- #1Joint Subspace Sparse Attention for Efficient Long-Context Decoding
JSSA는 토큰 수준의 희소 어텐션을 통해 128K 컨텍스트에서 최대 6.43× 가속화를 달성한 훈련 없이 사용 가능한 방법이다.
- #2LabInstruct: Benchmarking Situated Instructional Video Generation for Lab Procedures
LabInstruct는 실험실 절차의 시각적 지침을 생성하는 영상 생성 모델의 신뢰성을 평가하는 벤치마크로, 204개의 과제와 8개의 최첨단 모델을 기반으로 평가한다.
- #3VisionLLM v2: An End-to-End Generalist Multimodal Large Language Model for Hundreds of Vision-Language Tasks
VisionLLM v2는 단일 프레임워크 내에서 수백 개의 시각-언어 작업을 처리하는 엔드투엔드 MLLM으로, "super link" 메커니즘과 다양한 작업 디코더를 결합하여 텍스트 외 시각 작업을 지원한다.
- #4Less-to-More Generalization: Unlocking More Controllability by In-Context Generation
UNO는 단일-다중 피사체 생성을 위한 확장 가능한 커스터마이징 아키텍처로, 프로그레시브 크로스모달 정렬과 UnoPE를 통해 생성 일관성과 제어력을 동시에 향상시킨다.
- #5Generalized Predictive Model for Autonomous Driving
GenAD는 2000시간 이상의 OpenDV-2K 데이터셋을 기반으로 구축된 자율주행 분야의 첫 대규모 비디오 예측 모델로, zero-shot 방식으로 다양한 환경에서 뛰어난 일반화 능력을 보인다.
- #6MAmmoTH2: Scaling Instructions from the Web
MAmmoTH2는 웹에서 1000만 개의 자연 발생 지시 데이터를 추출해 LLM의 추론 능력을 향상시킨 모델로, MATH와 GSM8K에서 각각 36.7%와 68.4%의 성능을 달성했다.
- #7BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval
BRIGHT는 추론이 필요한 실제 세계 검색 문제를 평가하기 위한 첫 번째 벤치마크로, 기존 모델이 18.3 nDCG@10에 불과한 수준으로 성능이 저조함을 보여준다.
- #8Samba: Simple Hybrid State Space Models for Efficient Unlimited Context Language Modeling
Samba는 Mamba와 Sliding Window Attention을 결합한 하이브리드 아키텍처로, 3.8B 파라미터 모델에서 3.73× 높은 처리량과 256K 길이의 완벽한 메모리 회복 성능을 보인다.
- #9LLaMA-MoE: Building Mixture-of-Experts from LLaMA with Continual Pre-Training
LLaMA-MoE는 기존 LLaMA-2 7B 모델을 기반으로 전문가 구성과 지속적 사전 학습을 통해 MoE 모델을 구축한 연구로, 200B 토큰 학습 후 3.5B 파라미터 모델이 유사 활성 파라미터를 가진 밀집 모델을 상회한다.
- #10Tora: Trajectory-oriented Diffusion Transformer for Video Generation
Tora는 텍스트, 이미지, 트래젝토리 조건을 통합한 최초의 트래젝토리 지향형 DiT 모델로, 720p 204프레임까지 생성 가능하며, 물리적 움직임을 정확히 시뮬레이션한다.
- #11OneTracker: Unifying Visual Object Tracking with Foundation Models and Efficient Tuning
OneTracker는 Foundation Tracker와 Prompt Tracker를 결합한 통합적 시각 추적 프레임워크로, 다양한 입력 모달리티에서 최신 성능을 달성한다.
- #12History-Guided Video Diffusion
History-Guided Video Diffusion은 다양한 길이의 과거 프레임을 조건으로 활용하여 비디오 생성 품질과 일관성을 향상시키는 새로운 디퓨전 모델 접근법이다.
- #278SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving
SafeDriveVLA는 언어-주행 충돌을 감지하고 안전한 실행을 보장하기 위해 내비게이션-조건화 월드 모델과 3단계 준수 모드를 도입한 첫 번째 VLA 자율주행 모델이다.
- #304τ-Emotion-Bench: Exposing the Interaction Fragility of LLM Agents through Real-World User Emotions
τ-Emotion-Bench와 Tracer를 통해 감정 조건에 따른 사용자 상호작용이 LLM 에이전트 신뢰도에 미치는 영향을 평가하고 훈련 데이터를 생성한다.
- #305Cortex: Consolidating Context into Parametric Memory
- #306RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios
RuleTrek은 복잡한 다중 파일 시나리오에서 규칙 추론 능력을 평가하는 다분야 벤치마크로, 11개의 최신 LLM이 최대 62.47%의 정확도를 보임.
- #307ActionOPD: Distilling Decisions, Not Tokens
- #308Apertus 1.5: From Open Text Models to Open Multimodal Reasoners
Apertus 1.5는 8B 및 70B 모델로, 텍스트를 기반으로 이미지와 오디오를 처리하는 멀티모달 모델로 확장되며, 262,144 토큰의 컨텍스트를 지원한다.
- #309KV4-RL: Unlocking Faster Asynchronous Rollouts for RLVR with INT4 KV Cache Quantization
- #310Vela: Scaling Vision-Language-Action Models with Adaptive Action Curve Parametrization
Vela는 미래 로봇 동작을 스플라인 기반 연속 궤적으로 표현하여 고정된 출력 예산 내에서 시간 해상도를 적응적으로 조절하는 VLA 기초 모델이다.
- #311MimicX: Policy-in-the-Loop Supervision Refinement for Video-Driven Humanoid Motion Tracking
- #312Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders
ReMaRk는 GRPO 기반 추천 모델에서 응답자 간 차이를 노이즈로 처리하지 않고 요청 단위로 학습함으로써 RL 연산량을 25~53% 절감한다.
- #313CLASHarness: Benchmarking Multi-Agent Conflict in Computer Use via a Controllable and Verifiable Generation Pipeline
CLASHarness는 600개의 다단계 컴퓨터 사용 시나리오를 생성하여 멀티에이전트 간 충돌 해결 능력을 평가하는 벤치마크 프레임워크이다.
- #314The Thinking Leakage in Reinforcement Learning for LLMs
Qwen3 계열 모델에서 강화학습(RL)을 통해 NO-THINK 모드 성능이 향상되지만, 이는 THINK 모드의 추론 능력이 부분적으로 재활성화된 결과로 설명된다.
- #315Super-Resolution in The Right Latent Space: A Frozen Vision-Foundation Substrate
RAESR은 DINOv3-L의 23개 레이어를 결합한 잠재 공간에서 단일 디코더 패스로 최적의 초해상화를 달성한 모델로, 512×512 이미지 처리 시 37ms의 빠른 속도를 보인다.
- #316SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm
- #317SkillMarker: A KGW-Based Watermarking Method for Agent Skill Ownership Verification
SkillMarker는 KGW 기반의 워터마킹 기법으로, 에이전트 스킬의 소유권 검증과 유출 추적을 지원한다.
- #318ProgAgent: Learning Tool Orchestration through Programmatic Training
ProgAgent는 프로그래밍적 훈련을 통해 대규모 언어 모델의 장기적 툴 오케스트레이션 성능을 향상시키는 훈련 스택이다.
- #319APEX-Harm: Evaluating Agent Safety in Shared Professional Workspaces
APEX-Harm은 공유 업무 공간에서 프로페셔널 에이전트의 안전성을 평가하는 벤치마크로, 다양한 공격 시나리오에서 12개 모델을 평가한다.
- #320Visualizing the World Model in an Agent's Value Function
PPO 에이전트의 가치 함수가 환경 모델을 암묵적으로 학습한다는 것을 반사적 분석을 통해 밝혀냄.