- #1iVideoGPT: Interactive VideoGPTs are Scalable World Models
iVideoGPT는 시각적 관찰, 행동, 보상을 토큰화한 자동회귀 트랜스포머 기반의 확장 가능한 월드 모델로, 다양한 다운스트림 작업에서 경쟁적인 성능을 보인다.
- #2Multics: Generative Multi-Player World Model with Hierarchical Communication
- #3Latent World Action Model for GUI Agents
GUI 에이전트의 성능과 추론 속도를 동시에 향상시키기 위해 잠재 공간에서 미래 정보를 예측하는 새로운 월드 모델을 제안한다.
- #4WAVE-0: Bridging VLA Policies and WAMs with Lightweight Latent Future Prediction
WAVE-0는 가벼운 월드 모델을 통해 VLA 정책과 WAM을 결합하여 로봇 조작 성능을 향상시킨다.
- #5AdaptThink: Reasoning Models Can Learn When to Think
AdaptThink는 문제 난이도에 따라 사고 모드를 적응적으로 선택해 추론 효율성과 정확도를 동시에 향상시키는 새로운 RL 알고리즘이다.
- #6Agent S: An Open Agentic Framework that Uses Computers Like a Human
Agent S는 GUI 기반 컴퓨터 작업 자동화를 위한 오픈 소스 에이전트 프레임워크로, 경험 증강 계층적 계획과 ACI를 통해 OSWorld 벤치마크에서 기존 기준 대비 83.6% 상대 개선을 달성했다.
- #7APIGen-MT: Agentic Pipeline for Multi-Turn Data Generation via Simulated Agent-Human Interplay
APIGen-MT는 시뮬레이션된 인간-에이전트 상호작용을 통해 생성된 5K의 신뢰성 높은 다중 턴 데이터로 xLAM-2-fc-r 모델을 학습시켜 기존 모델을 능가한다.
- #8GUIOdyssey: A Comprehensive Dataset for Cross-App GUI Navigation on Mobile Devices
GUIOdyssey는 7,735개 에피소드로 구성된 크로스앱 GUI 탐색 데이터셋으로, OdysseyAgent라는 히스토리 리샘플러 모듈을 갖춘 멀티모달 에이전트를 제시한다.
- #9SG-Nav: Online 3D Scene Graph Prompting for LLM-based Zero-shot Object Navigation
SG-Nav는 3D 장면 그래프 기반의 LLM 프롬프팅을 통해 제로샷 물체 탐색 성능을 10% 이상 향상시키는 새로운 프레임워크이다.
- #10OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset
OpenMathInstruct-1은 1.8M개의 수학 문제-해결 쌍을 포함한 오픈소스 수학 지시 튜닝 데이터셋으로, CodeLlama-70B 모델이 GSM8K에서 84.6%, MATH에서 50.7% 성능을 달성했다.
- #11SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion
SOFTS는 STAR 모듈을 도입해 채널 간 상관관계를 효율적으로 포착하며, 선형 복잡도로 뛰어난 성능을 달성한 다변량 시계열 예측 모델이다.
- #12WebLINX: Real-World Website Navigation with Multi-Turn Dialogue
WebLINX는 대규모 대화형 웹 탐색 벤치마크로, 다양한 LLM이 웹 환경에서 대화를 통해 작업을 수행하는 능력을 평가한다.
- #13LongVLM: Efficient Long Video Understanding via Large Language Models
LongVLM은 장시간 동영상의 세부 이해를 위해 지역적 특징과 전역 의미를 결합한 효율적인 VideoLLM을 제안한다.
- #85GreenWAM: A World Foundation Model for Robotics
GreenWAM은 다양한 로봇에 걸쳐 월드 모델과 정책을 통합하는 세계 기초 모델로, WorldArena 1.0과 RoboTwin 2.0에서 뛰어난 성능을 보인다.
- #280Generalized PINN-Based Inverse Estimation of Spatially Varying Heat Transfer Coefficients with Transfer Learning
이 연구는 전달 학습과 일반화된 경계 표현을 활용한 PINN 기반 열전달 계수 추정 방법을 제안한다.
- #306Agent-Reflex: Teaching Language Agents to Act Reflectively
Agent-Reflex는 노이즈 환경에서 적극적인 자기 반성 능력을 훈련시키는 대규모 언어 모델 에이전트 훈련 프레임워크이다.
- #307Jeva: System One Models from First Principles
Jeva는 시스템 원 결정 문제의 구조적 요구사항을 충족하는 새로운 결정 네이티브 아키텍처이다.
- #308Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes
Urbex는 도시 규모 3D 장면에서 언어 기반 객체 정위치를 위해 강화학습 기반의 에이전트 기반 공간 탐색 프레임워크를 제안한다.
- #309Video-Arena: A Scalable Agentic Video Benchmark for Spatiotemporal Capability
Video-Arena는 경쟁 게임을 기반으로 동적 세계 상태를 추적하는 영상 기반 벤치마크를 제공한다.
- #310PsyBer-Agent: A Psychology-Driven User Agent for Recommender Systems
PsyBer-Agent는 심리학적 유저 상태를 모델링한 추천 시스템 시뮬레이터로, UGW 최적 운송을 통해 실제 로그와 일관된 행동을 생성한다.
- #311Let the Mind Conceive, Let the Hand Achieve: Following Multimodal Instructions for Long-Horizon Robotic Manipulation
Orchestra는 장기적 로봇 조작을 위한 다중 모달 지시 실행을 지원하는 에이전트 허브로, RMBench-Compose에서 7.35 ASL을 달성한다.
- #312EMHO: EMbodied Agent Harness Optimization via Experience Traces
EMHO는 경험 추적을 통해 동결된 모델 주변의 하이퍼 시스템을 스스로 진화시키는 프레임워크로, 탐색 및 조작 작업에서 성능을 23.3%~33.3% 개선한다.
- #313WorldRecon: Generative Multi-View Mesh Reconstruction for Large-Scale 3D World
- #314EviScene: Beyond "Is It AI?" for Agentic Image Factuality Assessment
EviScene은 시각적 사실성 평가를 위해 외부 증거와 이미지 분석을 결합한 ReAct 기반 멀티모달 에이전트로, 79.05%의 정확도와 52.26%의 증거 충분률을 달성했다.
- #315APEX: Asynchronous Prefix Denoising for Extreme Compression
APEX는 64x 및 128x 압축에서 ImageNet-512에서 기존 방법을 능가하는 비동기 프리픽스 디노이징 기반의 극단적 공간 압축 기법이다.
- #316Learning How to Remember: Memory Modality Selection for GUI Agents
- #317Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards
Tev-27B는 Tev-Gym과 PPRS를 통해 ALE-CM에서 Claude Opus 5 수준의 성능을 달성한 270억 파라미터 에이전트 모델이다.
- #318VEDJE: Video-Efficient Discriminative Joint Encoder for Scalable Video-Text Retrieval
- #319FlashVSR+: Efficient Video Super-Resolution via Hybrid Attention and Reward-Yield Distribution Matching
FlashVSR+는 하이브리드 어텐션과 Ry-DMD를 결합한 효율적이고 사용자 선호에 맞춘 1단계 VSR 프레임워크이다.
- #320Pristine Models
Pristine Models는 텍스트-이미지 생성 모델에서 안전하지 않은 개념을 사전 학습 단계에서 분리하여 추론 시 제거할 수 있도록 설계된 새로운 아키텍처를 제안한다.