오늘 논문 흐름은 이미지·비디오를 다루는 공개 멀티모달 모델과, 장기 과제를 수행하는 에이전트의 학습·평가·탐색 협업으로 나뉜다. 특히 VideoChat3와 Boogu-Image-0.1은 공개 범위와 통합 멀티모달 역량을, SEED·SearchOS·Long-Horizon-Terminal-Bench는 장기 상호작용의 감독·진척 관리·평가를 각각 겨냥한다. 제품·산업 뉴스에서는 OpenAI가 AI 투자 성과 측정과 청소년 보호, GPT-Red 기반 견고성 개선을 공개했고, 국내에서는 중국 오픈 모델의 보안 능력과 AI 기업 가치가 다뤄졌다. 이번 수집에서 arXiv 보충 API와 공식 RSS는 신규 항목을 반환하지 않아, 검증 가능한 HF 최근 논문 8편만 싣는다.
Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
Boogu-Image-0.1은 이미지 이해와 생성을 하나의 오픈소스 모델군으로 묶는 것을 목표로 한다. 논문은 Base·Turbo·Edit·Edit-Turbo 변형을 제시하며, 텍스트-이미지 생성·지시 기반 편집·중영 텍스트 렌더링을 다룬다. 저자들은 폐쇄형 시스템의 통합 방식을 공개하기 어렵다는 문제를 출발점으로, 표적 개선으로 성능을 높이는 접근을 설명한다.
VideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding
VideoChat3는 다양한 비디오 유형을 폭넓게 이해하는 공개 모델을 목표로 한다. 기존 공개 모델이 특정 영역에 치우치고 계산량이 크며, 학습 코드·전략·데이터가 일부만 공개된 문제를 짚는다. 논문은 재현성을 높이기 위해 완전 공개를 표방하는 비디오 MLLM을 제안한다.
AlayaWorld: Long-Horizon and Playable Video World Generation
AlayaWorld는 사용자가 조작할 수 있는 장기 비디오 월드를 온라인으로 생성하는 것을 목표로 한다. 논문은 모든 게임 요소를 수작업으로 제작하는 비용과 수정 난점을 출발점으로 삼는다. 현재 월드 상태와 사용자 상호작용을 조건으로 미래 관측을 자기회귀적으로 합성하고, 게임플레이 기록과 실제 비디오로 학습한다고 설명한다.
SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
SEED는 장기 상호작용과 도구 사용을 수행하는 언어 에이전트의 강화학습을 다룬다. 결과 기반 보상은 실용적이지만 궤적 수준의 희소 보상만 제공해 중간 의사결정의 감독 공백이 남는다고 본다. 논문은 완료된 온정책 궤적을 훈련 시점의 사후 기술과 증류 신호로 바꾸는 자기진화 프레임워크를 제안한다.
Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
Long-Horizon-Terminal-Bench는 짧고 잘 정의된 작업 위주의 기존 터미널 벤치마크를 보완하려 한다. 최종 결과만 평가하면 중간 진척과 부분 해법을 놓치고 보상 신호가 희소해진다는 문제의식이다. 논문은 실험 재현·소프트웨어 공학·멀티모달 분석·게임·과학을 포함한 9개 범주의 장기 과제 46개를 제시하고 조밀 보상 기반 채점을 사용한다.
Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
LingBot-Video는 콘텐츠 생성 중심 비디오 생성 모델을 체화 지능에 맞추는 것을 목표로 한다. 논문은 시각 충실도와 창의성 중심 설계가 계산 효율·물리적 사실성과 어긋날 수 있다고 지적한다. DiT 기반 비디오 사전학습에 밀집형 대신 Mixture-of-Experts를 사용해 모델 용량과 추론 효율의 균형을 추구한다.
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
SearchOS는 웹 검색을 수행하는 에이전트가 긴 상호작용 이력을 관리하기 어려운 문제를 다룬다. 유용한 근거를 찾지 못할 때 단일·다중 에이전트가 반복 루프에 빠져 검색 예산과 최종 산출물 품질을 해칠 수 있다고 설명한다. 논문은 암묵적인 탐색 진척을 명시적이고 지속적이며 공유 가능한 상태로 전환하는 다중 에이전트 프레임워크를 제안한다.
KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill
KnowAct-GUIClaw는 복잡한 자동화용 OpenClaw의 교차 플랫폼 GUI 상호작용과 자기진화 장치를 보완하려 한다. 논문은 이런 한계가 여러 기기 생태계 적응과 실행 경험을 통한 개선을 막는다고 설명한다. 누적된 사용자 상호작용과 작업 실행 경험으로 정확도와 효율을 높이는 Know Deeply, Act Perfectly 패러다임을 제시한다.
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부
요약
세부