- #1CATCH: Channel-Aware multivariate Time Series Anomaly Detection via Frequency Patching
CATCH는 주파수 패치링과 채널 융합 모듈을 통해 다변량 시계열의 이질적 이상치를 정밀하게 탐지하는 프레임워크이다.
- #2FakeShield: Explainable Image Forgery Detection and Localization via Multi-modal Large Language Models
FakeShield는 GPT-4o를 활용한 MMTD-Set 데이터셋과 DTE-FDM, MFLM 모듈을 결합하여 설명 가능한 이미지 위조 탐지 및 지역화를 수행하는 다중모달 프레임워크이다.
- #3Reinforcement Learning with Action Chunking
Q-chunking은 오프라인-온라인 강화학습에서 탐색 효율성을 향상시키기 위해 액션 청킹을 TD 기반 RL에 적용한 간단한 방법이다.
- #4From Reusing to Forecasting: Accelerating Diffusion Models With Taylorseers
TaylorSeer는 기존의 feature caching을 대체하는 "cache-then-forecast" 패러다임을 제안하여, 디퓨전 모델의 고속화를 4.99×~5.00×까지 달성한다.
- #5Dispider: Enabling Video LLMs with Active Real-Time Interaction via Disentangled Perception, Decision, and Reaction
Dispider는 실시간 비디오 스트리밍 환경에서 비디오 LLM과의 상호작용을 가능하게 하는 비동기적 구조의 시스템이다.
- #6Sonata: Self-Supervised Learning of Reliable Point Representations
Sonata는 140k 포인트 클라우드를 기반으로 지오메트릭 숏컷 문제를 해결한 3D 자기감독 학습 모델로, ScanNet에서 선형 탐색 정확도를 21.8%에서 72.5%까지 3.3배 향상시킨다.
- #7MIGC: Multi-Instance Generation Controller for Text-to-Image Synthesis
MIGC는 텍스트-이미지 생성에서 다중 인스턴스를 정확한 위치와 속성에 따라 생성하는 MIGC 모듈을 제안하며, COCO-MIG 벤치마크에서 인스턴스 성공률을 32.39%에서 58.43%로 향상시킨다.
- #8Is A Picture Worth A Thousand Words? Delving Into Spatial Reasoning for Vision Language Models
시공간 추론 능력을 평가하기 위한 새로운 벤치마크 SpatialEval을 제안하고, LLM과 VLM의 성능을 비교 분석한다.
- #9L4GM: Large 4D Gaussian Reconstruction Model
L4GM은 단일 뷰 영상에서 초고속으로 4D 가우시안 모델을 생성하는 첫 번째 4D 대규모 재구성 모델이다.
- #10Can MLLMs Reason in Multimodality? EMMA: An Enhanced MultiModal ReAsoning Benchmark
EMMA는 MLLMs의 유기적 다중모달 추론 능력을 평가하기 위한 새로운 벤치마크로, 기존 기법이 부족함을 드러냄.
- #261DirCast: Live Esports Directing and Commentary with a Single Streaming Video-Language Model
DirCast는 단일 모델로 e스포츠 방송의 디렉팅과 캐스팅을 실시간 처리하는 스트리밍 영상 언어 모델이다.
- #302Reading, Writing, Sharing, and Interacting with the World through Video
비디오 기초 모델과 월드 모델을 통합한 4가지 핵심 연산(reading, writing, sharing, interacting)을 중심으로 비디오 세계 모델링의 최근 동향과 도전 과제를 정리한 조사 논문.
- #303HiSTEVE 1.0: Harnessing Human-Interface VLA Agents for Open-World Games
HiSTEVE는 Minecraft에서 인간처럼 행동하는 계층형 VLA 에이전트로, 85.0% 성능을 달성하며 장기 과제를 수행한다.
- #304Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs
Omni-Woodpecker는 훈련 없이 OLLM 내 크로스-모달 환각을 해결하기 위해 증거와 학습된 사전 정보를 분리하고 재균형을 맞추는 프레임워크이다.
- #305Dual Exam: Controlled Evaluation of Multimodal Agents and World Models
Dual Exam은 멀티모달 에이전트와 월드 모델을 독립적으로 평가하는 프레임워크로, GPT 6 Astra와 GPT-Image-2가 각각 31.3과 21.7 점수를 기록했다.
- #306The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection
- #307End-to-End Differentiable Diffusion Conditioning for Physics-Informed Optimization
D2C는 조건부 확산 모델을 활용한 오프라인 모델 기반 최적화 프레임워크로, 물리적 제약 하에서의 설계 성능을 향상시킨다.
- #308Autoregressive Multimodal Anomaly Detection with Large Language Models for Microservice Systems
LLMMAD는 대규모 언어 모델을 활용한 자동 회귀 다중 모달 이상 탐지 프레임워크로, 마이크로서비스 시스템의 신뢰도를 향상시킨다.
- #309Cautious Conflict-Free Inverse Gradient Methods
Cautious ConFIG는 PINN에서 발생하는 경사도 충돌 문제를 해결하기 위해 ConFIG 알고리즘에 3줄의 확장으로 안정적인 가중치 업데이트를 보장하는 방법이다.
- #310Bridging Exploration and Persona: Information-Directed Dueling for Test-Time Agent Personalization
ID-TAP은 테스트 시점에서 사용자 선호에 맞춘 LLM 에이전트 개인화를 위해 정보 지향적 듀얼링 밴딧 프레임워크를 제안한다.
- #311UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents
UserArena는 64,729개의 실제 사용자 세션을 포함한 장기적 쇼핑 시뮬레이션 벤치마크로, OPTD 알고리즘을 통해 시뮬레이터 신뢰도를 향상시킨다.
- #312EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?
EvalResearchBench는 AI 에이전트가 자가 평가 시스템을 설계하는 능력을 평가하는 벤치마크로, 75%의 순위 일치율을 기록했으나 91%의 인간 간 불일치 상한선에는 미치지 못했다.
- #313RSIHub: A Composable Framework for Agent-Evolution Methods
RSIHub는 에이전트 진화 방법을 비교하고 확장할 수 있는 공통 인프라를 제공하는 오픈소스 프레임워크이다.
- #315RynnUnify: Towards Unified Embodied Brain
RynnUnify는 16B 규모의 통합 체화 모델로, 비디오-언어 추론을 통해 장기적 시각 계획과 체화 이해를 결합한 체화 브레인 기반 모델이다.
- #316Speculative Diffusion is a Tale of Two Tradeoffs
스펙ulative 디퓨전은 디퓨전 모델과 스펙ulative 디코딩의 두 가지 파라미터를 조합해 속도-품질 트레이드오프를 최적화하는 방법이다.
- #317Different Tasks, Different Timesteps: Temporal Task-Aware Quantization for Diffusion Language Models
DLM에서의 양자화 민감도가 작업과 시간에 따라 달라짐을 밝히고, T²Quant라는 라벨 없는 믹스-프레시전 양자화 프레임워크를 제안하여 W4A4 기준 최대 6.7% 정확도 향상.
- #318Agent Mosaic: Recognizing Confidentiality Leaks in Agentic LLM Systems
LLM 에이전트가 보안 문서를 결합해 민감 정보를 유추하는 '모자이크 효과'로 32.37%의 누설이 발생하는 문제를 실험적으로 밝혀낸 연구.
- #319LoCA: Enabling Multi-Modality in Geospatial Location Encoders
LoCA는 다중 모달 지리 인코딩을 위한 2단계 파이프라인으로, Sentinel-1과 Sentinel-2 이미지를 기반으로 고랭크, 공변량 정렬된 임베딩을 생성하여 17개 태스크에서 68.8%의 비교 우위를 달성한다.
- #320Echo: Coupled Action and Task Status Signal Denoising for Vision Language Action Models
Echo는 단일 VLA 내에서 작업 상태 신호와 동작을 결합하여 정확한 작업 완료 및 실패 예측을 실현하는 프레임워크이다.
- #321Every Weight Is a Path of Shared Discrete Decisions
TWIG는 신경망 가중치를 공유된 이산 결정 경로로 표현하여 압축, 회로 구현, 최적화 문제를 통합하는 새로운 가중치 표현 방식이다.