: A Scaling Study of Retrieval-Augmented Generation Paradigms

    BM25는 1000만 토큰 이상의 대규모 문서에서 RAG 성능에서 File-System Agent를 20점 이상 앞선다.

    Pengyu Wang, Benfeng Xu, Shaohan Wang, Xin Zeng, Huarui Wu

  12. #316Flux-OPD: On-Policy Distillation with Evolving Contexts

    Flux-OPD는 역 KL 분해를 통해 진화하는 컨텍스트를 활용한 오퍼레이션 폴리시 디스틸레이션(OPD) 패러다임으로, 개방형 도메인에서의 작업 선호도를 효과적으로 학습한다.

    Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu

  13. #318Beyond Borrowed Histories: Person-Aligned User Simulation for Interactive Role-Playing Evaluation

    PALATE는 사용자 맞춤형 시뮬레이션을 통해 대화형 역할극 에이전트를 평가하는 새로운 벤치마크를 제시한다.

    Yuhang Zhu, Mingxuan Du, Benfeng Xu, Jie Gao, Lingyun Yu

  14. #319RefCaptioner: Multi-Reference Image-Grounded Video Captioning

    RefCaptioner는 다중 참조 이미지 기반 영상 캡션 생성을 위한 새로운 프레임워크이다.

    Tengfei Liu, Yang Shi, Yuran Wang, Xiaohan Zhang, Yuqing Wen

  15. #320MindForge: Teaching Small Language Models Whole-Life-Cycle Software Engineering via Source-Free Program Synthesis

    MindForge는 소스코드 없이 프로그램을 처음부터 완성하는 소프트웨어 엔지니어링 훈련 파이프라인으로, Qwen3.6-27B의 ProgramBench 성능을 37.98%에서 49.51%로 향상시킨다.

    Yihao Chen, Shi Chang, Khaled Chawa, Feng Lin, Boyuan Chen

  16. #321See2Think: Do Multimodal Models Really Use Intermediate Visual States?

    See2Think은 멀티모달 모델이 중간 시각 상태를 얼마나 효과적으로 사용하는지 평가하는 통합 프레임워크이다.

    Siyu Yan, Zhuoran Yan, Haiying Xu, Panhao Zhou, Jingyu Chen

  17. #322Is Deep Research Reliable? Misleading Knowledge Induces False Conclusions

    MisKnow-Agent라는 프레임워크를 통해 생성된 오도적 지식이 Deep Research 에이전트의 최종 보고서에 오류를 유도하는 실패 모드를 분석하고, 이를 완화하는 방어 전략을 제시한다.

    Pengyu Zhu, Lijun Li, Longju Yang, Sen Su, Jing Shao

  18. #323SpatialCLI: Learning to Reason With Spatial Tools, Then Without Them

    SpatialCLI는 VLM이 공간 도구를 활용한 후 이를 내재화하여 공간 추론 성능을 향상시키는 3단계 프레임워크이다.

    Yang Zhou, Zixuan Huang, Sunzhu Li, Zhuo Yang, Chen Zhang

  19. #324β-OPSD: Deriving with Policy Optimization, Training with Self-Distillation

    β-OPSD는 정책 최적화 기반의 자가 교사 학습(SEL)을 효율적으로 근사하는 새로운 자가 교사 학습 알고리즘으로, 수학적 추론 성능을 향상시킨다.

    Jiawei Xu, Minghui Liu, Juzheng Zhang, Tom Goldstein, Furong Huang

  20. #325SpecFirst: Behavioral Specification Elicitation as a First-Class Step in Agent-Based Program Synthesis from Scratch

    Yihao Chen, Shi Chang, Feng Lin, Khaled Chawa, Boyuan Chen

  21. #326Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers

    Chongjian Ge, Hanwen Jiang, Tianyu Wang, Jiuxiang Gu, Yiran Xu

  22. #327πR^2: Reactive Real-time Flow Policies

    πR²는 대규모 사전 학습된 백본을 유지하면서도 실시간 반응성을 확보한 흐름 정책 프레임워크이다.

    Sungjae Park, Shubham Tulsiani

  23. #328Grading the Narrators: An Isnad-Rijal Framework for Claim-Level Provenance in Multi-Agent Knowledge Systems

    Ali Zahid Raja

  24. #329Can Large Language Models Execute Parent Orders?

    LLM 기반 PACE 프레임워크가 주문 실행 비용을 0.65 bps 개선하며 인간 투자자와 다른 행동 패턴을 보인다.

    Zane Shen, Xinli Xu, Guangyi Zhang, Jialong Chen, Jinsong Zhou

  25. #330MemHarness: Memory Is Reconstructed, Not Replayed

    Rong Wu, Daocheng Fu, Licheng Wen, Xuemeng Yang, Shu Zou

  26. #331INTACT: Isomorphic Intent-to-Action Learning for Search-Free World Models

    Junhan Sun, Hao Zhao, Guofeng Zhang

  27. #332Explorative Modeling: Unlocking a Third Pretraining Axis and End-to-End Generation

    Alexi Gladstone, Heng Ji, Yilun Du

  28. #334LEDGERMIND: Provenance-Constrained Multimodal Agentic Reasoning with a Structured Evidence Ledger

    Enjun Du, Hange Zhou, Chenxu Du, Siyi Liu, Zirong Chen

  29. #335Echoverse: Deep, Evolving Environments for Training Computer-Use Agents at Scale

    Yash Pandya, Sahil Gupta, Sarthak Harne, Archana Yadav, Kavyansh Chourasia

  30. #337Multi-Head Attention Residuals

    Cheng Luo, Zefan Cai, Junjie Hu

인기 키워드

reinforcement-learning (276) llm (158) diffusion-models (149) llm-agents (122) vlm (102) video-generation (100) transformer (94) llm-evaluation (93) vision-language (80) long-context (74) benchmark-evaluation (66) code-generation (65) long-horizon (62) large-language-models (58) retrieval-augmented (58) benchmarking (55) foundation-models (55) language-models (55) text-to-image (53) flow-matching (52)