- #2Learning Multi-Level Features with Matryoshka Sparse Autoencoders
Matryoshka SAE는 계층적 특징 학습을 통해 고수준 개념을 유지하면서도 SAE의 확장 문제를 해결하는 새로운 접근법이다.
- #3RLEF: Grounding Code LLMs in Execution Feedback with Reinforcement Learning
RLEF는 실행 피드백을 강화 학습으로 활용해 코드 생성 성능을 향상시키는 LLM 학습 방법이다.
- #4Lookback Lens: Detecting and Mitigating Contextual Hallucinations in Large Language Models Using Only Attention Maps
Lookback Lens는 주의 맵 기반 lookback ratio를 사용해 LLM의 문맥적 환상 생성을 탐지하고 완화하는 간단한 분류기이다.
- #5Scaling Up Dynamic Human-Scene Interaction Modeling
TRUMANS 데이터셋과 확장 가능한 HSI 모션 생성 모델을 제시하여 3D 환경에서의 인간-장면 상호작용을 실시간으로 생성한다.
- #6JanusFlow: Harmonizing Autoregression and Rectified Flow for Unified Multimodal Understanding and Generation
JanusFlow는 이미지 이해와 생성을 통합한 최소한의 아키텍처를 제안하며, 기존 전용 모델과 유사하거나 더 우수한 성능을 보인다.
- #7MV-DUSt3R+: Single-Stage Scene Reconstruction from Sparse Views In 2 Seconds
MV-DUSt3R+는 2초 이내로 다중 뷰에서 단일 단계로 장면을 재구성하는 신속한 신경망이다.
- #8Turning Up the Heat: Min-p Sampling for Creative and Coherent LLM Outputs
min-p 샘플링은 LLM 생성 텍스트의 창의성과 일관성을 동시에 향상시키는 새로운 샘플링 방법이다.
- #9Long-Context LLMs Meet RAG: Overcoming Challenges for Long Inputs in RAG
장문 입력을 처리하는 RAG 시스템에서 "hard negatives"의 영향을 줄이기 위한 새로운 접근법을 제안한다.
- #10From Flatland to Space: Teaching Vision-Language Models to Perceive and Reason in 3D
SPAR-7M 데이터셋과 SPAR-Bench 벤치마크를 통해 2D 이미지 기반으로 3D 공간 이해를 향상시킨 VLM 학습 방법을 제시한다.
- #11ZigMa: A DiT-style Zigzag Mamba Diffusion Model
ZigMa는 시각 데이터 생성을 위한 Mamba 기반 디퓨전 모델로, Zigzag 스캔 방식을 통해 성능과 메모리 효율성을 동시에 향상시킨다.
- #301Intrinsic Distribution Matching
Intrinsic Distribution Matching (IDM)은 생성 모델의 EMA 특성을 활용해 분포 일치를 향상시키며, 2회 네트워크 평가에서 LongText-Bench에서 최고 성능을 달성한다.
- #303Evaluating DeepSeek V4.1 Flash-1017 for loss of control and harmful manipulation risks
DeepSeek V4.1 Flash-1017은 EU AI Code of Practice 기준으로 평가받아 이전 모델 대비 안전성 향상이 확인되었으나, 평가 인식률과 실행 불일치가 여전히 존재한다.
- #304WebAnything: From the Wild Web to Scalable Agent Environments
WebAnything은 실제 웹사이트를 기반으로 자동화된, 재사용 가능한 웹 에이전트 환경을 생성하는 프레임워크로, 244개 웹사이트 아티팩트와 12,984개 작업을 지원하며 Qwen3.5-9B 모델 성능을 9.9%포인트 개선한다.
- #305A-RSI: Adaptive Task Refresh for Zero-Data Multimodal Self-Improvement
A-RSI는 학습 신호 감소를 기반으로 태스크 풀을 갱신하며, 모델 생성 프로그램을 통해 라벨 없이 멀티모달 학습을 수행하여 성능을 57.77에서 61.05로 향상시킨다.
- #306Your Benchmark Is an Empirical Measure Over Difficulty
- #307Read, Allocate, Route: Role-Coupled Tokenization for Pixel-Space Generative Transformers
- #308WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video
WeVisCut은 단일 9B 정책을 통해 스크립트에서 장편 동영상을 생성하는 시스템으로, 130K 개의 학습 예시와 33배 적은 토큰 소비로 Claude Opus 5와 유사한 성능을 달성한다.
- #309Look Only When Needed: Certificate-Guided Visual Routing for Efficient Diffusion VLMs
LOWN은 이미지 처리를 필요한 경우에만 수행하는 시각 라우팅 방식으로, LLaDA-V 기반 모델에서 99.6% 성능 유지에 35.3%의 FLOPs만 사용한다.
- #310IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation
IntReal은 실제 세계 멀티모달 인터리빙 생성을 위한 데이터셋과 평가 벤치마크로, 7차원 평가 시스템과 100K 개의 품질 높은 샘플을 제공한다.
- #311L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory
L3G-World는 실시간으로 공간 일관성을 유지하면서 38.6배 적은 3D 원시체를 사용해 무한 세계를 생성하는 시스템이다.
- #312WorkFactory: Turning Professional Intents into Executable Work for Scalable Agent Training
- #313Youtu-Parsing-Omni: One Encoder, One Schema, All Modalities
Youtu-Parsing-Omni는 하나의 인코더와 스키마로 다중 모달리티를 통합 파싱하는 시스템으로, 단일 5B 파라미터 모델로 OmniDocBench v1.6에서 96.96 점을 달성한다.
- #314A Broader Look into MLLM's Retrieval Heads
다중모달 대형 언어 모델(MLLM)의 retrieval heads가 새로운 모달(음성-비주얼)로 확장되며, 이를 직접 최적화함으로써 문서 검색 성능을 향상시킨다.
- #315CausGround: Causal Interaction Grounding for Adaptive Embodied Planning
CausGround는 환경별 상호작용 역학을 파라미터 업데이트 없이 계획에 적응시키는 인과 상호작용 기반 프레임워크로, 다양한 시뮬레이션 및 실제 환경에서 성능 향상이 입증되었다.
- #316Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models
Co-Design Bench는 실제 사용자 요청을 기반으로 AI와 협업하는 코드 생성 모델을 평가하는 다모달 벤치마크로, 273개의 테스크와 2,331개의 숨겨진 기준을 포함한다.
- #317VibeGame: Prompt-to-Game Development with AI-Native Engine and Self-Evolving Adversarial Agent Team
VibeGame은 자연어 프롬프트와 이미지로 2D 게임을 생성하는 AI 네이티브 엔진과 자율 진화하는 대립 에이전트 팀을 결합한 프레임워크이다.
- #318RealCLI: Toward a Unified Evaluation of Human-Agent Collaboration for CLI Agents
- #319HairDeck: Animation-Ready Stylized Hair Cards from a Single Image
HairDeck은 단일 이미지에서 애니메이션 가능한 스타일화 헤어 카드를 생성하는 시스템으로, 기존 CHARM 대비 44%의 Chamfer 거리 감소와 33배 빠른 속도를 달성한다.
- #320OmniSpectra: A Unified Foundation Model for Universal Spectra Representation Learning
OmniSpectra는 다양한 천문 분광 데이터를 원본 해상도로 학습하는 첫 번째 기초 모델로, 12.2M 파라미터로 기존 대규모 모델을 초과하는 성능을 보인다.
- #321PersonaCUABench: Benchmarking Computer-Use Agents Serving Diverse Personas
PersonaCUABench는 다양한 사용자 인격에 따라 컴퓨터 사용 에이전트(CUA)를 평가하는 벤치마크로, 기존 평가 방식의 한계를 드러냅니다.