- #1Generative adversarial networks with Monte Carlo dropout uncertainty quantification for structural health monitoring: Fibre Bragg grating data augmentation comparison in Hawk T1A aircraft
새로운 데이터 증강 프레임워크를 통해 항공 구조 건강 모니터링의 신뢰성을 향상시킨다.
- #2Has GPT-6-Astra Achieved Embodied Intelligence?
- #3HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents
HexaShell은 로봇 조작에서 VLM 기반 에이전트의 한계를 탐구하며, 42개 RoboDojo 태스크에서 39.7% 성공률을 달성한 로봇 코딩 에이전트 시스템이다.
- #4MUSt3R: Multi-view Network for Stereo 3D Reconstruction
MUSt3R은 대규모 이미지 컬렉션의 실시간 3D 재구성을 위한 다중 뷰 네트워크로, DUSt3R의 대칭화와 메모리 메커니즘 도입을 통해 계산 복잡도를 줄이고 성능을 향상시킨다.
- #5MMVU: Measuring Expert-Level Multi-Discipline Video Understanding
MMVU는 전문 분야 영상에 대한 전문가 수준의 이해와 추론 능력을 평가하는 다학문 벤치마크로, 3,000개의 전문가 주석 질문을 포함한다.
- #6GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving
GoalFlow는 목표 점 기반 흐름 매칭을 활용해 자율 주행에서 다중 모드 경로를 생성하는 신규 엔드투엔드 시스템이다.
- #7OVO-Bench: How Far is Your Video-LLMs from Real-World Online Video Understanding?
OVO-Bench는 온라인 동영상 이해 능력을 평가하기 위한 새로운 벤치마크로, 시간戳 기반 추론 능력을 중점적으로 평가한다.
- #8SceneVerse: Scaling 3D Vision-Language Learning for Grounded Scene Understanding
SceneVerse와 GPS를 통해 3D 시각-언어 학습을 대규모로 확장하고, 기존 벤치마크에서 최고 성능을 달성했다.
- #9Efficient Test-Time Adaptation of Vision-Language Models
TDA는 테스트 시간 적응을 위한 비학습적, 효율적인 동적 어댑터로, 키-벨류 캐시와 부정 가상 라벨링을 통해 CLIP 모델의 성능과 추론 속도를 동시에 개선한다.
- #10Generalized Preference Optimization: A Unified Approach to Offline Alignment
GPO는 DPO, IPO, SLiC를 포함하는 오프라인 선호 최적화의 통합적 접근법을 제시한다.
- #11ShapeLLM: Universal 3D Object Understanding for Embodied Interaction
ShapeLLM은 3D 포인트 클라우드와 언어를 결합한 첫 번째 3D 멀티모달 대형 언어 모델로, ReCon++를 기반으로 3D 객체 이해와 체화된 상호작용을 가능하게 한다.
- #12RCBEVDet: Radar-Camera Fusion in Bird's Eye View for 3D Object Detection
RCBEVDet는 레이더-카메라 퓨전을 활용한 BEV 기반 3D 객체 탐지 모델로, nuScenes 및 VoD 데이터셋에서 최신 수준의 성능을 달성한다.
- #13OmniACT: A Dataset and Benchmark for Enabling Multimodal Generalist Autonomous Agents for Desktop and Web
OmniACT는 데스크톱 및 웹 환경에서 멀티모달 자율 에이전트를 평가하는 첫 번째 데이터셋과 벤치마크로, GPT-4조차 인간 수준의 15%에 불과한 성능을 보인다.
- #281OmniXRef: A Unified Framework for Multimodal Multi-Reference Video Editing
- #282Stuck on Shuffle: On Attribute-Object Binding in Vision-Language Models
SABER라는 새로운 벤치마크를 통해 VLM의 속성-객체 결합 능력을 평가하고, 텍스트 기반 미세조정으로 성능을 향상시킨다.
- #306Learning to Think and Explore in 3D World
- #307Execution Before Memory: Diagnosing Memory Failures in Video World Models
비디오 월드 모델의 메모리 실패를 진단하기 위해 실행 단계와 메모리 단계를 분리하는 MIST 평가와 M3-Agent 알고리즘을 제안한다.
- #308LiveMACE: Process-Aware Evaluation of LLM Agent Capabilities in Evolving Markets
LiveMACEBench는 진화하는 금융 시장에서 LLM 에이전트의 능력을 과정 중심으로 평가하는 벤치마크이다.
- #309Speculative Sampling in Interactive Video Generation
Speculative Sampling은 대규모 양방향 창구를 활용하면서도 낮은 지연을 유지하는 대화형 동영상 생성 전략이다.
- #310GlobeBench: Evaluating Text-Based World Model Capabilities for Scalable Environment Simulations
GlobeBench는 텍스트 기반 월드 모델의 환경 시뮬레이션 능력을 평가하는 새로운 벤치마크로, 1,632개의 태스크로 구성되어 있다.
- #311Embeddings Are Overpriced? A Frozen 16 MB Vocabulary for Small and Ternary Language Models
16MB 고정 임베딩 테이블로 46MB의 3진수 언어 모델을 구현하며 성능 저하 없이 5~6배 빠른 추론 속도를 달성.
- #312Scene-Designer: Learning Design Intelligence for Agentic 3D Scene Generation
Scene-Designer는 설계와 평가를 결합한 에이전트 기반 3D 인테리어 장면 생성 프레임워크로, Scene-GRPO 알고리즘과 Scene-OTA-35K, Scene-OTC-15K 데이터셋을 통해 설계 지능을 학습한다.
- #313OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools
OpenMobile-2는 110개 이상의 앱을 포함한 MobileGym++ 환경과 12,000개 이상의 상호작용 트레이드를 기반으로 모바일 에이전트를 학습시키는 오픈 소스 플랫폼이다.
- #314MorphAct: Robot Policies Morphing with the Worlds They Act In
- #315From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research
- #316BridgeWAM: Bridging Video and Action Experts via Latent Bridge Queries
BridgeWAM은 32개의 Latent Bridge Queries(LBQs)를 통해 비디오와 액션 전문가를 분리하면서 성능과 추론 효율성을 동시에 달성한 World Action Model이다.
- #317Lexical Reference Frames: Interpreting LM Residual Streams in Native Semantics
언어 모델의 잔차 스트림을 모델 고유의 의미 공간에서 해석하는 새로운 기법인 Lexical Reference Frames를 제안한다.
- #318Failure Recovery via Belief Updates and World Modeling for Long-Horizon Agents
BeliefWeaver는 장기적 에이전트 작업에서 실패 복구를 위해 지속적 증거와 전망적 추론을 결합한 프레임워크로, 9B 학생 모델을 통해 54.8%의 API 비용 절감과 9.8%의 성능 향상을 달성한다.
- #319Xiaomi-Lens-0 Technical Report
Xiaomi-Lens-0는 Qwen3.5 기반 4B MLLM으로, 자체 시각 표현에서 마스크를 예측하여 RefCOCO 분할에서 cIoU 최고 성능을 달성하고, 5.6 포인트 평균 개선을 보인다.
- #320RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars