- #1Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images
CLIP 모델을 의료 영상 이상 탐지에 적응시키는 다중 레벨 어댑터와 정렬 손실 기반 프레임워크를 제안한다.
- #2Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis
GUI 접지 능력을 향상시키기 위해 OSWorld-G 벤치마크와 400만 개의 Jedi 데이터셋을 제시하고, 27% 성능 향상을 보인다.
- #3WorldCast: Exploring Intelligent Visual Generation in World State Prediction
WorldCast는 시각 생성 모델의 세계 상태 예측 능력을 평가하는 벤치마크로, GPT-Image-2.5가 72.8점, Nano Banana Pro가 42.8점, 최고 오픈소스 모델이 20.1점을 기록했다.
- #4Self-Evolving Agent Harness
Self-Evolving Agent Harness는 모델 가중치를 고정한 채, 프롬프트, 메모리, 워크플로우 등을 지속적으로 수정하는 피드백 기반 프레임워크를 제시한다.
- #5Data Mixing Laws: Optimizing Data Mixtures by Predicting Language Modeling Performance
대규모 언어 모델의 훈련 데이터 혼합 비율을 예측 함수로 최적화하여 성능을 향상시키는 방법을 제안한다.
- #6LVSM: A Large View Synthesis Model with Minimal 3D Inductive Bias
LVSM은 3D 인덕티브 바이어스를 최소화한 트랜스포머 기반의 새로운 뷰 시너지스 모델로, 디코더-오직 모델이 기존 최고 수준의 1.5~3.5 dB PSNR 성능을 달성한다.
- #7Semantic Image Inversion and Editing using Rectified Stochastic Differential Equations
Flux와 같은 Rectified Flow 모델을 활용한 영상 역변환 및 편집 방법을 제안하며, 기존 확산 모델 대비 정확도와 편집성능을 향상시킨다.
- #8DragAnything: Motion Control for Anything using Entity Representation
DragAnything은 엔티티 표현을 활용해 비디오 생성 시 배경 포함 모든 객체의 운동을 제어하는 새로운 트래젝토리 기반 방법이다.
- #9Programming Refusal with Conditional Activation Steering
CAST는 입력 문맥에 따라 활성화 조정을 선택적으로 적용하여 LLM의 반응을 조절하는 새로운 프레임워크이다.
- #10Stop Looking for Important Tokens in Multimodal Language Models: Duplication Matters More
DART는 토큰 중복을 기반으로 88.9%의 비전 토큰을 제거하면서도 성능 저하 없이 1.99×, 2.99×의 속도 향상을 달성한 토큰 축소 기법이다.
- #11Motion Prompting: Controlling Video Generation with Motion Trajectories
Motion Prompting은 영상 생성에 있어 텍스트 대신 운동 궤적을 조건으로 사용하여 다양한 동작 제어를 가능하게 하는 새로운 프레임워크이다.
- #12CAT4D: Create Anything in 4D with Multi-View Video Diffusion Models
CAT4D는 단일 모노코럴 비디오에서 4D 장면을 생성하는 다중 뷰 비디오 확산 모델 기반의 2단계 접근법을 제시한다.
- #90Waypoint-OPD: Transferring RL-Induced Policy Shifts via Gated On-Policy Distillation
- #290OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use
- #305FDE-Gym: The Last Mile of AI Delivery
FDE-Gym은 실제 고객 시스템에서 AI 솔루션을 성공적으로 배포하는 능력을 평가하는 벤치마크로, Claude Opus 5.5가 평균 점수 0.56을 달성했으나 여전히 큰 성능 격차가 존재함.
- #306RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment
RoTA-Bench는 2D 관측을 3D 이해로 전환하여 정밀한 행동을 지원하는 시각-언어 모델의 능력을 평가하는 대화형 투영 정렬 벤치마크이다.
- #307MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
- #308InfiniSplat v2: Analyzing and Improving Feed-Forward 3DGS from Any Views
- #309PINT: A Unified Model with Shared Predictive Intent for Robot Manipulation
PINT는 전이 학습 없이도 뛰어난 일반화 성능을 보이는 로봇 조작을 위한 통합 모델로, RoboTwin 2.0-Hard에서 15.5% 성공률을 달성한다.
- #310MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments
- #311VLA-Δ: Learning Physical State Transition for Vision-Language-Action Models
- #312CoDA: Co-Evolution of Data Engines and Action Policies
- #313CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance
CarryOn은 개인화된 로봇 지원을 위해 계획 및 실행 루프를 결합한 이중 루프 허네스를 제시하며, 안전 위반률 52.6% → 6.1%, 복구 성공률 13% → 80% 향상.
- #314Mosaic: Multi-Session Agentic Reinforcement Learning
- #315CoWorld Reasoner: Agentic Multimodal Reasoning with the Evolving Video World Model-Driven Harness
CoWorld Reasoner는 동적 비디오 월드 모델을 활용한 에이전트형 멀티모달 추론 프레임워크로, 다양한 추론 과제에서 성능을 향상시킨다.
- #316Can World and Action Modeling Benefit Each Other under Unified Causal Training?
- #317OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling
- #318MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering
MLExpert는 35B Mixture-of-Experts 모델로, Windowed Interaction RL(WIRL)과 Kaggle-MLE Factory를 통해 자율적인 MLE 최적화를 학습하여 MLE-Bench Lite에서 72.7%의 평균 메달률을 달성했다.
- #319Data World: Scaling Data Environments from Scratch
- #320Virtual Head Attention