아티클 & 가이드

InfiniSplat은 한 장의 이미지에서 큰 시점 변화에도 더 일관된 3D Gaussian Splatting 표현을 생성하려는 프레임워크입니다. 픽셀 격자 중심 예측 대신 기하 기반 샘플링과 암시적 가우시안 디코딩을 사용합니다.

GradCuit은 Transformer 중간층에 최적화 가능한 연속 잠재 상태를 삽입해, 생성 결과의 피드백을 내부 추론 상태로 직접 전달하는 방법입니다. 모델 파라미터를 고정한 채 추론 정확도와 안정성을 높이는 데 초점을 둡니다.

Motion Beyond Morphology(MBM)는 참조 영상과 대상 객체의 형태가 크게 달라도 의미 있는 움직임을 옮기기 위한 프레임워크다. 고정된 구조 대응 대신, 범주를 넘어 보존될 수 있는 추상적 모션 표현을 활용한다.

새 논문은 LLM 코드 편집에서 ‘삭제 회피’라는 문제를 측정한다. 모델은 고쳐야 할 파일을 찾더라도, 실제로 지워야 할 코드를 남겨두는 경우가 많았다.

GPTQ-2D는 잔차의 왼쪽과 오른쪽 모두에 기저 행렬이 작용하는 더 일반적인 적응형 반올림 문제를 다룬다. 단순 벡터화 방식과 동일한 반올림 결과를 유지하면서, 반대각선 단위 처리로 계산 복잡도를 3차 시간으로 낮춘다.

Roomer는 생성된 3D 실내 배치에 남는 충돌, 경계 이탈, 출입구 가림, 동선 차단 문제를 특정 객체에 연결하고 국소 편집으로 고치는 반성적 복구 프레임워크다.

DeepVoyager-VL은 이미지를 처음에만 보는 방식에서 벗어나, 시각 증거가 검색과 중간 추론을 계속 이끄는 구조를 제안합니다. 긴 정보 탐색 과정에서 텍스트와 이미지를 반복적으로 활용하는 점이 핵심입니다.

N₀-TWAM은 접촉이 많은 로봇 조작을 위해 미래의 영상뿐 아니라 미래의 접촉까지 예측하는 촉각 네이티브 world-action model이다.

Weak-to-Strong On-Policy Distillation은 더 강한 교사 모델 없이도 강한 LLM을 개선하려는 증류 프레임워크입니다. 작은 모델들의 logit 차이를 이용해 능력 방향을 만들고 이를 학생 모델 학습에 사용합니다.

Mental World Modeling은 세계 모델이 물리적 장면만 정확히 재현해서는 인간 행동을 제대로 예측할 수 없으며, 믿음·의도·감정 같은 숨은 정신 상태를 함께 추적해야 한다고 제안한다.

새 논문은 세션을 넘나드는 개인화된 모호성 적응을 코딩 어시스턴트의 새로운 평가 과제로 제시한다. 핵심은 같은 사용자의 과거 해결 기록을 활용해 반복되는 애매한 요청을 더 적은 확인으로 처리할 수 있는지다.

SAF-OPD는 검증 가능한 보상 기반 강화학습과 온폴리시 증류를 단순히 고정 비율로 섞을 때 발생하는 불안정성을 다룬다. 교사 신호의 크기와 적용 시점을 조절해 탐색 능력을 보존하는 것이 핵심이다.

Rubric 기반 강화학습은 개방형 LLM 과제에서 유망하지만, 기준별 신호가 학습 과정에서 사라질 수 있다. CriPO는 미탐색 기준과 억제된 기준을 함께 다루는 on-policy 자기 증류 프레임워크다.

EMBL AI Librarian은 Europe PMC를 AI 에이전트가 쓰기 쉬운 자연어 기반 증거 검색 인터페이스로 바꾸려는 시도다. 단순한 논문 목록 대신 질문에 답하는 데 필요한 문헌 근거 조각을 제공한다.

ODEWorld는 고정된 시간 간격의 다음 상태 예측 대신, 물리 시간에서 움직이는 연속 잠재 속도장을 학습합니다. 이를 통해 임의의 시간 해상도 예측, 역방향 예측, 로봇 계획에 유용한 동역학 표현을 목표로 합니다.

RL²-VLA는 비전-언어-행동 모델이 어려운 로봇 작업에서 실패할 가능성이 높을 때만 오프라인 강화학습 기반 조향을 적용하는 추론 시 프레임워크다.

새 논문은 군집 로봇을 위한 분산 예측 아키텍처 Collective-State JEPA를 제안한다. 각 로봇은 지역 관측과 제한된 이웃 메시지만으로 동일한 미래 집단 상태를 나타내는 표현을 만든다.

새 연구는 원칙과 가치 기반 콘텐츠를 후처리 이전의 미드트레이닝 단계에 넣었을 때 정렬 효과가 더 오래 유지되는지 검증했다. 결과는 복잡한 구성보다 헌법적 콘텐츠의 존재 자체가 더 큰 영향을 준다는 점을 보여준다.

SULAND v2는 기존 RGB 지표 지뢰 데이터셋을 수작업으로 재검토해 주석 오류와 OOD 클래스 ID 반전 문제를 바로잡은 벤치마크입니다. 결과는 IID 성능이 높아도 실제 배치 환경의 강건성을 보장하지 못함을 보여줍니다.

새 논문은 극심한 노이즈가 섞인 RGB 관측과 근적외선(NIR) 단서를 3D 공간에서 융합하는 3DarkFusion을 제안한다. 깨끗한 RGB 감독 데이터 없이 저조도 컬러 이미지를 복원하는 것이 핵심이다.

이 논문은 감정 대화 시스템의 목표를 즉각적인 위로에서 사용자 역량 유지로 확장하며, 반복 사용과 종료까지 포함한 장기 연구 패러다임을 제안한다.