- #1Self-Evolving Agent Harness
Self-Evolving Agent Harness는 모델 가중치를 고정한 채, 프롬프트, 메모리, 워크플로우 등을 지속적으로 수정하는 피드백 기반 프레임워크를 제시한다.
- #2Waypoint-OPD: Transferring RL-Induced Policy Shifts via Gated On-Policy Distillation
Waypoint-OPD는 RL 학습 중 선생 정책의 일관성을 고려해 학생 모델에 정책 변화를 전달하는 방식으로, 수학 및 코드 추론에서 기존 방법 대비 최고 성능을 달성한다.
- #3WASP: Benchmarking Web Agent Security Against Prompt Injection Attacks
WASP는 웹 에이전트의 프롬프트 인젝션 공격에 대한 보안을 종단간 평가하는 새로운 벤치마크로, 86%의 중간 공격 성공률에도 불구하고 최종 공격 목표 달성률은 17% 미만인 점을 밝혀냈다.
- #4WORLDMEM: Long-term Consistent World Simulation with Memory
WorldMem은 장기적 3D 공간 일관성을 확보하기 위해 메모리 기반의 주의 메커니즘을 도입한 세계 시뮬레이션 프레임워크이다.
- #5UniTok: A Unified Tokenizer for Visual Generation and Understanding
UniTok은 VQVAE와 CLIP을 통합한 새로운 토크나이저로, 0.38 rFID와 78.6% zero-shot 정확도를 달성하며, gFID 14.6 → 2.5로 생성 성능을 향상시킴.
- #6MMAR: A Challenging Benchmark for Deep Reasoning in Speech, Audio, Music, and Their Mix
MMAR은 음성, 오디오, 음악, 혼합 모달리티를 아우르는 1,000개의 질문-답변 세트로 구성된, 체계적인 딥 레이징 평가 벤치마크이다.
- #7MMLongBench-Doc: Benchmarking Long-context Document Understanding with Visualizations
MMLongBench-Doc은 135개의 긴 PDF 문서를 기반으로 구성된 다중 모달, 장문 문서 이해 평가 벤치마크로, 14개 LVLM 모델의 성능을 평가하여 GPT-4o가 44.9% F1 점수를 기록하는 등 현재 LVLM의 한계를 드러냄.
- #8FinCon: A Synthesized LLM Multi-Agent System with Conceptual Verbal Reinforcement for Enhanced Financial Decision Making
FinCon은 개념적 언어적 강화 학습을 통해 금융 결정을 개선한 LLM 기반 다중 에이전트 시스템이다.
- #9AdvPrompter: Fast Adaptive Adversarial Prompting for LLMs
AdvPrompter는 인간 읽기 가능한 적대적 프롬프트를 초단위로 생성하는 LLM 자이징 공격 방식을 제시한다.
- #10Scaling Laws for Fine-Grained Mixture of Experts
MoE 모델의 효율성을 높이기 위해 새로운 하이퍼파라미터 'granularity'를 도입하고, 이를 기반으로 새로운 스케일링 법칙을 제안한다.
- #11MuirBench: A Comprehensive Benchmark for Robust Multi-image Understanding
MuirBench는 12개의 다양한 다중 이미지 태스크를 포함한, 다중 이미지 이해 능력을 평가하는 포괄적 벤치마크로, GPT-4o와 Gemini Pro가 각각 68.0%와 49.3%의 정확도를 기록했다.
- #12RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics
RoboRefer는 3D 공간 인식과 강화 학습 기반 추론을 결합한 VLM으로, 복잡한 3D 환경에서 정확한 공간 참조를 수행한다.
- #273MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
MJev-Spatial은 공간 인지 작업을 단일 분류 프레임워크로 통합한 System 1 모델로, 기존 VLM 대비 5.6배 빠르고 65.64% 정확도를 달성한다.
- #279OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use
OpenGCUA는 GCUA의 개방적 연구를 촉진하기 위한 첫 번째 오픈스택 프로젝트로, 코드 실행과 허네스-모델 결정 전이를 통해 작업 성능을 19.6점 향상시키고 단계 수를 53.0% 감소시킨다.
- #287FDE-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.
- #307MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments
MAI-Gym은 GUI 에이전트 평가 및 모바일/컴퓨터 환경에서의 온라인 강화학습을 통합한 오픈 플랫폼으로, 20,000개 환경 인스턴스 처리와 78.4% 성능 달성.
- #308Behavioral Compositionality of Sparse Autoencoder Representations
희소 오토인코더(SAE) 좌표는 행동적 구성성을 비교적으로 지원하지만, 완전한 가산성은 요구되지 않는다.
- #309CoWorld 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.
- #310PINT: 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.
- #311CarryOn: 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.
- #312Virtual Head Attention
Virtual Head Attention(VHA)는 KV 캐시, FLOPs, 모델 품질을 동시에 개선하는 새로운 어텐션 메커니즘으로, Q Premix와 Linear Postmix를 통해 GQA-2 아키텍처를 재사용하면서도 성능을 향상시킨다.
- #313CoDA: Co-Evolution of Data Engines and Action Policies
CoDA는 환경 생성과 정책 학습을 공유 메모리로 연결하여 27.6%의 OOD 성공률을 달성한 시뮬레이션 프레임워크이다.
- #314VLA-Δ: Learning Physical State Transition for Vision-Language-Action Models
VLA-Δ는 물리적 상태 변화를 명시적 학습 대상으로 삼아, 시각-언어-작업 모델의 성능을 향상시키는 새로운 프레임워크이다.
- #315Mosaic: Multi-Session Agentic Reinforcement Learning
Mosaic는 다세션 에이전트 강화학습에서 세션 효율과 정확도를 동시에 향상시키는 계층적 최적화 방법이다.
- #316Can World and Action Modeling Benefit Each Other under Unified Causal Training?
OneWM이라는 통합 인과 학습 프레임워크를 통해 세계 모델링과 행동 생성이 상호적으로 개선될 수 있음을 입증한다.
- #317Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL
MRTPO는 여러 보상의 영향을 각각의 관련 토큰에 할당함으로써 다중 보상 강화 학습의 성능을 향상시킨다.
- #318OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling
OmniVerifier-C1은 복합적 프롬프트를 분해하여 연속 점수를 부여하는 구조적 검증 모델로, 멀티모달 생성 세계 모델링에서의 성능을 향상시킨다.
- #319WorldCast: 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.
- #320Data World: Scaling Data Environments from Scratch
Data World는 생성된 데이터 환경 내에서 분석 타겟을 명확히 정의함으로써 데이터 에이전트 학습을 확장하는 다중 에이전트 엔진이다.