- #1Toward Recursive Self-Improvement in Physical AI
물리적 환경에서 AI가 스스로 개선하는 방식을 탐구하며, 재귀적 자기 개선(RSI)의 조건과 한계를 분석한다.
- #2SoftPatch: Unsupervised Anomaly Detection with Noisy Data
SoftPatch는 노이즈가 포함된 훈련 데이터에서도 강력한 성능을 보이는 패치 기반의 무감독 이상 탐지 알고리즘이다.
- #3FreDF: Learning to Forecast in the Frequency Domain
FreDF는 라벨 자동상관을 완화하기 위해 주파수 도메인에서 예측을 학습하는 새로운 직접 예측 패러다임이다.
- #4HOT3D: Hand and Object Tracking in 3D from Egocentric Multi-View Videos
HOT3D는 3D 손과 물체 추적을 위한 첫 공개형 이고세닉 다중 뷰 데이터셋으로, 다중 뷰가 단일 뷰보다 성능을 크게 향상시킨다.
- #5Benchmarking Model Compression Techniques Across Heterogeneous Edge Platforms: A Predictive Maintenance Use Case for Rotating Machinery
지능형 엣지 환경에서 회전 기계 예측 정비를 위한 모델 압축 기법을 9개 플랫폼에서 비교한 연구.
- #6RegMix: Data Mixture as Regression for Language Model Pre-training
RegMix는 데이터 믹스 선택을 회귀 문제로 전환하여 대규모 언어 모델의 최적 학습 데이터를 자동으로 결정하는 방법이다.
- #7Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models
HetLoRA는 기기 내 기초 모델의 연방 미세조정에서 시스템 및 데이터 이질성을 고려한 이질적 LoRA 랭크를 활용한 효율적인 연방 학습 방법이다.
- #8LlamaV-o1: Rethinking Step-by-step Visual Reasoning in LLMs
LlamaV-o1은 다단계 시각적 추론을 위한 새로운 벤치마크, 평가 지표, 및 커리큘럼 학습 기반 모델을 제안하여 기존 모델 대비 3.8% 개선된 성능과 5배 빠른 추론 속도를 달성한다.
- #9GSM-Plus: A Comprehensive Benchmark for Evaluating the Robustness of LLMs as Mathematical Problem Solvers
GSM-Plus는 LLM의 수학 문제 해결 능력의 안정성을 평가하기 위한 대규모 대립적 벤치마크 데이터셋이다.
- #10Rephrasing the Web: A Recipe for Compute and Data-Efficient Language Modeling
WRAP은 웹 문서를 다양한 스타일로 재구성해 LLM 학습 효율을 3배 높이고 성능을 10% 이상 개선하는 데이터 증강 전략이다.
- #11Knowledge Insulating Vision-Language-Action Models: Train Fast, Run Fast, Generalize Better
지식 절연 기법을 통해 VLM의 학습 손실을 줄이고, 실시간 제어와 일반화 성능을 동시에 향상시킨 VLA 모델 제안.
- #12OpenGaussian: Towards Point-Level 3D Gaussian-based Open Vocabulary Understanding
OpenGaussian은 3D 점 수준의 오픈 보코버리(open vocabulary) 이해를 위한 3D Gaussian Splatting 기반 방법으로, SAM 마스크와 두 단계 코드북을 활용해 3D-2D 특징 연관성을 개선한다.
- #131Editing Images into Reusable Layers via Compositional Edit-Prior Distillation
LayerEditor는 편집 지시에 따라 이미지를 편집하면서 동시에 재사용 가능한 RGBA 레이어를 생성하는 통합 프레임워크이다.
- #275AcoustiPrint: Physics-Guided Neural Design of Manufacturable Acoustic Structures
AcoustiPrint은 제조 가능성과 물리적 성능을 동시에 고려한 신경망 기반의 3D 음향 구조 설계 프레임워크이다.
- #305WeVisOne-VL: Unified Visual Perception from Objects to Pixels
WeVisOne-VL은 객체 수준과 픽셀 수준의 시각 인식을 통합한 다목적 비전-언어 모델로, 3단계 커리큘럼 학습과 <OBJ> 토큰 기반 디코더를 통해 30개 이상의 벤치마크에서 우수한 성능을 보인다.
- #306F2G-Pose: Geometry-Aware Foundation Feature Lifting for Direct RGB-D Category-Level Object Pose Estimation
F2G-Pose는 단일 RGB-D 입력으로 카테고리 레벨 6D 포즈, 크기, 카메라 프레임 기하 구조를 28 FPS로 예측하는 실시간 디렉트 프레임워크이다.
- #307Making MLLM Latents Matter: Factor-Aware Predictive Learning for Cinematic Video Generation
FAPL은 MLLM 잠재변수를 활용해 희소 입력에서의 영화적 영상 생성과 요인 제어를 강화하는 3단계 학습 프레임워크이다.
- #308LaLa-World: Scaling Latent World Models with Natural Language Actions
LaLa-World는 언어 조건을 기반으로 다양한 도메인과 데이터에서 학습하는 잠재 세계 모델로, 기존 모델 대비 6배 적은 학습 비용과 13.9배 빠른 추론 성능을 보인다.
- #309Deep Search in Real-World Web Environments
OpenDS-World는 실세계 웹 환경에서의 다단계 딥서치 능력을 평가하는 벤치마크로, 200개의 과제와 12개 모델 평가를 통해 39.0%의 최고 정확도를 기록했다.
- #310Self-Distilling Future Video Representations for World Action Models
FRED는 단일 디노이징 단계에서 미래 비디오 표현을 학습해 로봇 제어 성능을 향상시키는 새로운 월드 액션 모델 학습 프레임워크이다.
- #311SEAM: Spectral Embedding Alignment and Merging for Low-Resource TTS
SEAM은 새로운 음소 토큰에 대한 임베딩을 사전 학습된 서브토큰으로부터 생성하여 저자원 TTS 모델의 샘플 효율성을 4배 향상시키는 방법이다.
- #312StyleStream 2.0: Fast and Controllable Streaming Voice Style Conversion
StyleStream 2.0은 실시간 음성 스타일 변환을 520ms로 가속화하고, 텍스트 기반 음성 디자인 및 편집을 지원하는 첫 스트리밍 VSC 시스템이다.
- #313Spectral Uncertainty Decomposition for Sparse Bayesian Learning
M/EEG 신호에서 신경 활동을 추정하는 역 문제에서 불확실성을 해석 가능한 형태로 분해하는 스펙트럼 불확실성 분해 방법을 제안한다.
- #314IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems
IQuest-Q1는 320B 파라미터를 가진 MoE 기반 CLI 에이전트 모델로, 3단계 학습과 모델 머징을 통해 코딩 및 일반 작업에서 뛰어난 성능을 보인다.
- #315Foundation4D: Towards a unified perception and reconstruction model for autonomous vehicles
Foundation4D는 다카메라 운전 영상에서 기하, 3D 객체, 세분화된 공간 점유, 가우시안 재구성을 통합적으로 처리하는 단일 모델로, PAI-Foundation4D 벤치마크에서 최고 성능을 달성한다.
- #316Policy-Mask: Budget-Aware Adaptation of Diffusion Features to Discriminative Tasks
- #317Deep Fusion Memory: A Chunk-Level Parametric Memory for Large Language Models
DFM은 대규모 언어 모델에 외부 지식을 효율적으로 통합하는 chunk-level 파라메트릭 메모리 구조로, QA 성능을 12.71% 향상시키며 추출 작업을 32배 감소시킨다.
- #318What Generation Knows: Unlocking Fine-Grained Understanding in Unified Multimodal Models
GAFU는 생성 경로의 정보를 활용해 미세한 시각 이해를 향상시키는 UMMs 후학습 프레임워크로, VStar-Bench에서 최대 20.00% 개선을 보인다.
- #319Meta Expert: Cross-Layer Expert Sharing for Storage- and Retrieval-Efficient MoE
Meta Expert를 도입한 MoE 모델이 파라미터 효율성과 성능을 동시에 향상시킨다.
- #320Code2Video-Compass: A Comprehensive Benchmark for General-Purpose Code-Based Video Generation across T2V, I2V, and V2V
Code2Video-Compass는 T2V, I2V, V2V 설정에서 실행 가능한 코드를 생성하는 MLLM을 평가하는 종합적 벤치마크이다.