WebFovea: 모델은 맞는데 클릭이 틀리는 이유
WebFovea는 2026 WebRetriever Challenge에서 2위를 차지하며, 비전 기반 웹 에이전트의 성능이 모델 추론뿐 아니라 브라우저와 연결되는 실행 계층에도 달려 있음을 보여줬습니다. 같은 모델을 유지한 채 하네스를 개선해 히든 세트 점수를 31.0에서 57.0으로 높였습니다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독WebFovea는 2026 WebRetriever Challenge에서 2위를 차지하며, 비전 기반 웹 에이전트의 성능이 모델 추론뿐 아니라 브라우저와 연결되는 실행 계층에도 달려 있음을 보여줬습니다. 같은 모델을 유지한 채 하네스를 개선해 히든 세트 점수를 31.0에서 57.0으로 높였습니다.
더 보기UltraText Bench는 영어와 중국어의 밀집된 시각 텍스트를 대상으로 이미지 생성 모델을 여러 영역과 난이도에서 평가하는 벤치마크입니다. 텍스트의 선명도와 요청한 내용을 정확히 재현하는 능력은 서로 다를 수 있다는 점을 보여줍니다.
더 보기QuadTok은 복잡한 이미지 영역에는 더 많은 표현 용량을, 균일한 영역에는 더 거친 표현을 할당하는 계층형 쿼드트리 토크나이저를 제안한다. 공간 구조를 보존한 채 시퀀스로 변환할 수 있어 자기회귀 이미지 생성에도 활용된다.
더 보기DLoop는 드래프트 모델이 충분한 확신을 유지하는 동안 여러 드래프트 단계를 연속 수행한 뒤 후보 토큰을 한 번에 검증합니다. 타깃 모델의 순전파 횟수를 줄이며 여러 추측 디코딩 방식에서 5~41%의 벽시계 시간 향상을 보고했습니다.
더 보기TRACE는 MoE 언어 모델 강화학습에서 발생하는 학습 경로와 Rollout 경로의 양자화 불일치를 줄이는 프레임워크입니다. Rollout 측 결과로 학습 측 FP4 반올림을 유도해 BF16에 가까운 성능과 최대 5.4배의 Rollout 가속을 보고했습니다.
더 보기UNREAL은 동결된 대규모 언어 모델의 내부 표현을 활용해 코퍼스 검색과 장문맥 추론을 하나의 증거 선택 메커니즘으로 처리하는 방법입니다. 대규모 Wikipedia 검색과 초장문맥 평가에서 성능 향상을 보고했습니다.
더 보기SlimWise는 MoE 추론에서 프리필은 전체 모델로 수행하고, 디코딩 단계에서만 전문가 풀을 가지치기하는 방식을 제안합니다. 전체 모델이 만든 KV 캐시를 변환 없이 재사용해 Qwen3.6-35B-A3B에서 전문가 50% 제거 시 최대 1.81배의 디코딩 처리량을 달성했습니다.
더 보기DiVeR는 샘플링된 행동 표현의 분산을 분석해 로봇 궤적에서 의사결정이 중요한 상태를 찾아낸다. 이 신호로 검증기 학습의 가중치를 조정해 단계별 라벨이나 추가 환경 상호작용 없이 VLA의 테스트 시 행동 선택을 개선한다.
더 보기NeMo-DCR은 학습 클러스터와 rollout 클러스터 사이에서 변경된 가중치만 전송하면서도 전체 체크포인트 로딩과 비트 단위로 동일한 결과를 보장합니다. 1조 파라미터 모델에서 변경률 3%를 적용한 테스트에서는 refit 시간이 87.5분에서 2.5분으로 줄었습니다.
더 보기새로운 온디바이스 음성 에이전트 방식은 사용자가 말을 끝내기 전에 부분 음성 인식 결과를 바탕으로 필요한 도구 호출을 예측하고 실행한다. 실행 결과를 캐시해 최종 응답까지의 대기 시간을 줄이는 접근이다.
더 보기웹 에이전트는 제3자가 작성한 페이지를 읽어야 하지만, 같은 페이지에 작업을 가로채는 지시가 삽입될 수 있습니다. AdvSim2Real은 고정된 웹 월드 모델 안에서 과제, 공격자, 에이전트를 함께 진화시킵니다.
더 보기서로 다른 토크나이저를 사용하는 교사와 학생 모델의 온폴리시 증류에서는 정렬 범위를 넓힌다고 성능이 자동으로 좋아지지 않는다. 엄격하게 대응되는 위치에서 안정적인 감독 신호를 제공하는 편이 더 효과적일 수 있다.
더 보기MiniCorp는 여러 에이전트가 협업하는 기업 내부와 변화하는 시장을 하나의 시뮬레이터로 연결한다. 현실에서 얻기 어려운 장기 기업 데이터와 대안적 의사결정의 결과를 생성하는 것이 핵심 목표다.
더 보기GUI-HARVEST는 모델 가중치를 업데이트하지 않고 GUI 모델을 둘러싼 실행 하니스를 진화시키는 방법입니다. 스크린샷과 행동 기록, 반복 실행 결과를 비교해 반복되는 실패를 찾고 검증된 코드 수정으로 연결합니다.
더 보기새로운 벤치마크는 기준 영상과의 시각적 유사성 대신 영상에서 관찰 가능한 물리 관계를 직접 측정한다. 8개 영상 생성 모델을 평가한 결과, 시각적으로 설득력 있는 출력에서도 물리적 불일치가 지속적으로 나타났다.
더 보기소프트웨어 엔지니어링 에이전트를 분석한 연구에서 양성 지도 미세조정은 백도어를 약화시키지만, 이후 강화학습은 남은 악성 행동을 보존하거나 증폭할 수 있는 것으로 나타났다. PersistBD는 모델 출시 전에 백도어의 지속성을 높이는 방법을 제시한다.
더 보기HERMES는 코드와 테스트 같은 저장소 구성 요소에 상주형 언어 모델을 결합하는 Dev-Primitives를 제안한다. 각 구성 요소가 자신의 구현을 이해하고 다른 요소와 소통하면서 국소적인 수정을 지원하는 방식이다.
더 보기새 연구는 사용자가 허가한 다른 서비스의 이용 기록을 활용해 개인 에이전트가 플랫폼의 초기 추천 순위를 조정하는 방식을 정식화했다. MediateRec 벤치마크와 PAMO 방법을 통해 언제 개입하고 언제 플랫폼 판단을 유지해야 하는지 분석한다.
더 보기에이전트가 최종적으로 올바른 상태에 도달하더라도, 그 행동이 사전에 확보된 증거에 근거했다고 보기는 어렵습니다. SafeActBench 연구는 실행 전 조사와 의존성이 있는 다단계 작업에서 실패가 집중된다는 점을 보여줍니다.
더 보기과학 에이전트의 성능이 빠르게 향상되면서 고정형 벤치마크는 모델 간 차이와 실패 원인을 충분히 보여주기 어려워지고 있습니다. AutoSciBench는 풀이 궤적과 평가 피드백을 활용해 과학 과제를 자동 생성하고 반복적으로 수정합니다.
더 보기마찰, 백래시, 탑재 하중 변화와 마모 때문에 로봇은 VLA가 지시한 대로 움직이지 않을 수 있다. 새로운 방법은 명령과 실제 운동의 차이를 이용해 보상이나 라벨 없이 배포 중 VLA를 적응시킨다.
더 보기