AI TECHNOLOGY DAILY RESEARCH · KST
오늘 연구 흐름은 긴 문맥·에이전트 작업을 겨냥한 대규모 모델부터 로봇 행동과 창작 작업을 더 가볍고 점검 가능하게 만드는 구조까지 넓게 퍼졌다. Kimi K3와 Frontis-MA1는 장기 추론·실행을, TurboVLA와 PAC-MAN은 실제 하드웨어 조건의 로봇 행동을 각각 다룬다. 제품·산업 소식에서는 EU의 AI 라벨링 규제 시행, OpenAI의 수학·이론컴퓨터과학 성과 발표, 크롬 브라우징 자동화 관련 보도가 함께 관측됐다. 새 발표들은 성능 수치만이 아니라 실행 비용, 관측 조건, 검증 가능한 중간 상태를 설계 변수로 다루고 있다.
01
Kimi K3: Open Frontier Intelligence
Kimi K3는 긴 문맥·시각·에이전트 작업을 한 모델에서 다루려는 대규모 MoE 모델이다. Delta Attention과 Attention Residuals로 길이와 깊이에 따른 정보 흐름을 개선하고, Stable LatentMoE로 토큰마다 일부 전문가를 활성화한다. 사후학습은 일반·에이전트·코딩 영역의 강화학습과 여러 추론 노력 수준을 포함한다. 논문은 장기 코딩·지식·추론·시각 평가에서의 결과를 보고하며 가중치를 공개한다.
02
Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering
Frontis-MA1는 머신러닝 엔지니어링을 재귀적 자기개선 연구의 실행 가능한 시험대로 삼는다. OpenMLE는 실행 피드백 환경, 연산자 학습, 장기 탐색을 묶은 공개 스택이며 모델은 Draft·Improve·Debug·Crossover 연산자를 학습한다. 이 연산자들을 장기 탐색에서 조합해 학습과 진화를 하나의 루프로 연결한다. 논문은 정해진 GPU·시간 예산의 벤치마크와 보류된 NatureBench Lite에서 전이 결과를 보고한다.
03
TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM
TurboVLA는 시각을 거대 언어모델 표현 공간으로 옮기는 기존 V→L→A 경로의 비용을 줄이려 한다. 시각 관측과 언어 지시를 독립적으로 인코딩한 뒤, 경량 양방향 상호작용을 거쳐 연속 행동 청크를 직접 예측한다. 따라서 과제 조건의 표현을 시각·언어 특징에서 바로 구성한다. 논문은 LIBERO에서 더 큰 VLA 정책과 비교한 성공률·지연·메모리 결과를 제시한다.
04
JarvisHub: An Open Harness for Canvas-Native Multimodal Creative Agents
JarvisHub는 단발 생성이 아닌 장기 멀티모달 제작에서 필요한 참조·초안·수정·피드백의 상태를 다룬다. 편집 가능한 캔버스를 사용자 작업공간이자 에이전트 외부 메모리·행동 공간·공유 상태로 정의한다. 산출물·의존성·버전·피드백은 타입이 있는 노드와 링크로 표현된다. 논문은 캔버스 상태, 프로토콜 브리지, 에이전트 런타임의 3계층으로 사용자의 점검·개입을 가능하게 한다.
05
VideoCoCo: Code-as-CoT for Physically-Consistent Video Generation via an Agentic Dual-Engine System
VideoCoCo는 압축된 텍스트 프롬프트만으로 시간적 물리 변화를 추론하기 어려운 문제를 다룬다. 코딩 에이전트가 장면과 시간 전개를 명시한 Blender 프로그램을 만들고, 시뮬레이션 엔진이 결정론적 초안을 생성한다. 생성형 비디오 엔진은 이 초안을 조건으로 사실적 영상으로 편집한다. 논문은 draft-instruction-target 데이터셋으로 편집기를 적응시키고 두 벤치마크 결과를 제시한다.
06
K12-KGraph: A Curriculum-Aligned Knowledge Graph for Benchmarking and Training Educational LLMs
K12-KGraph는 시험 문제 답변만으로는 포착하기 어려운 교육과정 지식의 구조와 시각적 표현 이해를 평가한다. 공식 교과서에서 수학·물리·화학·생물의 선수관계, 개념 분류, 실험 연결 등을 그래프로 추출했다. 여기서 다중선택 평가와 그래프 안내 지도학습 데이터를 만들었다. 논문은 여러 모델의 정확일치 결과와 텍스트·멀티모달 감독의 비교 실험을 보고한다.
07
ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition
ReDesign은 래스터 이미지에서 타이포그래피·벡터·색·그룹·레이어 순서를 복원해 편집 가능한 결과를 만들려 한다. 에이전트가 여러 전문 도구를 선택·조합하며 레이어 계층을 확장한다. 각 확장 단계의 graceful verification은 결과를 수용·제거·재시도해 오류 누적을 줄인다. 논문은 Figma Edit Replay Benchmark와 재구성 지표에서 편집성 결과를 비교한다.
08
Data Pyramid for Embodied Manipulation
Data Pyramid는 관측·물리 상태·행동이 함께 필요한 로봇 데이터의 공급원을 체계적으로 정리한다. 실제 로봇, UMI 방식, 자아·외부 시점, 시뮬레이션, 일반 시각언어 데이터의 다섯 층을 확장성과 로봇 정합성의 긴장으로 설명한다. 이어 임바디드 파운데이션 모델의 데이터 조합과 지각·추론·계획·행동 능력의 관계를 검토한다. 논문은 촉각, 실패·회복, 수집 파이프라인, 행동 정렬 등을 미해결 과제로 제시한다.
09
Learning to Trace Seiberg Dualities
이 논문은 초대칭 quiver gauge theory의 Seiberg duality 여부를 계산하는 문제에 머신러닝을 적용한다. quiver mutation을 추적하는 과제는 그래프를 풀어가는 학습 문제로 정식화된다. 약 10개 노드 규모에서 Transformer와 MLP가 결정론적 알고리즘을 앞서는 경향을 보고한다. 경로 탐색 알고리즘을 보완하면 탐색 효율과 정확도가 더 개선됐다고 서술한다.
10
ReToken: One Token to Improve Vision-Language Models for Visual Retrieval
ReToken은 긴 시각 문맥에서 방해 요소가 늘고 전체 토큰 처리가 GPU 메모리를 압박하는 문제를 겨냥한다. 하나의 학습 가능한 임베딩을 명시적 검색 목표로 훈련해 미리 채운 visual KV cache에서 질의 관련 토큰을 희소하게 고른다. 작은 이미지 QA 데이터로 학습한 뒤 이미지·비디오 벤치마크로 전이한다. 논문은 Visual Haystacks와 LVBench에서의 개선과 단일 H100에서의 학습·추론 조건을 보고한다.
11
PAC-MAN: Perception-Aware CBF-RL for Whole-Body Safety in Humanoid Dodgeball
PAC-MAN은 전신 휴머노이드 피구에서 제어장벽 기반 안전과 실제 탑재 센싱을 결합한다. 배치 정책은 머리 장착 카메라의 분할 마스크 깊이로 공을 보고, 학습 중에는 모든 신체 링크와의 여유를 나타내는 CBF 안내를 쓴다. 단일 투구와 복귀·회복을 포함한 루프로 평가해 관측 가능성에 따라 장벽 구조의 성능이 달라짐을 분석한다. 논문은 Unitree G1에서 경량 Link-CBF 정책의 zero-shot 실험 결과를 제시한다.