- #1ManipTrans: Efficient Dexterous Bimanual Manipulation Transfer via Residual Learning
ManipTrans는 인간 이중 손 조작을 시뮬레이션 환경에서 로봇 손으로 이전하는 이중 단계 프레임워크로, DexManipNet이라는 3.3K 에피소드 규모의 데이터셋을 생성한다.
- #2Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution
TraceTrial-Bench는 AI 에이전트 하네스 신뢰성을 7개 성분으로 분류하고 95개의 전문가 수준 태스크로 평가하는 벤치마크를 제시한다.
- #3DriveDreamer4D: World Models Are Effective Data Machines for 4D Driving Scene Representation
DriveDreamer4D는 4D 주행 환경의 생성 품질과 시공간 일관성을 크게 향상시키는 세계 모델 기반 시뮬레이션 프레임워크이다.
- #4AV-FABLE: Audio-Visual Manipulation Forensics in Long-Form Videos
AV-FABLE은 장시간 영상에서 오디오-비주얼 조작을 독립적으로 탐지하고 정량화하는 이중 타임라인 벤치마크와 NFSR이라는 분리된 타임라인 읽기 모델을 제안한다.
- #5ShieldAgent: Shielding Agents via Verifiable Safety Policy Reasoning
ShieldAgent는 LLM 기반 에이전트의 안전 정책 준수를 확보하기 위해 논리적 추론을 활용한 첫 번째 가드레일 에이전트로, ShieldAgent-Bench라는 새로운 벤치마크와 함께 제안된다.
- #6Frame Context Packing and Drift Prevention in Next-Frame-Prediction Video Diffusion Models
FramePack은 비디오 생성 모델에서 잊힘과 드리프트 문제를 해결하기 위한 프레임 압축 및 드리프트 방지 기법을 제시한다.
- #7TerraMind: Large-Scale Generative Multimodality for Earth Observation
TerraMind는 지구 관측 분야에서 최초로 any-to-any 생성형 다중 모달 모델로, 토큰 및 픽셀 수준의 데이터를 결합해 SOTA 성능을 달성한다.
- #8HydraLoRA: An Asymmetric LoRA Architecture for Efficient Fine-Tuning
HydraLoRA는 LoRA의 비대칭 구조를 통해 도메인 지식 없이도 효율적 미세 조정을 가능하게 하는 새로운 PEFT 프레임워크이다.
- #9Physics of Language Models: Part 3.3, Knowledge Capacity Scaling Laws
언어 모델이 저장할 수 있는 지식 비트 수는 파라미터당 2비트이며, 이는 정량적 확장 법칙을 통해 정밀하게 분석되었다.
- #10Graph Chain-of-Thought: Augmenting Large Language Models by Reasoning on Graphs
Graph-CoT는 그래프 정보를 활용해 대형 언어 모델의 추론을 반복적으로 수행함으로써 환상 생성을 줄이고 성능을 향상시키는 프레임워크이다.
- #11Confidence Improves Self-Consistency in LLMs
CISC는 자신감 점수를 기반으로 샘플 수를 40% 이상 줄이며 Self-Consistency를 대체하는 효율적인 추론 전략이다.
- #12LightenDiffusion: Unsupervised Low-Light Image Enhancement with Latent-Retinex Diffusion Models
LightenDiffusion은 Retinex 이론과 확장 모델을 결합한 비감독 저조도 이미지 향상 프레임워크로, 잠재 공간에서 분해를 수행하고 일관성 손실을 도입하여 시각적 품질을 향상시킨다.
- #270Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents
Trajectory2Gym은 학습 가능한 상호작용 경험을 의도적으로 구성함으로써 도구 사용 에이전트의 성능을 16.9–29.8% 향상시키는 시스템이다.
- #275EmbodiedLab: Benchmarking Embodied Agents That Act to Know
EmbodiedLab은 로봇이 물리적 상호작용을 통해 정보를 탐색하는 능력을 평가하는 벤치마크로, 30개 과학 실험에서 실패 원인을 조사하고 조작 기술의 중요성을 밝힘.
- #276RynnVLA-Latent: Scaling Robotic Manipulation Foundation Models with 3D-Grounded Latent Actions
RynnVLA-Latent는 30.1K 시간의 이질적 영상 데이터를 활용해 4B 파라미터 정책을 학습하여 LIBERO, RoboTwin 2.0 등 다양한 로봇 조작 벤치마크에서 뛰어난 성능을 달성한 VLA 프레임워크이다.
- #304StreamVibe: Proactive Video Agents for Evolving User Intent
StreamVibe는 유저의 암묵적이고 동적인 의도를 추적하는 실시간 비디오 에이전트를 제안하며, 12.3%의 프로액티브 상호작용 향상을 달성한다.
- #307DynaFlow: Learning Free-Form Multi-Agent Orchestration
DynaFlow는 자유형 멀티에이전트 오케스트레이션을 학습하여 88.08%의 정확도를 달성한 프레임워크이다.
- #308RoboHarness: A Simple Harness Outperforms VLA and World Action Models
RoboHarness는 VLA 및 WAM 모델을 초과하는 간단한 제어 인터페이스를 제공하는 LLM 기반 로봇 조작 시스템이다.
- #309InteractiveWorld: A Verifiable Human-Centric Environment for Building Better Interactive MLLM Assistants
InteractiveWorld는 인간과 AI 보조자가 실시간으로 상호작용하는 첫 번째 검증 가능한 환경으로, MLLM의 실물 세계 협업 능력을 평가하는 InteractiveBench를 제시한다.
- #310Work Agents: Systems, Capabilities, and Optimization
- #311CausalAlign: Causal Alignment of Video Generation Models for Consistent Ego-Motion
CausalAlign은 VAE 기반 VGM에서 카메라 자율 운동의 일관성을 향상시키기 위해 인과 진단과 델타 토큰 정렬을 결합한 프레임워크로, DL3DV와 RealEstate10K에서 20% 이상의 기하 일관성 향상을 달성한다.
- #312The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection
NDE 4.0으로의 전환을 위한 알고리즘, 기술, 전략에 대한 종합적 리뷰를 제시하며, 딥러닝과 디지털 트윈 통합의 필요성을 강조한다.
- #313End-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.
- #314Autoregressive 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.
- #315Cautious Conflict-Free Inverse Gradient Methods
Cautious ConFIG는 PINN에서 발생하는 경사도 충돌 문제를 해결하기 위해 ConFIG 알고리즘에 3줄의 확장으로 안정적인 가중치 업데이트를 보장하는 방법이다.
- #316DuoPIC: Uncertainty-Aware Voxel-Level Digital Twins of Cerebral Perfusion with Transport PDEs in Acute Stroke
DuoPIC는 뇌 투과성의 환자별 디지털 트윈을 구축하며, 물리 모델과 신경망을 결합해 정확도와 불확실성 추정을 동시에 달성한다.
- #317Nested Sparsity for Scalable Pretraining and Continual Learning
Nestor는 MoE와 attention에 중첩된 스파르시티를 적용한 트랜스포머로, 학습 효율과 지속 학습 성능을 향상시킨다.
- #318Continual Learning Exam: Benchmarking Long-Horizon RSI and Experiential Learning in LLM Agents
CLE는 120개의 다단계 작업으로 구성된 대규모 벤치마크로, LLM 에이전트의 경험 기반 지속 학습 능력을 평가한다.
- #319Spatial Audio Generation and Editing with Executable Plans and Self-Distilling Transfusion
- #320RoboJev: An Open Vision-Language Judge for Robot Success Detection
RoboJev-27B는 로봇 조작 영상의 성공 여부를 판단하는 오픈소스 비전-언어 모델로, SO-101 데이터셋에서 95.2%의 balanced accuracy를 달성한다.