AI 기술 데일리 리서치

쉽게 말하면

같은 상황에서도 물리 현상은 여러 방향으로 일어날 수 있습니다. 이 연구는 영상 생성 모델이 한 장면을 그럴듯하게 만드는지뿐 아니라, 가능한 결과들의 비율까지 맞히는지 시험합니다.

논문은 무엇을 했나

PAWBench는 영상 생성 모델을 세계 동역학의 확률적 표본추출기로 평가하는 벤치마크입니다. PAWEval은 같은 조건에서 여러 번 생성한 영상의 결과를 모아 실제 행동 분포와 비교합니다. 50개 시나리오와 11개 시스템을 평가한 결과, 유효한 행동 범위를 복원하면서 기준 확률까지 일관되게 맞힌 모델은 없었습니다.

핵심 근거

작동 흐름

쉽게 말하면

거리 사진을 알아보는 능력만으로 복잡한 도시에서 목적지까지 갈 수 있는 것은 아닙니다. UrbanGround는 에이전트가 홍콩 규모의 가상 도시에서 보고, 이동하고, 길을 잃지 않는지를 시험합니다.

논문은 무엇을 했나

UrbanGround는 홍콩 전역의 3D 지리 데이터를 바탕으로 한 물리 제약 도시 복제본에서 다중모달 언어 모델 에이전트를 평가합니다. 에이전트는 1인칭 시점과 상호작용 지도에서 관찰하고 탐색하며, 공간 질문·장거리 탐색·경로와 보행자 변화에 대한 견고성을 차례로 시험받습니다. 초록은 시각 인식과 단거리 공간 추론은 유용하지만, 긴 탐색에서는 오류가 누적되고 방향 유지와 보행자 대응이 불안정하다고 보고합니다.

핵심 근거

작동 흐름

쉽게 말하면

모델이 문제를 풀 때 정답지를 주지 않아도, 여러 답안의 일치와 불일치를 활용해 학습 방향을 조정할 수 있습니다. TTPO는 다수결 답이 틀릴 수 있다는 위험을 줄이기 위해, 일치한 답안과 불일치한 답안을 다르게 다룹니다.

논문은 무엇을 했나

TTPO는 시험 시점 학습에서 다수결 의사정답이 틀리면 모든 토큰을 잘못 가르칠 수 있다는 문제를 다룹니다. 제안 방식은 의사정답과 일치하는 풀이에는 자기 증류를 적용하고, 불일치 풀이에는 묶음 강화학습 패널티를 적용합니다. 라벨 없이도 다섯 개 경시급 벤치마크에서 라벨 감독 OPSD와 맞먹었고, Qwen3-1.7B는 38.0%에서 45.2%로 올랐다고 보고합니다.

핵심 근거

작동 흐름