오늘의 연구 흐름은 이미지·비전 모델을 통합 생성으로 묶고, 비디오 세계 모델을 실제 상호작용과 로봇 지능으로 연결하려는 시도가 두드러진다. 에이전트 쪽에서는 긴 터미널 작업의 부분 진척을 측정하는 벤치마크, 연구 아이디어의 근거 확인, 개인 GUI 작업의 경험 축적처럼 긴 작업 흐름을 다루는 방법이 함께 제시됐다. 제품·산업 뉴스에서는 구글의 Gemini 3.5 Pro 출시 지연 보도, OpenAI의 청소년 보호와 자동 레드팀 발표, 생성형 게임·비디오 기능 공개가 이어졌다. 한편 학습 데이터의 정밀 출처 추적과 CoT 전제 의존성 감사는 모델 성능 외에 삭제 요청과 추론 검증의 운영 문제를 다룬다. 오늘의 결론은 생성·행동·검증을 하나의 긴 실행 과정으로 연결하려는 연구와 제품 발표가 동시에 늘고 있다는 점이다.
Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
Boogu-Image-0.1은 하나의 오픈 모델 계열로 이미지 이해와 생성·편집을 함께 다룬다. 연구진은 이해 성능, 데이터 품질, 학습 파이프라인과 추론 시 에이전트 확장을 조합했다. 표준 벤치마크에서 다른 오픈 모델과 같거나 더 높은 성능을 보고했고, 일부 결과는 선도 폐쇄형 시스템에 근접한다고 설명한다.
원문 보기 ↗AlayaWorld: Long-Horizon and Playable Video World Generation
AlayaWorld는 현재 세계 상태와 사용자 상호작용을 조건으로 다음 장면을 생성하는 플레이형 세계 모델 프레임워크다. 게임 플레이 기록과 실제 영상을 학습에 사용해 시각적 외형과 물리적 동역학을 포착하도록 설계했다. 데이터 준비부터 모델 학습, 추론 가속, 배포와 평가 도구까지 재현 가능한 오픈소스 구성을 제시한다.
Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
Long-Horizon-Terminal-Bench는 짧은 최종 결과 중심의 기존 터미널 평가가 중간 진척을 놓친다는 문제에서 출발한다. 46개 장기 과제를 세분화한 채점 항목으로 나누어 부분 점수와 조밀한 보상을 제공한다. 15개 프런티어 모델 평가에서 장기 계획과 문맥 관리, 반복 디버깅이 여전히 어렵다는 결과를 제시한다.
원문 보기 ↗Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
LingBot-Video는 콘텐츠 생성용 비디오 모델과 로봇 제어 사이의 도메인 차이를 겨냥한 DiT 기반 사전학습 방식이다. 조밀한 구조 대신 MoE를 사용하고, 조작·내비게이션·1인칭 로봇 영상을 보강한 데이터 엔진과 다차원 보상 체계를 결합했다. 논문은 비디오 기반 모델의 성능과 효율을 평가하며 대규모 오픈소스 MoE 비디오 기반 모델을 공개한다.
원문 보기 ↗ResearchStudio-Idea: An Evidence-Grounded Research-Ideation Skill Suite from ML Conference Outcomes
ResearchStudio-Idea는 연구 아이디어의 첫 단계를 문헌 근거와 함께 다루기 위한 재사용 가능 스킬 모음이다. 문헌 검색, 선행기술 충돌 확인, 근거 정립부터 후보 생성·감사·아이디어 카드 작성까지의 흐름을 조합한다. ICLR·ICML·NeurIPS 결과 논문 분석에서 얻은 패턴을 구조화해 추적 가능한 제안으로 바꾸는 것을 목표로 한다.
Vision as Unified Multimodal Generation
SenseNova-Vision은 서로 다른 비전 과제를 통합 멀티모달 모델의 텍스트·이미지 생성 공간에서 표현한다. 자연어 지시와 선택적 시각 프롬프트로 과제와 대상 영역을 지정하고, 기호 출력은 텍스트로 밀집 공간 예측은 이미지로 생성한다. 과제별 예측 헤드 없이 다양한 주석을 지시-응답 예제로 변환해 학습한 단일 모델의 평가 결과를 제시한다.
원문 보기 ↗KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill
KnowAct-GUIClaw는 OpenClaw의 교차 플랫폼 GUI 상호작용과 지속적 자기개선 한계를 겨냥한 개인용 에이전트다. 사용자 상호작용 경험과 지식을 누적해 긴 작업을 분해·배분하고, GUI 하위 에이전트의 메모리와 스킬 라이브러리를 결합한다. Android·iOS·HarmonyOS·Windows 실험에서 효율과 정확도, 적응성을 비교 평가했다고 보고한다.
Vision Pretraining for Dense Spatial Perception
LingBot-Vision은 픽셀에서 구조화되고 측정 가능한 공간 표현을 복원하는 밀집 공간 지각을 목표로 한다. 경계와 형상 불연속성이 기하 정보를 준다는 관점에서, 서브픽셀 경계를 학습하고 경계 토큰을 마스킹 목표로 쓰는 자기지도 방식을 제안한다. DINOv3를 강한 기준선으로 둔 다양한 하위 과제 평가와 깊이 완성·추정 개선 결과를 보고한다.
원문 보기 ↗OriginBlame: Record- and Token-Level Data Provenance for AI Training Datasets
OriginBlame은 삭제를 요청한 기여자의 학습 데이터를 정확히 찾기 어려운 문제를 다룬다. 데이터 처리 파이프라인을 따라 저자 정체성을 레코드·토큰 수준으로 전파하고, 결정적 질의로 삭제용 집합을 만든다. 위키피디아 데이터와 1.7B 모델 실험에서 과도한 삭제를 줄이고 비학습 성능을 비교했다.
원문 보기 ↗SPINE: Bridging the Cyber-Physical Gap with Agentic AI
SPINE은 모델의 의사결정 능력을 실제 양팔 로봇에 배치할 때 필요한 보정·디버깅 부담을 줄이려는 에이전트 프레임워크다. 로봇별 문맥을 만드는 프로필 빌더와 진단·수정·검증을 반복하는 디버거라는 두 다중 에이전트 흐름을 조율한다. 초보자와 기준선 비교, 다른 플랫폼 실험을 통해 원격조작 성공과 오류 해결 결과를 보고한다.
Interventional Grounding Audits: Black-Box Premise-Dependency Tests for LLM Chain-of-Thought via Predicate Substitution
이 연구는 그럴듯한 CoT가 실제로 명시한 전제에 의존하는지 확인하는 블랙박스 검사를 제안한다. 한 전제의 술어를 새 기호로 바꾼 뒤 모델을 다시 실행하고, 각 추론 단계의 정규화된 결론 변화 여부를 확인한다. ProntoQA의 정답 증명 트리와 GPT-4o를 사용한 평가에서 자기일관성 기준선보다 높은 의존성 탐지 성능을 보고한다.
원문 보기 ↗