오늘 연구 흐름은 장기 상호작용 월드 모델, 사람의 멀티모달 자료를 에이전트 기술로 바꾸는 방법, 검색·GUI·임상 검토처럼 실제 작업을 관리하는 에이전트 설계로 이어진다. 제품·산업 쪽에서는 OpenAI가 미국 대상 ChatGPT Health와 엔터프라이즈 음성·채팅 에이전트 플랫폼을 발표했고, 국내에서는 삼성SDS와 Anthropic의 엔터프라이즈 파트너십 및 AI 인프라 협력 소식이 나왔다. 새 논문은 실세계 로봇 궤적 기반 VLA, 네이티브 해상도 이미지 생성·편집, MoE 환각 완화 등 모델의 적용 범위를 넓히는 시도를 담았다. 오늘의 공통된 결론은 모델 단독 성능보다 데이터·기술·검토·인프라를 연결해 반복 가능한 작업 흐름을 만드는 데 있다.
ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU
AAA 게임·시뮬레이터·인터넷 영상의 다원 데이터를 모아 행동 조건부 비디오 월드 모델을 학습한다. 에이전트 주도 수집과 14개 결정적 품질 검사, VLM 평가 및 동기화된 행동·텍스트 주석을 하나의 파이프라인으로 결합한다. 초록은 장기 폐루프 상호작용을 실시간으로 지원하는 방향을 제시한다.
RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources
기존 에이전트 기술 라이브러리는 손으로 쓴 텍스트나 에이전트 실행 흔적에 치우쳐 있다. 이 연구는 튜토리얼 영상, 저장소, 글, 참고 산출물을 실행 가능한 기술로 증류하는 RESOURCE2SKILL을 제안한다. 사람이 만든 멀티모달 자원을 재사용 가능한 절차 지식으로 바꾸는 것이 초록의 중심이다.
KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill
OpenClaw 계열 자동화는 플랫폼 간 GUI 상호작용과 실행 경험을 통한 자기 진화가 부족하다고 지적한다. KnowAct-GUIClaw는 사용자 상호작용과 작업 실행에서 쌓인 정보를 메모리와 기술로 축적하는 개인 비서 패러다임을 제안한다. 초록은 다양한 기기 환경 적응과 지속적 성능 향상을 목표로 든다.
arXiv 원문 ↗SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
도구 통합 LLM이 웹 검색을 핵심 능력으로 삼으면서, 긴 상호작용 기록에서 작업 진척을 놓치는 문제가 커졌다고 설명한다. SearchOS는 실패한 검색이 반복 루프로 이어져 예산과 최종 답변의 완결성을 해치는 문제를 겨냥한 시스템 수준 다중 에이전트 접근이다. 초록은 강건한 오픈도메인 정보 탐색 협업을 목표로 한다.
arXiv 원문 ↗Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories
Xiaomi-Robotics-1은 낯선 환경에서 언어 지시를 따라 모바일 조작을 수행하고, 적은 미세조정 데이터로 새 작업에 적응하는 VLA 모델을 제안한다. 사전학습과 사후학습의 두 단계 레시피로 폭넓은 행동 생성 능력을 부여한다. 초록은 실세계 궤적 규모를 바탕으로 한 범용 조작을 목표로 한다.
Mage-Flow: An Efficient Native-Resolution Foundation Model for Image Generation and Editing
Mage-Flow는 텍스트-이미지 생성과 지시 기반 편집의 학습·미세조정·배포 비용을 줄이려는 4B 규모 생성 스택이다. 경량 고충실도 잠재 토크나이저 Mage-VAE와 rectified flow matching으로 훈련한 네이티브 해상도 멀티모달 확산 트랜스포머를 함께 설계한다. 초록은 효율과 이미지 생성·편집을 동시에 겨냥한다.
arXiv 원문 ↗HOMIE: Human-object Centric Video Personalization via Multimodal Intelligent Enchancement
사람-물체 중심 영상 개인화는 인물 충실도와 다양한 물체와의 정확한 상호작용을 함께 맞추기 어렵다는 문제를 안고 있다. HOMIE는 로고처럼 추상적인 물체까지 포함해 이 관계를 다루는 멀티모달 지능 강화 접근을 제시한다. 초록은 주체 간·주체 내 참조의 한계를 함께 겨냥한다.
arXiv 원문 ↗AlayaWorld: Interactive Long-Horizon World Modeling -- Full Technical Report
AlayaWorld는 텍스트·이미지·영상 입력에서 즉시 탐색 가능한 가상 환경을 생성하는 비디오 월드 모델의 비전을 설명한다. 이를 위해 상호작용, 지속적인 시공간 일관성, 안정적인 장기 생성, 그리고 다른 결합 능력이 함께 필요하다고 제시한다. 기존 게임 개발의 자산·애니메이션·물리·프로그래밍 중심 파이프라인과 대비한다.
arXiv 원문 ↗Knowledge Injection Exists in MoE? Exploring Expert-Aware Contrast Decoding in MoE for Mitigating LLMs'Hallucinations
프롬프트나 모델 최적화 기반 환각 완화는 내부 지식을 바꾸기 어렵거나 도메인 일반화가 약할 수 있다고 문제를 설정한다. 이 논문은 transformer 중심의 기존 대비 디코딩을 MoE 구조로 확장해 expert-aware contrast decoding을 탐색한다. 초록은 MoE의 라우팅 특성을 고려해 LLM 환각 완화를 검토한다.
arXiv 원문 ↗Human-in-the-Loop Large Language Model Framework for Identification of Cutaneous Immune-Related Adverse Events
임상 기록에서 피부 면역 관련 이상반응을 식별하기 위해 검색증강·다중 에이전트 LLM과 사람 검토를 결합한 프레임워크를 평가했다. 비보조 수동 검토와 비교해 정확도와 평가자 간 일치도가 높고 평균 검토 시간이 약 절반으로 줄었다고 초록은 보고한다. 결과는 임상 워크플로에서 사람의 최종 참여를 유지한 조건의 평가다.
Skill-Contracted Agents for Evidence-Aware Materials Literature Analysis
재료과학 문헌 분석은 조성·공정·특성화·물성 관계를 동시에 다뤄야 해 단순 retrieve-then-generate 방식이 어렵다고 설명한다. AlphaAgent는 검색 기반 질의응답과 논문 수준 보고서 생성을 분리하는 기술 주도 에이전트 프레임워크를 제안한다. 초록은 이질적 작업을 하나의 파이프라인에 억지로 묶지 않는 구성을 다룬다.