Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 451건필터 해제
X요약
Model: https://huggingface.co/microsoft/Phi-Ground-Any… Paper:
이 기술 기사는 Microsoft에서 개발한 Phi-Ground 모델을 소개하며, 이 모델은 특정 도메인이나 작업에 국한되지 않고 광범위하고 일반적인 지식 기반의 추론 능력을 갖추고 있음을 강조합니다. 해당 논문과 허깅페이스 페이지를 통해 사용자는 모델의 구조와 성능을 깊이 있게 이해할 수 있으며, 이를 활용하여 다양한 NLP 애플리케이션에 적용할 수 있습니다.
5월 9일10
X요약
MARBLE
MARBLE은 다중 보상 학습(Multi-Reward Learning)을 위한 통합 프레임워크입니다. 이 방법론은 확산 모델(Diffusion Models)에 대한 여러 개의 보상 특이 정책 기울기들을 하나의 업데이트 방향으로 조화시키는 것이 핵심입니다. 이를 통해 거의 단일한 보상 비용만으로도 동시에 다중 보상을 훈련하는 것을 가능하게 하여, 효율적이고 효과적인 학습을 지원합니다.
5월 8일12
X요약
Paper: https:// huggingface.co/papers/2605.06 507 … Project: https://
MARBLE은 다양한 평가 지표(PickScore, HPSv2, OCR, GenEval 등)에서 발생하는 전문 샘플 문제 및 기울기 충돌 문제를 해결하는 새로운 방법론입니다. 이 기술은 복잡한 수동 단계 스케줄링 과정 없이도 효과적으로 작동하여 모델의 성능을 향상시킵니다.
5월 8일10
X요약
When should robots trust their imagination?
FFDC(Future-Flow Decision Controller)는 World Action Models(WAM)이 미래 현실과의 일관성을 기반으로 예측된 행동을 실행할지 또는 조기에 재계획할지를 적응적으로 결정하게 해주는 경량 검증기입니다. 이 프레임워크는 고정된 청크 단위 실행 방식의 한계를 극복하고, 장기적인 효율성을 유지하면서 로봇 작업의 견고성(robustness)을 향상시킵니다. 그 결과, WAM의 순방향 패스 횟수를 크게 줄이고 실행 시간을 단축하며, 실제 로봇 및 비디오 생성 태스크에서 높은 성공률 개선을 보여줍니다.
5월 8일9
X요약
HERMES++
HERMES++는 3D 장면 이해와 미래 기하학 예측을 단일 프레임워크로 통합한 통합 주행 세계 모델입니다. 이 모델은 두 가지 핵심 작업 모두에서 기존의 전문적인 접근 방식들보다 뛰어난 성능을 보여줍니다. 사용자는 프로젝트 페이지, 코드 저장소, 그리고 논문 링크를 통해 상세 정보를 얻을 수 있습니다.
5월 8일10
X요약
Paper: https://huggingface.co/papers/2605.06
FFDC(Flexible Fine-grained Dynamic Chunking)는 기존의 고정된 청크 실행 방식과 달리 적응형 액션 청킹을 가능하게 하여 장기적인 효율성을 유지하면서 견고성을 향상시킵니다. 이 기술은 WAM(World Action Model)의 순방향 패스 횟수를 69% 줄이고, RoboTwin 환경에서 실행 시간을 34% 단축하는 동시에 성공률을 35% 증가시키는 성능 개선을 보여줍니다.
5월 8일10
X요약
Paper: https://huggingface.co/papers/2605.05163
이 기술 기사는 'PhysForge'라는 프로젝트를 소개하며, 물리 기반의 지식을 활용하여 모델을 훈련하고 추론하는 새로운 접근 방식을 제시합니다. 이 방법은 단순히 데이터 패턴 학습에 의존하는 기존 AI 모델의 한계를 극복하고, 현실 세계의 근본적인 물리 법칙(예: 역학, 열역학)을 통합함으로써 더욱 정확하고 신뢰성 높은 예측을 가능하게 합니다. PhysForge는 특히 과학적 시뮬레이션이나 복잡한 물리 시스템 분석이 필요한 분야에서 강력한 성능을 발휘할 것으로 기대됩니다.
5월 8일13
X릴리즈
ByteDance Seed releases PV-VAE
ByteDance Seed가 부분 컨텍스트를 활용하여 미래 프레임을 재구성하고 예측하는 예측 비디오 VAE(predictive Video VAE)인 PV-VAE를 출시했습니다. 이 모델은 기존 Wan2.2 대비 잠재 확산성을 개선했을 뿐만 아니라, 수렴 속도를 52% 빠르게 하고 FVD 점수를 34.42 향상시키는 성능을 보여주었습니다.
5월 7일14
X릴리즈
ByteDance Seed releases PV-VAE
ByteDance Seed가 예측형 비디오 VAE인 PV-VAE를 출시했습니다. 이 모델은 부분 컨텍스트 학습을 통해 미래 프레임을 재구성하고 예측하는 기능을 제공합니다. 특히, 기존 모델 Wan2.2 대비 잠재 공간 확산성을 개선하고 수렴 속도를 52% 빠르게 하며, FVD 점수를 34.42 포인트 향상시키는 성능을 보여줍니다.
5월 7일14
X요약
X2SAM: Any Segmentation in Images and Videos
X2SAM은 이미지와 비디오에 걸쳐 임의 분할(Any Segmentation) 기능을 확장하는 통합된 멀티모달 대규모 언어 모델(MLLM)입니다. 이 모델은 시간적 일관성을 유지하기 위해 Mask Memory 모듈을 지원하며, 일반적인 분할부터 지시 기반, 추론 및 상호작용 분할에 이르기까지 다양한 유형의 분할 작업을 수행할 수 있습니다.
5월 7일10
X요약
RLDX-1: A Vision-Language-Action model for human-like dexterous manipulation
RLDX-1은 인간과 유사한 정교한 손가락 조작(dexterous manipulation)을 목표로 하는 Vision-Language-Action 모델입니다. 이 모델은 Multi-Stream Action Transformer를 기반으로 운동 인식, 장기 기억, 물리 감지 등 다양한 모달리티 정보를 통합하여 작동합니다. ALLEX 작업에서 86.8%의 높은 성능을 달성하며 기존 모델 대비 상당한 개선을 보여주었습니다.
5월 7일16
X요약
Project page: https:// stream-r1.github.io Paper: https://
이 프로젝트는 Stream-R1이라는 모델을 소개하며, 관련 정보와 논문, 그리고 실제 모델 파일에 대한 링크를 제공합니다. 이 구조는 사용자가 프로젝트의 전반적인 개요(Project page), 학술적 배경(Paper), 그리고 실제로 사용할 수 있는 구현체(Model) 세 가지 핵심 자원을 한 곳에서 쉽게 접근할 수 있도록 구성되어 있습니다.
5월 7일21
X요약
Paper: https://huggingface.co/papers/2605.03269… Collection:
제공된 정보는 특정 논문(https://huggingface.co/papers/2605.03269…)과 관련 컬렉션(https://huggingface.co/collections/RLWRLD/rldx-1…)에 대한 기술적 성능 보고서입니다. 핵심 내용은 해당 모델 또는 시스템이 RTX 5090 GPU에서 실시간 추론을 수행했을 때 스텝당 43.7ms, 즉 22Hz 이상의 높은 프레임 속도를 달성했다는 것입니다. 이는 효율적인 최적화가 이루어졌음을 시사합니다.
5월 7일14
X요약
Stream-R1: Reward-guided distillation for streaming video generation
Stream-R1은 보상 유도 증류(Reward-guided distillation) 기법을 사용하여 스트리밍 비디오 생성의 품질과 효율성을 높인 연구입니다. 이 모델은 각 픽셀에 균등한 가중치를 부여하는 대신, 프레임 간 상호 신뢰도와 공간-시간적 내부 퍼플렉시티를 활용하여 단일 보상 모델로 가중치를 재분배합니다. 그 결과, 기존의 Wan2.1 교사 모델을 초과하는 성능으로 23.1 FPS 이상의 고속 스트리밍 비디오 생성이 가능함을 보여줍니다.
5월 7일18
X요약
Paper: https://huggingface.co/papers/2605.05 185 … Collection: https://huggingface.co/OpenSearch-VL Code: https://github.com/shawn0728/Open Search-VL
제공된 정보는 특정 논문(https://huggingface.co/papers/2605.05 185…)과 이를 활용한 오픈소스 코드 저장소(github.com/shawn0728/Open Search-VL)에 대한 링크 모음입니다. 이 자료들은 'OpenSearch-VL'이라는 프로젝트와 관련되어 있으며, 이는 아마도 시각 언어 모델(Vision-Language Model, VL)과 검색 기능을 결합한 시스템일 것으로 추정됩니다. 사용자는 해당 논문과 코드를 통해 최신 연구 동향을 파악하고 실제 구현에 활용할 수 있습니다.
5월 7일16
X요약
OpenSearch-VL: An Open Recipe for Frontier Multimodal Search Agents
OpenSearch-VL은 완전 오픈소스 프레임워크로, 최첨단 멀티모달 검색 에이전트(Multimodal Search Agents)를 훈련할 수 있도록 설계되었습니다. 이 프레임워크는 Agentic RL(강화학습)을 활용하여 커리큘럼 데이터셋 제공, 통합 도구 환경 구축, 그리고 연쇄 실패 처리를 위한 Fatal-aware GRPO 등의 고급 기능을 지원합니다. 이를 통해 다양한 성능 향상을 입증하며 강력한 검색 에이전트 개발의 표준 레시피를 제시합니다.
5월 7일15
X요약
Project: https://stream-t1.github.io Paper:
이 기술 기사는 'Stream-T1'이라는 프로젝트를 소개하며, 관련 논문과 코드를 제공합니다. Stream-T1은 특정 분야의 최신 AI 모델 또는 시스템을 다루는 것으로 보이며, 사용자는 공식 웹사이트(Project), 학술 논문(Paper), 그리고 구현 코드(Code) 세 가지 주요 리소스를 통해 이 기술에 접근할 수 있습니다.
5월 7일18
X요약
Stream-T1: Test-Time Scaling for Streaming Video Generation
Stream-T1은 스트리밍 비디오 생성에 테스트 타임 스케일링(Test-Time Scaling)을 도입한 프레임워크입니다. 이 기술은 계산 오버헤드를 낮추면서도 5초에서 최대 30초까지의 긴 길이 영상을 생성할 수 있게 합니다. 특히, 청크 레벨 합성(chunk-level synthesis)과 노이즈 전파 및 보상 같은 세 가지 새로운 메커니즘을 활용하여 효율성과 품질을 동시에 개선했습니다.
5월 7일17
X요약
OpenSeeker-v2: 단순 감독 학습으로 중공업 파이프라인을 압도
OpenSeeker-v2는 단지 감독 학습(supervised learning)만을 사용하여 중공업 파이프라인을 능가하는 성능을 보여주는 학술 프로젝트입니다. 이 모델은 단 10.6K개의 예제만으로 훈련되었음에도 불구하고, BrowseComp, Humanity's Last Exam, xbench와 같은 주요 벤치마크에서 알리바바의 Tongyi DeepResearch를 포함한 기존 시스템들을 압도하는 성능을 입증했습니다.
5월 6일13
X요약
HeavySkill: 에이전트 하네스 내의 무거운 사고 (Heavy Thinking)
HeavySkill은 복잡한 추론 과정을 병렬 궤도 생성과 순차적 성찰로 분해하여, 기존의 Best-of-N 전략을 능가하는 새로운 테스트 시간 스케일링 기법입니다. 이 방법은 Pass@N 성능에 근접하면서도 효율적인 방식으로 모델의 추론 능력을 평가할 수 있게 합니다.
5월 6일5