Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 449건필터 해제
X요약
SCAIL-2, 스켈레톤 없이 캐릭터 애니메이션을 통합하다
SCAIL-2는 스켈레톤 없이 구동 비디오로부터 직접 캐릭터 애니메이션을 학습하는 새로운 프레임워크입니다. 애니메이션, 교체, 다중 캐릭터 작업을 하나의 프레임워크에서 수행하며 제로샷 동물 구동 및 1인칭 시점 모션을 지원합니다.
6월 14일0
X요약
Kuaishou가 Hugging Face에 Keye-VL-2.0을 공개하다
Kuaishou가 30B MoE 구조를 가진 Keye-VL-2.0 모델을 Hugging Face에 공개했습니다. 이 모델은 시간 단위 비디오 이해와 코드, 도구 검색 기능을 통합한 내장 에이전트를 갖추고 있어 정교한 비디오 작업에서 강력한 성능을 보여줍니다.
6월 14일0
X요약
SearchSwarm이 LLM에 위임 지능(delegation intelligence)을 가르치다
SearchSwarm은 단일 LLM이 장기 계획 과제를 여러 개의 하위 에이전트에게 분해하고, 그들의 결과를 통합하여 높은 성능을 달성하는 방법을 제시합니다. 이는 복잡한 검색 및 추론 작업에서 SOTA를 기록하며, 지능적인 업무 위임 능력을 보여줍니다.
6월 14일0
X요약
SpatialClaw
NVIDIA가 별도의 미세 조정 없이 코드를 액션 인터페이스로 활용하는 공간 추론 에이전트 'SpatialClaw'를 공개했습니다. VLM이 Python 코드를 작성하고 지각 도구를 조합하여 스스로 계획을 수정하며 동작하는 것이 특징입니다.
6월 14일0
X요약
Claw-SWE-Bench
Claw-SWE-Bench는 OpenClaw 스타일 에이전트를 실제 코딩 작업에서 평가하기 위한 최초의 다국어 벤치마크입니다. 또한, Microsoft Research가 소개한 Arbor는 영속적인 가설 트리 정제 방식을 통해 장기 탐색을 누적 학습으로 전환하는 자율 연구 에이전트입니다.
6월 14일0
X요약
실제 세계는 진화하지만, 대부분의 에이전트 벤치마크는 그렇지 않다
에이전트 벤치마크가 실제 세계의 진화하는 특성을 반영하지 못한다는 문제점을 지적합니다. EvoArena는 터미널, 소프트웨어, 사회적 도메인 전반에 걸쳐 지속적인 진화를 도입하며, 성능 저하 문제를 해결하기 위해 패치 기반 메모리 래퍼인 EvoMem을 제안합니다.
6월 14일0
X요약
MiniMax MaxProof, 수학 올림피아드에서 인간 금메달 기준 초과 달성
MiniMax MaxProof는 개체군 수준의 테스트 시간 스케일링 프레임워크로, 수학 올림피아드에서 인간 금메달 기준을 초과하는 높은 점수를 달성했습니다. 또한 MiniMax는 109B 모델에 대한 블록 단위 희소 어텐션(Blockwise sparse attention) MSA를 공개하여, 1M 토큰 컨텍스트에서 어텐션 연산량을 크게 줄였습니다.
6월 14일0
X요약
WeaveBench
Microsoft Research Asia가 에이전트의 실제 사용 환경을 반영한 114개의 장기 지평 과제 기반의 WeaveBench를 공개했습니다. 이 벤치마크는 기존 모델들이 결과만으로 평가받아 성능을 과대평가하는 문제를 해결하기 위해, 모든 단계를 감사하는 '궤적 인지형 심사관'을 사용합니다.
6월 14일0
X요약
FORT-Searcher
FORT-Searcher는 심층 검색 에이전트를 훈련하기 위한 새로운 프레임워크입니다. 이 프레임워크는 데이터 합성 과정에서 네 가지 주요 위험을 제어하여, 모델이 답변을 생성하기 전에 더 오래 검색하도록 강제하는 것이 특징입니다.
6월 14일0
X요약
FlashMemory-DeepSeek-V4
Lookahead Sparse Attention을 적용하여 500K 컨텍스트 길이에서 KV 캐시를 90% 이상 절감하는 기술이 소개되었습니다. 이 방법은 모델 크기를 단지 13.5%로 압축하면서도 RULER, LongBench-v2, 그리고 LongMemEval 등 주요 평가 지표에서의 정확도를 유지하거나 개선함을 보여줍니다.
6월 14일0
X요약
LabVLA: 과학 실험실 환경에서 VLA 모델 접지(Grounding)
LabVLA는 16가지 로봇 유형에 걸친 10K개 이상의 실험실 장면을 기반으로 구축되었으며, Qwen3-VL 백본과 DiT flow-matching 전문가를 결합했습니다. 이를 통해 LabUtopia에서 71.1%의 성공률을 달성하고 실제 Franka 로봇으로 전이(transfer)할 수 있는 성능을 보여주었습니다.
6월 14일0
X요약
TRL-Bench: 표 형식 인코더를 공정하게 비교하다
TRL-Bench는 20개의 이질적인 인코더들을 하나의 공유 인터페이스를 통해 비교 가능한 임베딩 모델로 변환하는 통합 벤치마크입니다. 총 16개 태스크와 87개의 데이터셋을 사용하여 다양한 인코더들의 성능을 공정하게 측정합니다.
6월 14일0
X요약
ResearchClawBench
ResearchClawBench는 AI 에이전트의 종단 간(end-to-end) 자율 연구 능력을 측정하는 벤치마크입니다. 이 벤치마크는 10개 도메인에 걸쳐 40개의 실제 과제를 제공하며, 원시 데이터만으로 과학적 발견을 재현할 수 있는지 테스트합니다. 현재 최상위 에이전트들의 평균 점수는 100점 만점에 21.5점에 그쳤습니다.
6월 13일0
X요약
상상적 지각 토큰 (Imaginative Perception Tokens)
UW, OpenAI 등은 VLM의 공간 추론 능력을 향상시키기 위해 '상상적 지각 토큰(Imaginative Perception Tokens)'을 개발했습니다. 이 토큰은 관점 취하기와 경로 추적 등의 시각적 관점을 텍스트 기반으로 상상하게 합니다. 또한, NVIDIA는 코드를 액션 인터페이스로 활용하는 트레이닝 불필요 공간 추론 에이전트인 SpatialClaw를 공개하며 VLM의 성능을 개선했습니다.
6월 13일0
X요약
MiniMax, 백만 토큰 컨텍스트용 MSA 공개
MiniMax가 백만 토큰 컨텍스트 처리를 위한 MSA(Multi-Query Attention)를 공개했습니다. 이 기술은 Index Branch에서 Top-k KV 블록을 선택하고, Main Branch에서 해당 블록에만 어텐션을 수행하는 방식으로 작동합니다.
6월 12일0
X요약
Robust-U1이 멀티모달 LLM에 시각적 자가 복구 기능을 제공합니다
ICML 연구에서 발표된 Robust-U1은 멀티모달 LLM에 시각적 자가 복구 기능을 제공합니다. 이 모델은 지도 학습, 강화학습(RL), 그리고 두 보기 간의 공동 추론을 활용하여 손상되거나 가려진 이미지 영역의 픽셀과 의미를 스스로 복원하도록 훈련되었습니다.
6월 12일0
X요약
InterleaveThinker
InterleaveThinker는 다중 에이전트 파이프라인을 활용하여 모든 이미지 생성기를 텍스트-이미지 시퀀스 마스터로 변환합니다. Planner와 critic 에이전트가 협력하며 단계별 지침 개선을 통해, UEval 및 WISE 점수를 크게 향상시키는 성능을 보여주었습니다.
6월 12일0
X요약
시각적 생성을 위한 스칼라 보상 그 이상
Alibaba가 Z-Reward 프레임워크를 공개했습니다. 이 프레임워크는 27B 교사 모델과 9B 학생 모델을 활용하여 추론(reasoning)을 점수 분포로 내재화합니다. 이를 통해 무거운 추론 비용 없이도 텍스트-이미지 모델의 인간 선호도를 최대 41.3%까지 향상시킬 수 있습니다.
6월 12일0
X요약
Microsoft Research, Arbor 소개
Microsoft Research가 범용 자율 연구 에이전트인 Arbor를 공개했습니다. 이 에이전트는 지속적인 가설 트리 정제 방식을 통해 장기 탐색을 누적 학습으로 전환하는 것이 특징입니다. 6가지 연구 과제에서 Codex와 Claude Code를 능가하며 높은 성능을 입증했습니다.
6월 12일0
X요약
LLM을 위한 에이전트 환경 공학 개요
본 기사는 환경 모델링, 합성, 평가 및 응용에 대한 체계적인 검토를 통해 LLM 기반 에이전트의 진화 과정을 탐구합니다. 상호작용하는 환경을 이해하고 활용하는 것이 에이전트 시스템 구축에 핵심임을 강조합니다.
6월 11일0