Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
MetaView: 단일 이미지로부터 고화질의 새로운 시점 합성
MetaView는 Kuaishou의 Kolors 팀과 NTU가 공개한 확산 기반 프레임워크입니다. 이 모델은 큰 카메라 회전 하에서도 기하학적으로 일관된 고화질의 새로운 시점 이미지를 합성하는 것을 목표로 합니다.
7월 18일2
XAI 번역요약
AgentCompass
AgentCompass는 LLM/VLM 에이전트의 역량을 통합적으로 평가하기 위한 인프라입니다. 장애 허용 비동기 런타임과 궤적 분석 기능을 통해 다섯 가지 차원에 걸쳐 20개 이상의 다양한 벤치마크를 지원합니다.
7월 18일1
XAI 번역요약
PolicyShiftGuard
PolicyShiftGuard는 고정된 분류 체계가 아닌 활성화된 정책 위반 여부를 판단하는 모델입니다. 동일한 이미지가 다른 정책 하에서 레이블이 바뀔 수 있음을 보여줍니다. 또한, LongStraw는 제한된 GPU 예산으로 긴 시퀀스의 RL 사후 학습을 효율적으로 수행하는 아키텍처를 제시했습니다.
7월 18일1
XAI 번역요약
샤오미 로보틱스, Xiaomi-Robotics-U0 공개
샤오미 로보틱스가 38B 규모의 자기회귀 월드 파운데이션 모델인 Xiaomi-Robotics-U0을 공개했습니다. 이 모델은 텍스트-이미지, 다중 시점 장면 생성, 체화 전이, 비디오 생성을 통합한 것이 특징입니다. World Arena에서 GPT-Image-2.0보다 뛰어난 성능으로 1위를 차지하며 주목받고 있습니다.
7월 18일1
XAI 번역요약
SearchOS-V1
SearchOS-V1은 개방형 영역의 정보 탐색을 위한 시스템 레벨 다중 에이전트 프레임워크입니다. 이 프레임워크는 취약하고 암묵적인 검색 상태를 명시적이고 공유된 상태로 변환하는 것을 목표로 합니다. WideSearch와 GISA에서 높은 F1 지표를 달성하며 성능을 입증했습니다.
7월 17일2
XAI 번역요약
BadWAM
World-action models는 작업 실패 상황에서 적대적으로 이동된 행동을 실행할 때 그럴듯한 미래를 상상하는 능력을 보여줍니다. 이 연구는 모델이 단순히 성공적인 시나리오만 예측하는 것이 아니라, 실패 가능성까지 고려하여 현실적인 세계 모델링을 수행함을 제시합니다.
7월 17일1
XAI 번역요약
LongStraw
LongStraw는 고정된 GPU 예산 제약 하에서 수백만 토큰 규모의 RL(강화학습) 후 학습을 위한 아키텍처 인식 실행 스택입니다. 전체 시퀀스 대신 짧은 응답 브랜치를 재현하여, 단 8개의 H20 GPU로도 210만 위치에 도달할 수 있게 합니다.
7월 17일1
XAI 번역요약
Microsoft가 Hugging Face에 BitNet Embedding 0.6B를 출시했습니다
Microsoft가 Hugging Face에 BitNet Embedding 0.6B라는 새로운 텍스트 임베딩 모델을 공개했습니다. 이 모델은 1.58-bit의 압축된 형태로, MTEB v2에서 높은 점수를 기록했으며, 기존 full-precision 대비 CPU 속도가 2배 빠르다는 장점을 가집니다.
7월 17일1
XAI 번역요약
VideoChat3
VideoChat3는 토큰 효율적인 4B 비디오 MLLM(Multimodal Large Language Model)입니다. 모션, 장편 영상, 시간적 접지 및 라이브 스트리밍 전반에 걸쳐 강력한 성능을 보여줍니다. 이 모델은 Hugging Face를 통해 완전히 공개되었습니다.
7월 17일1
XAI 번역요약
OvisOCR2
OvisOCR2는 페이지 이미지를 Markdown으로 변환하는 0.8B 규모의 엔드투엔드 문서 파서입니다. 이 모델은 OmniDocBench에서 96.58이라는 높은 점수로 최고 성능(state-of-the-art)을 달성하며 뛰어난 성능을 입증했습니다.
7월 17일1
XAI 번역요약
Boogu-Image-0.1: 오픈소스 통합 이미지 생성 및 편집 모델
Boogu-Image-0.1은 Base, Turbo, Edit 변형을 갖춘 오픈소스 이미지 생성 및 편집 모델 패밀리입니다. 이 모델은 2억 8백만 장의 이미지와 약 $400K 컴퓨팅 자원으로 구축되어 클로즈드 소스 시스템에 필적하는 성능을 제공합니다.
7월 16일1
XAI 번역요약
Ring-Zero: 제로 RL을 1조 개 파라미터 규모로 확장하기
본 기사는 강화학습(RL) 분야의 최신 연구 동향을 다루며, 1조 개 파라미터 규모에서 검증 가능한 보상 구현에 성공했음을 강조합니다. 또한, 모델이 자발적으로 고급 인지 행동을 개발하는 사례와 Tencent가 출시한 효율적인 MoE 비전-언어 모델 정보를 제공합니다.
7월 16일0
XAI 번역요약
Blind-Spots-Bench
Blind-Spots-Bench는 인간에게는 쉬운 과제(예: 사지 다섯 개 그리기, 단어 찾기 퍼즐)를 최첨단 AI 모델들에게 노출하여 성능의 취약점을 테스트하는 벤치마크입니다. 이 벤치마크는 AI 모델들이 놓치기 쉬운 '사각지대'를 찾아내는 데 중점을 두고 있습니다.
7월 15일1
XAI 번역요약
Tencent가 Hugging Face에 Hy-Embodied-VLM-1.0을 공개했습니다
Tencent가 Hugging Face에 Hy-Embodied-VLM-1.0을 공개했습니다. 이 모델은 체화된 에이전트를 위한 효율적인 MoE 비전-언어 모델로, 토큰당 3B 파라미터만 활성화하는 것이 특징입니다. 총 38개 벤치마크 중 19개에서 SOTA를 달성하며 높은 성능을 입증했습니다.
7월 15일0
XAI 번역요약
SynthDocBench
ServiceNow이 장문 시각 문서 이해를 위한 합성 벤치마크인 SynthDocBench를 공개했습니다. 이 벤치마크는 문서의 길이, 레이아웃, 모달리티 등을 독립적으로 조절하여 VLM의 실패 원인을 진단할 수 있게 합니다. 또한 Tencent는 체화된 에이전트를 위한 MoE 기반 비전-언어 모델 Hy-Embodied-VLM-1.0을 출시하며 성능을 입증했습니다.
7월 15일1
XAI 번역요약
Tencent가 Hugging Face에 RxBrain을 공개하다
Tencent가 Hugging Face에 RxBrain이라는 새로운 멀티모달 파운데이션 모델을 공개했습니다. 이 모델은 언어 추론, 시각적 상상력, 그리고 세계 상태 예측 능력을 하나의 프레임워크로 통합한 체화된 인지 기반의 모델입니다.
7월 15일1
XAI 번역요약
수정하기 전에 알아두기 (Know Before Fix)
ACQUIRE는 패치 생성 전 저장소 이해 격차를 식별하고 해결하는 QA 기반 프레임워크로, SWE-bench Verified에서 Pass@1을 최대 4.4% 향상시켰습니다. 또한 Tencent가 RxBrain이라는 체화된 인지 기반 멀티모달 모델을 Hugging Face에 출시했습니다.
7월 15일1
XAI 번역요약
AdvancedMathBench
AdvancedMathBench는 학부 및 박사 수준의 수학적 증명 생성 및 검증 능력을 평가하기 위한 벤치마크 스위트입니다. 또한, StudioRecon 논문은 낮은 중첩 카메라만으로 배경과 사람을 분리하여 역동적인 4D 인간 장면을 재구성하는 방법을 제시합니다.
7월 15일1
XAI 번역요약
ByteDance Seed, 생성된 이미지에서 프롬프트를 읽어내는 학습 불필요한 보상(SpectraReward) 출시
ByteDance Seed가 SpectraReward라는 새로운 보상 방식을 공개했습니다. 이 방식은 생성된 이미지 자체에서 사용자의 프롬프트를 역으로 읽어내는 학습 과정 없이도 작동합니다. 이를 통해 별도의 학습이나 선호도 레이블링 작업이 필요 없어 효율적입니다.
7월 15일0
XAI 번역요약
StudioRecon: 배경과 사람을 분리하여 단 4개의 낮은 중첩 카메라만으로 동적 4D 인간 장면 재구성
StudioRecon은 배경과 사람을 분리하여 단 4개의 낮은 중첩 카메라로 역동적인 4D 인간 장면 재구성을 수행합니다. 비디오 확산 모델, SMPL 제약, 그리고 재귀적 모듈이 결합되어 고품질의 동적 장면 복원이 가능함을 보여줍니다.
7월 14일1