- #1Toward Recursive Self-Improvement in Physical AI
물리적 환경에서 AI가 스스로 개선하는 방식을 탐구하며, 재귀적 자기 개선(RSI)의 조건과 한계를 분석한다.
- #2What Can RL Bring to VLA Generalization? An Empirical Study
PPO 기반 RL fine-tuning이 VLA 모델의 의미 이해와 실행 안정성에서 SFT 대비 유의미한 개선을 보인다.
- #3BurstGPT: A Real-World Workload Dataset to Optimize LLM Serving Systems
BurstGPT는 Azure OpenAI GPT 서비스에서 수집한 10.31만 건의 실제 LLM 서빙 워크로드 데이터셋으로, 서빙 시스템 최적화에 활용 가능하다.
- #4Editing Images into Reusable Layers via Compositional Edit-Prior Distillation
LayerEditor는 편집 지시에 따라 이미지를 편집하면서 동시에 재사용 가능한 RGBA 레이어를 생성하는 통합 프레임워크이다.
- #5Mixture-of-Recursions: Learning Dynamic Recursive Depths for Adaptive Token-Level Computation
Mixture-of-Recursions(MoR)는 재귀 트랜스포머 내에서 파라미터 공유와 적응형 계산을 결합하여 성능과 효율성을 동시에 향상시키는 새로운 프레임워크이다.
- #6OpenCUA: Open Foundations for Computer-Use Agents
OpenCUA는 3개 OS와 200개 이상의 애플리케이션을 아우르는 개방형 컴퓨터 사용 에이전트(CUA) 프레임워크로, OSWorld-Verified에서 34.8% 성공률을 달성했다.
- #7SWE-rebench: An Automated Pipeline for Task Collection and Decontaminated Evaluation of Software Engineering Agents
SWE-rebench는 GitHub에서 자동으로 21,000개 이상의 Python 기반 SWE 작업을 추출하고, 오염되지 않은 평가를 제공하는 첫 번째 자동화된 파이프라인과 데이터셋이다.
- #8Memory Injection Attacks on LLM Agents via Query-Only Interaction
MINJA는 질의만으로 LLM 에이전트의 메모리에 악성 기록을 주입하는 새로운 공격 방법으로, 98.2%의 주입 성공률과 76.8%의 공격 성공률을 보인다.
- #9A Closer Look at AUROC and AUPRC under Class Imbalance
AUPRC가 AUROC보다 클래스 불균형 상황에서 우수하다는 일반적 주장이 이론적·실험적으로 반박된다.
- #10Token-level Direct Preference Optimization
TDPO는 토큰 수준에서 KL 발산을 제어하여 LLM의 정렬과 생성 다양성을 균형 있게 향상시키는 새로운 정렬 방법이다.
- #11LLM Agents for Education: Advances and Applications
LLM 에이전트가 교육 분야에서 개인화 학습 및 지능형 튜터링을 혁신하며, 학습 과정 자동화와 교육적 효과 향상을 이끌고 있다.
- #12Restoring Images in Adverse Weather Conditions via Histogram Transformer
Histoformer는 히스토그램 자기주의와 다이내믹-레인지 컨볼루션을 결합해 악천후 영상 복원 성능을 향상시키는 트랜스포머 기반 모델이다.
- #303WeVisOne-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.
- #304F2G-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.
- #305Self-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.
- #306LaLa-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.
- #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.
- #308Deep 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.
- #309SEAM: 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.
- #310IQuest-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.
- #311Policy-Mask: Budget-Aware Adaptation of Diffusion Features to Discriminative Tasks
Policy-Mask는 예산 조건 하에 확산 모델의 중간 특징을 선택해 분별적 작업 성능을 향상시키는 정책 기반 방법이다.
- #312Deep 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.
- #313What 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.
- #314FilmFlow: Agentic System for 3D Virtual Film Cinematography
FilmFlow는 자연어 또는 참조 영상 입력을 3D 환경에서 실행 가능한 카메라 트레젝토리로 생성하는 에이전트 기반 시스템이다.
- #315Meta Expert: Cross-Layer Expert Sharing for Storage- and Retrieval-Efficient MoE
Meta Expert를 도입한 MoE 모델이 파라미터 효율성과 성능을 동시에 향상시킨다.
- #316Code2Video-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.
- #317MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models
- #318RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing
- #319Heartbeat Thinking: Speculative Reasoning and Tool Execution While Listening in Realtime Voice Agents
- #320Beyond Watching and Searching: Benchmarking Agents for Video-centered Deep Research Reports