연구자료실

설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.

연구자료 검색

새 논문 요약

요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.

  1. 1030LLMs / NLP

    TTPO: Test-Time Policy Optimization

    • 경쟁급 난제에서 가짜 정답이 85% 틀려도, 반대한 롤아웃의 79%는 실제로 틀렸다는 비대칭 구조를 발견했다.
    • 이 비대칭을 이용해 동의 롤아웃은 증류, 반대 롤아웃은 그룹 RL 페널티로 처리하는 TTPO를 만들었다.
    • 라벨 전혀 없이 5개 경쟁급 벤치마크에서 라벨 기반 학습(OPSD)과 동등 이상 성능을 냈다.
    • 순수 테스트타임 학습 설정에서 Qwen3-1.7B 정확도를 38.0%에서 45.2%로 올렸다.
    • 사고모드(긴 추론) 없이도 25.2~36.4%p 오르고, 한 벤치마크 학습이 다른 벤치마크로 일반화됐다.
  2. 1029Computer Vision

    LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics

    • EMA 타깃 인코더, 스톱그래디언트, 프레딕터 없이 단일 인코더만으로 영상 표현 학습을 해냈다.
    • 토큰 95%를 무작위로 버렸더니 ImageNet 정확도가 33.9%에서 47.6%로 오히려 올라갔다.
    • 동일 데이터·동일 에포크에서 V-JEPA 2 대비 총 사전학습 연산 5.6~20.8배를 절약하며 성능 동등 이상을 달성했다.
    • 같은 연산 예산에서는 최강 영상 베이스라인보다 ImageNet-1K에서 7.6점 앞섰다.
    • 블록-인과 어텐션으로 학습해 새 프레임이 오면 일정한 비용으로 표현을 확장할 수 있다(스트리밍·월드모델 친화적).
  3. 1028LLMs / NLP

    Prefix Sliding for efficient test-time scaling

    • 어텐션 분석으로 중간 추론 토큰은 빠르게 중요도를 잃고 프리픽스와 최근 토큰만 중요하다는 사실을 보였다.
    • 학습 없이 기존 모델(Qwen3)에 적용해 성능 유지와 3배 빠른 추론을 달성했다.
    • RL 학습과 결합해 10만 토큰을 넘는 추론으로 학습할 수 있게 해, 긴 롤아웃을 버리던 문제를 해결했다.
    • 중간 토큰 요약이나 단순 슬라이딩 윈도우 같은 대안보다 성능과 속도 모두 우위를 확인했다.
    • 코딩 벤치마크(LiveCodeBench)처럼 초반 코드를 오래 기억해야 하는 과제는 큰 윈도우(16384)가 필요하다는 한계도 밝혔다.
  4. 1027AI / General

    Accelerating Scientific Research with Gemini in the Real-World

    • CVD 합성 장비와 연동해 무해한 전구체로 MXene 합성 경로를 설계했고, 단층 MoS2·MoSe2·WS2를 한 번의 시도로 성장시켰다.
    • 대장균 군집 형태 예측 에이전트를 만들어 미공개 웻랩(습식실험) 측정값과 정량적으로 일치하는 결과를 냈다.
    • 의료 응답 에이전트를 완전 자율 설계해 HealthBench Hard/Professional에서 프런티어 모델 6개를 능가했다.
    • 30명 전문가·450회 이중맹검 검토로 생성 논문의 환각과 표절을 줄이는 신뢰성 모듈의 효과를 입증했다.
    • 도메인별로 인간-AI 협업 수준을 조절하는 적응형 자율성이 폐쇄 루프 연구의 핵심 설계 축임을 보였다.
  5. 1026Computer Vision

    AdaVDR: Adaptive Tool Use and Reflection for Video Deep Research

    • 질문·영상 유형별로 최적 도구 조합이 다름을 문제 삼고, 모델이 자기 능력과 내부 지식을 보고 도구 호출을 건너뛰게 했다.
    • 대상 모델이 도구 없이도 답할 수 있는 호출을 학습 궤적에서 제거하는 '모델 조건부 도구 필요성 필터링'을 제안했다.
    • 엔티티·이벤트 중심 질문 250개, 7개 도메인을 아우르는 VDR-EE 벤치마크와 학습 데이터를 구축해 공개했다.
    • 평가한 오픈소스 모델 중 최고 성능을 냈고, VideoDR에서도 베이스 대비 큰 향상을 보였다.
    • 중복 인지 보상 RL로 정확도(51%)를 유지한 채 평균 도구 호출을 7.84번에서 6.80번으로 줄였다.
  6. 1025AI / General

    Meta$^n$: Recursive Self-Improvement through Emergent Depth

    • 기존 자기개선 시스템은 개선 메커니즘 자체가 고정돼 실현 메타 깊이가 약 2를 못 넘는다고 진단했다.
    • 고정된 메타 연산을 자기 출력에 재귀 적용하고, 깊이는 수렴할 때까지(실제로 3~6층) 스스로 정한다.
    • 층 사이 맥락 전달이 재귀 이득의 약 72%, 호출 가능한 코드 라이브러리가 약 15%를 차지한다는 이득 분해를 제시했다.
    • ARC-AGI-2 홀드아웃에서 메타 스택이 0.331로 유일하게 바닥을 벗어났다(Godel Agent·OpenEvolve는 0점).
    • 재귀를 제거하면 CO-Bench 검증 점수가 0.845에서 0.714로 떨어져(+0.131) 재귀 자체의 효과를 분리 확인했다.
  7. 1024Robotics

    $R^3$: Training Robots to Reason in Natural Language via Reinforcement Learning

    • 언어 추론을 학습 보조 신호로만 쓰던 기존 방식과 달리, 테스트타임에 추론을 실제로 생성해 하위 정책을 조종하게 했다.
    • 1단계는 전문가 추론가의 흔적(성공·실패 무관)으로 추론 스타일을 초기화하고, 2단계는 VLM 심판의 루브릭 보상으로 오프라인 RL(Dr. GRPO)을 돌린다.
    • 식료품 포장 12개 홀드아웃 과제에서 평균 성공률 47.9%로 지시만 쓰는 모방학습(38.0%)을 이겼다.
    • 학습된 추론자는 대안 비교, 불확실할 때 장면 재관찰, 점진적 단계 선택 같은 신중한 행동 지향 추론을 보였다.
    • 추론 예산을 조절하는 개입 실험으로 추론이 성능에 인과적으로 기여함을 확인했다.
  8. 1023LLMs / NLP

    JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution

    • 에이전트 능력을 모델과 하네스의 결합 결과로 보고, 미리 고정한 하네스 대신 과제마다 즉석 생성하는 JIT 방식을 제안했다.
    • 하네스를 메모리·계획·행동·역량의 네 모듈로 나눈 실행 가능한 코드로 표현해 생성과 수리, 진화가 가능하게 했다.
    • 과제 맞춤 학습과 실패 복구 학습, 성과가 더 좋은 하네스를 축적하는 Evo-GDPO를 결합해 생성 모델을 훈련했다.
    • DeepSeek-V4-Flash는 두 벤치마크에서 GPT-5.6을 9.1점과 4.3점 앞섰고, GLM-5.2도 과제에 따라 최대 20.2점 향상됐다.
    • 전체 실행 틀을 즉석에서 바꾸는 방식은 운영 환경의 안정성과 검증 문제가 남아 있어, 저자들도 안정된 핵심부와 검증 가능한 부분 수정 방식을 후속 과제로 제시했다.
  9. 1022Robotics

    One Policy, Many Embodiments: Unified Camera-Centric Action Geometry Pre-training for Heterogeneous Embodied Manipulation

    • 로봇·시뮬레이션·사람 손 데이터를 하나의 카메라 중심 동작 공간으로 정렬해 통합 사전학습했다.
    • 사람 시연 2,340시간을 리타게팅·영상 합성 없이 '인간이라는 몸체'로 직접 학습에 넣었다.
    • 단일 체크포인트로 LIBERO 98.3%, RoboTwin Easy/Hard 88.7%/89.2%, LIBERO-Plus 제로샷 82.0%를 달성했다.
    • 실제 로봇에서 빵 집기 60%·서랍 열기 90%·그릇 쌓기 75%로 같은 조건의 pi0.5(20/85/65%)를 이겼다.
    • 카메라 보정·깊이 추정 오차가 그대로 전파되고 몸체 간 이전(ALOHA에서 ARX 35%)은 여전히 어렵다는 한계도 밝혔다.
  10. 1021Computer Vision

    AdaptiveEmbed: Sample-Adaptive Multi-Vector Representation for Multimodal Retrieval

    • 샘플마다 최적 벡터 수가 1개부터 8개까지 제각각이라는 관츬으로 문제를 제기했다.
    • 다중 그룹 대조 학습(MGCL)으로 후보 벡터를 만들고, 효용 정책 최적화(UPO)로 샘플별 벡터 수를 결정한다.
    • COCO에서 평균 2.1 벡터로 8개 방향 중 6개에서 최고 성능을 냈고, 54.6만 개 갤러리 OpenImages 제로샷에서도 리드했다.
    • 비디오·오디오 검색에서도 평균 1.9 벡터로 고정 예산 방식을 이겨 모달리티 무관함을 보였다.
    • 오라클(정답 배분)은 비슷한 평균 예산에서 평균 61.0 mAP까지 가능해서, 적응 배분 자체의 잠재력이 크다고 본다.
  11. 1020Computer Vision

    VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning

    • VLM-as-a-judge 평가가 숫자 세기 오류·미세 근거 무시·규칙 오독 같은 실패를 반복함을 확인하고, 결정적 규칙 기반 스코어로 대체했다.
    • 300개 절차 생성 과제로 훈련한 모델이 RISE-Video, MME-CoF-Pro 등 외부 벤치마크 7곳에서 대폭 전이됐다(자주 +20%p 이상).
    • 이득이 지시 패턴 암기가 아니라 진짜 시각 추론 때문인지 최근접 이웃·반사실 진단 실험으로 검증했다.
    • 이미지·비디오·인터리브 생성기 30여 개를 같은 과제 분포로 비교해, 시공간 상태 추적엔 비디오가, 계산 효율엔 인터리브가 유리함을 밝혔다.
    • 검증 보상으로 RL을 돌리자 미로 탐색 점수가 0.2249에서 0.8692로 뛰고, 중간 답을 스스로 고치는 자기수정도 관찰됐다.
  12. 1019Computer Vision

    Visual General Intelligence: A White Paper

    • 여러 연구자의 관점을 모아 언어보다 훨씬 오래된 시각 경험이 일반 지능으로 가는 독자적인 출발점이 될 수 있는지 검토했다.
    • 대규모 생성 학습과 미래 예측, 공간 기억, 지속 학습, 능동 지각, 몸을 통한 상호작용을 시각 지능의 후보 경로로 제시했다.
    • 평가는 고정 과제 점수를 넘어 새로운 상황으로의 전이, 지속 적응, 창의성, 물리적 일관성, 능동적 정보 탐색을 봐야 한다고 주장했다.
    • 비전 단독과 비전 우선, 언어 결합 등 여러 경로를 열어 두고 시각 일반 지능을 하나의 모델이나 정의로 성급히 고정하지 말자고 결론지었다.
    • 이 연구는 새 모델이나 통합 실험을 제시한 논문이 아니라 연구 의제를 정리한 백서이며, 현재의 시각 능력도 서로 분절돼 있고 계산 비용과 시간 범위의 한계가 있다.
  13. 1018Robotics

    Zero-WAM: In-Context World-Action Modeling from Human Videos for Open-Ended Task Generalization

    • 언어 지시는 공간 제약이나 중간 상태를 담기 어려워서, 사람 시연 영상을 작업 지시 인터페이스로 채택했다.
    • 로봇 궤적에서 의미가 일치하는 사람 영상을 자동 생성하는 파이프라인으로 HumanGen 7.42만 쌍(8,600 작업)을 만들었다.
    • 기존 작업 지식의 지름길에 기대지 않게 미래 구간 예측(IFP) 목표를 추가해 모델이 영상 프롬프트를 강제로 참고하게 했다.
    • RoboTwin 2.0에서 못 본 작업 7개 평균 성공률 47.0%로 최강 베이스라인(LingBot-VA) 대비 +29.5%p를 기록했다.
    • 실제 로봇에서도 다중 물체·장기 과제·정밀 삽입 같은 못 본 구성에서 영상 지시를 잘 따라갔다.
  14. 1017Computer Vision

    Code World Model: Coding Agent as World Brain

    • 비디오만으로 배우는 기존 세계 모델은 '왜 그렇게 되는지'라는 규칙을 못 배우고 결과 장면만 흉내 낸다고 진단했다.
    • 코딩 에이전트(뇌)는 드물게 복잡한 결정만 내리고, 코드는 자주 반복되는 상태 갱신을 빠르게 처리하는 이중 구조로 역할을 나눴다.
    • 게임플레이 157개 테이크(약 5.6시간)에서 9,420개 클립을 뽑어 MiniMax-H3를 LoRA로 파인튜닝했다(훈련 파라미터 약 5.96억 개).
    • 프록시 조건 해상도는 출력의 1/16 수준이라 추가 추론 부담이 거의 없다고 밝혔다.
    • 학습 규모가 작고 실시간 생성도 안 되며, 코딩 에이전트가 복잡한 게임 메커니즘을 처음부터 만들긴 아직 어렵다고 한계를 인정했다.
  15. 1016Computer Vision

    LeFlow: Generative Latent Flow Planning for World Models

    • LeFlow는 고정된 잠재 세계 모델 위에서 현재 상태와 목표를 잇는 재사용 가능한 잠재 경로를 정류 흐름 모델로 생성한다.
    • 생성된 잠재 전이는 역동역학 디코더가 행동 묶음으로 바꾸고, 세계 모델의 자기회귀 롤아웃이 정해진 수의 후보를 검증해 고른다.
    • 네 가지 목표 조건부 픽셀 제어 벤치마크에서 반복적인 행동 공간 최적화보다 성공률이 꾸준히 높았고 계획 시간은 대략 10배 줄었다.
    • 이 방식은 세계 모델을 단순 예측기로만 쓰지 않고 여러 상태와 목표에 재사용할 수 있는 빠른 계획기로 확장한다는 적용 의미가 있다.
    • 현재 방법은 짧고 고정된 계획 구간에 머물며, 긴 구간에서는 생성 문제가 커지고 고정된 예측기의 롤아웃 오차가 누적되는 한계가 있다.
  16. 1015Computer Vision

    WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report

    • 텍스트·이미지·영상·문서·섞인 입력을 한 모델로 임베딩하고, 출력 차원도 64~2048까지 자유롭게 뽑을 수 있다.
    • 9B 모델이 MMEB-v2 종합 80.6점으로 오픈소스·상용 모델 전체 1위를 기록했다(2026-08-24 기준).
    • 2B 소형 모델만으로도 기존 최고 성능 8B 오픈소스 모델을 앞질러 효율성을 입증했다.
    • 위챗 채널·공식계정·모멘트·커머스 검색·추천에 실배치되고 14건 A/B 테스트에서 일관된 향상을 냈다.
    • 256차원으로 축소해도 2,048차원 대비 98.7% 성능을 유지해 저장·속도 부담을 크게 줄였다.
  17. 1014Robotics

    GaussianWAM: Distilling Geometry and Semantics from 3D Gaussian Fields into World-Action Models

    • 미래 영상 예측만 하던 WAM 표현에 3D 가우시안 장을 매개로 깊이·의미·커버리지 감독을 공간적으로 정렬해 넣었다.
    • 학습에만 쓰는 교사라 추론 파이프라인과 계산 비용이 그대로여서 실서비스 부담 없이 쓸 수 있다.
    • LIBERO-Plus에서 FastWAM 52.05%→71.29%, Cosmos Policy 71.52%→77.30%로 올렸다.
    • 교사 신호를 가우시안 장으로 통합한 게 효과가 있었다. 그냥 직접 증류(69.37%)보다 1.9점 더 높았다.
    • 실제 양팔 로봇(UR7e 두 대) 실험에서도 평균 성공률을 30.00%에서 40.00%로 올렸다.
  18. 1013AI / General

    Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

    • 검증된 현재 과제 상태를 작업 기억에 유지하고, 그 상태를 기준으로 경험 기억에서 필요한 스킬을 찾게 해 긴 대화 기록의 잡음을 줄였다.
    • 실행 흔적으로 실패 위치를 기억 구성 요소까지 좁힌 뒤 해당 부분만 고치고, 검증을 통과한 수정만 반영하는 재귀 개선 고리를 만들었다.
    • 네 장기 과제와 열 개 모델의 완료된 37개 조합 중 35개가 향상됐고, 최고 성능 모델도 15~18점가량 올라 최대 성공률 87.9%에 도달했다.
    • 과제가 길수록 이득이 커져 가장 긴 구간에서 32.2점 향상됐고, 대표적인 장기 과제 실패 유형은 최대 80% 이상 줄었다.
    • 다만 실패 위치 표시는 엄밀한 인과 판정이 아니라 가장 고치기 좋은 부분을 고르는 결정이며, 일부 검사기 구성 요소는 효과가 없던 과제 때문에 충분히 검증되지 않았다.
  19. 1012Machine Learning

    Effective Learning Rate Governs Loss Dynamics in Language Model Pretraining

    • 학습률과 파라미터 크기를 각각 튜닝할 게 아니라, 비율인 ELR 시간표를 먼저 설계하라는 새 관점을 제시했다.
    • ELR만 맞추면 옵티마이저·아키텍처·데이터·모델 크기가 달라도 손실 곡선이 거의 일치했다(평균 오차 10^-3 수준).
    • 웨이트 데케이와 하이퍼볼(파라미터를 정해진 크기로 묶는 기법)의 손실 영향도 각각 만드는 ELR 시간표로 설명됐다.
    • ELR 기반 스케일링 로우는 크기 제어 방식이 달라도 예측이 통했다. 학습률 기반으로 두면 예측 오차가 12.9배 커졌다.
    • 이 법칙이 정확히 성립하는 조건(정규화 설계, 변화 속도)도 조건별 실험으로 짚어냈다.
  20. 1011Robotics

    Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning

    • WorldEcho는 시연 행동에 더해 다른 상태 재생, 국소 변형, 정책 롤아웃, 실행 가능 공간 표집이라는 네 가지 비전문가 행동 질의로 세계 모델을 찔러 본다.
    • WorldSync는 행동 결과의 분포를 넓히고, Action-Forcing Expert로 중간 영상 표현을 로봇 움직임에 붙들어 매고, 행동을 바꿨을 때의 변화가 실제 미래의 변화와 맞도록 정렬한다.
    • RoboTwin 50개 과제에서 WorldSync는 시각 무결성을 반영한 오차 0.0661로 가장 낮았고 영상 통과율 84.51%로 가장 높았다.
    • 이 모델을 학습된 시뮬레이터로 써서 정책을 두 번 개선하자 시뮬레이션 성공률이 51~52%에서 65%로, 실제 로봇 컵 쌓기는 48%에서 68%로 올라 비교 대상 CtrlWorld보다 각각 8~9점과 12점 앞섰다.
    • 다만 개별 지표를 따로 보면 우위가 고르지 않아 원시 NDTW는 Cosmos-Predict2.5가 0.013으로 더 좋았고, 저자들도 긴 시간에 걸친 상호작용과 여러 로봇 몸체까지 넓히는 일은 아직 과제로 남는다고 밝혔다.
  21. 1010Computer Vision

    Game2World Engine: Unlocking In-the-Wild Gameplay Videos for World Model Training

    • 실제 게임 영상에서 인터페이스 조각을 자동으로 뽑아 사람이 확인한 자산 5,132개를 모으고, 이를 깨끗한 영상 위에 시간 흐름이 자연스럽게 다시 얹어 짝지어진 학습 데이터를 합성했다.
    • GameCleaner는 멀티모달 언어 모델이 화면 표시를 알아보고 영상 확산 트랜스포머가 가려진 부분을 복원하는 구조라, 지울 영역을 미리 그려주지 않아도 된다.
    • 합성 평가에서 AAR 95.36과 배경 보존 99.00을, 실제 게임 영상 평가에서는 참조 이미지를 준 조건으로 AAR 80.05와 배경 보존 99.80을 기록했다.
    • 화면 표시를 지운 영상으로 학습하면 VideoReward 종합이 6.83% 올라, 인터넷에 널린 게임 영상을 세계 모델 학습 자료로 재활용할 길이 열린다.
    • 다만 저자들은 크고 불투명한 창이나 빠르게 바뀌는 겹침 요소, 장면과 뒤엉킨 표시에서는 복원이 어긋날 수 있고, 후속 실험도 행동 조건 없이 글로 영상을 만드는 대리 실험이었다고 밝혔다.
  22. 1009Machine Learning

    On-policy Distillation with Verifiable Reward

    • 표본 토큰 증류의 숨은 보상을 궤적 정답 여부로 다시 쓰고, 맞은 궤적에는 음이 아닌 보상만, 틀린 궤적에는 양이 아닌 보상만 남기는 ReLU 게이트를 적용했다.
    • Qwen3-4B 같은 구조 설정에서 여섯 벤치마크 평균이 49.1로 기존 증류의 47.8을 넘었고, AIME24에서는 36.9로 교사 모델의 36.0보다도 높았다.
    • 게이트 방향을 반대로 뒤집은 대조 실험은 여섯 벤치마크 모두에서 기본 증류보다 낮아, 부호를 정답에 맞추는 것이 효과의 원인임을 보였다.
    • 하이퍼파라미터를 새로 늘리지 않고 GRPO 같은 기존 정책 경사 알고리즘에 그대로 얹을 수 있어, 이미 돌아가는 후학습 파이프라인에 적은 수정으로 넣을 수 있다.
    • 다만 학생 모델이 교사를 따라잡지는 못해 다른 구조 설정에서는 평균 22.8로 교사의 30.9에 크게 못 미쳤고, 실험도 Qwen3 계열 수학 추론 벤치마크에 한정됐다.
  23. 1008Robotics

    Latent Action as Intention Enables Efficient Future Imagination for World Action Models

    • SAM 2가 자동으로 만든 마스크로 손과 조작기 주변을 강조하도록 학습시킨 이산 잠재 행동 토크나이저가 영상의 변화를 압축해 미래 의도를 만든다.
    • 학습할 때는 영상과 잠재 행동과 행동 전문가를 함께 학습시키되, 추론할 때는 미래 영상 가지를 빼고 잠재 의도와 행동 묶음만 함께 잡음 제거한다.
    • RoboCasa 평균 성공률이 소량 데이터에서 65.6%, 전체 데이터에서 80.8%로 같은 조건의 Fast-WAM보다 9.6점과 4.5점 높았고, LIBERO-Plus에서는 추가 학습 없이 74.4%를 기록해 Joint-WAM보다 4.0점 높았다.
    • 행동 묶음 하나당 338.5ms로 Joint-WAM의 593.1ms보다 42.9% 빨라, 지연이 곧 실패로 이어지는 실제 로봇 제어에 쓰기 유리하다.
    • 다만 속도만 보면 미래 상상을 아예 버린 Fast-WAM의 196.5ms보다 여전히 느리고, 행동 정보가 없는 1인칭 영상으로 사전학습을 하지 않으면 잠재 행동 방식이 같은 조건의 Joint-WAM보다 오히려 약했다.
  24. 1007Computer Vision

    On-Policy Self-Distillation in Diffusion Models

    • 얼어붙은 행동 정책이 궤적과 기준점을 만들고, 보상 기울기로 기준점 주변에 크기를 제한한 긍정 목표와 부정 목표를 세운 뒤, 학습 정책이 이를 끊어낸 지도 신호로 따라 학습한다.
    • 목표를 만드는 단계와 그 목표에 실제로 맞춰지는 단계를 갈라놓아, 성능이 안 오를 때 어느 쪽이 문제인지 따로 잴 수 있게 했다.
    • 두 백본과 평가기 10개로 이뤄진 보상 일치 조건 20개 가운데 19개에서 보류 세트 최종 점수가 가장 높았다.
    • DiffusionNFT 대비 갱신 100회당 GPU 시간이 40%와 63% 줄어, 같은 예산으로 이미지 생성 모델을 사람 선호에 맞추는 후학습을 더 자주 돌릴 수 있다.
    • 다만 통제 실험에서 목표를 잘 만들었다고 한 번의 갱신으로 그만큼 얻는 것은 아니어서, HPSv2.1에서는 프롬프트 512개 중 62.3%에서 순서가 뒤집혔다.
  25. 1006Computer Vision

    LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training

    • CommonCrawl 기록에서 유튜브와 비메오와 데일리모션 링크만 걸러 13억 개를 만든 뒤 8,000만 개를 실제로 내려받아 1,000만 영상 시간을 확보했다.
    • 이 가운데 영상 240만 개를 뽑아 장면 전환 기준으로 5,500만 개 조각으로 자르고, Qwen3-VL-2B-Instruct로 영상 설명을, Audio Flamingo 3로 소리 설명을 자동으로 붙였다.
    • 학습 표본 5,000만 개를 본 시점에서 BVD-V-10M과 BVD-V-50M은 더 촘촘히 걸러진 InternVid-10M-FLT보다 종합 평균이 각각 3.3점과 4.0점 높았다.
    • 영상과 소리와 이미지를 한 자리에서 다룰 수 있는 공개 자원이라, 검색이나 표현 학습처럼 임베딩 품질이 중요한 작업에 바로 쓸 만하다.
    • 다만 설명문이 모두 작은 모델로 짧게 자동 생성돼 표현이 빈약하고 모델 편향이 섞일 수 있으며, 실제로 ImageNet 분류 점수는 기존 웹 이미지 데이터보다 낮았다.
  26. 1005AI / General

    AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces

    • 하네스 최적화를 오프라인 학습 문제로 정식화하고, 실패 신호를 받아 반복적으로 패치한다.
    • 얕은 반성이 아니라 깊은 디버깅, 제멋대로 수정이 아니라 구조화된 패치, 일반화 검증이 효과의 핵심이었다.
    • GAIA2에서 72.3%를 약 1,000회 과제 실행으로 달성, 약 2,800회를 쓴 경쟁 기법(64.6%)을 능가했다.
    • 세 벤치마크 모두 기본 하네스 대비 +9.0~10.0%p, 최강 자동 기준선 대비 +4.4~7.4%p 올랐다.
    • 정답이 달린 학습용 과제와 성공 실패 신호가 있어야 작동해 실제 현장에 바로 쓰기 어렵고, 적용 범위도 상태가 이어지지 않는 독립 과제로 한정된다는 한계를 저자들이 밝혔다.
  27. 1004Computer Vision

    Mover360: Controllable Object Manipulation in 360° Panoramic Images

    • 360도 이미지에서 물체 이동을 중심에 두고 삭제·삽입까지 한 모델로 처리한다.
    • 점 클릭 한 번으로 크기·받침·조명을 추론하며, 박스·마스크로 정밀 제어도 가능하다.
    • UE5 파이프라인으로 12,150쌍(에포크당 60,750쌍)의 학습 데이터와 210+50 벤치마크를 만들었다.
    • 합성·실제 두 도메인에서 원근 편집·삽입·인페인팅 강자들을 재현 충실도·의미 일관성 모두 앞섰다.
    • 다만 지시문이 세 가지 작업으로 고정돼 있어서, 물체 속성을 바꾸거나 복잡한 관계를 말로 지정하는 편집은 아직 되지 않는다.
  28. 1003Robotics

    Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models

    • 행동 복제에 그치지 않고 행동의 국소 목적(의도)을 명시적 감독 신호로 증류했다.
    • 교사 추론과 목표 생성은 오프라인에서 한 번만 하고 배포 때는 교사 쪽 모듈을 전부 떼어내, 기존 VLA에 얹어도 실행 부담은 디코더 표현이 늘어난 만큼에 그친다.
    • SimplerEnv-Bridge에서 GR00T-N1.7 64.3%→84.7%(+20.4%p), RoboCasa 64.1%→70.3%를 달성했다.
    • 실기 과제 평균 62.0%→68.7%, 긴 과제에서 최대 +12%p 향상됐다.
    • 다만 의도의 의미가 교사 VLM이 아는 범위에 갇혀서, 신체 경험이 없는 교사를 쓰면 목표에 방향성이 거의 사라지고 성능이 행동만 따라 배우는 기준선보다도 떨어졌다.
  29. 1002Research

    The Cartan determinant conjecture for representation-finite algebras

    • 표현유한 대수가 유한 전역차원을 가지면 카르탕 행렬식이 정확히 1임을 증명했다.
    • 표준성 정리와 메쉬 범주의 경로 길이 등급을 잇는 간결한 논증으로 기존 결과들을 결합했다.
    • End(M) 형태의 확장 정리(Theorem B)도 같은 논증으로 얻었다.
    • 논문의 Use of AI 절에 증명 발견과 초안 작성에 AI가 관여했음을 명시했다.
    • 저자는 이 증명이 표현유한 대수의 구조 이론에 기대고 있으며, 그 이론을 쓰지 않는 증명이 있는지는 자신도 모른다고 적었다.
  30. 1001Computer Vision

    Thinking Beyond Videos: Unifying Video Reasoning and Deep Research for Open-World Video Agents

    • 영상 크롭(구간 확대)·이미지 검색·텍스트 검색·웹 열람을 하나의 탐색 루프로 통합했다.
    • 뉴스나 시연, 다큐멘터리, 강의처럼 영상 속 단서를 영상 밖 지식과 이어야 하는 상황에서, 작은 모델도 모자란 지식을 검색으로 메워 답할 수 있게 된다.
    • 26K 검증 SFT 트레젝토리 + 3K 강화학습 인스턴스를 뽑아내는 자동 데이터 파이프라인을 구축했다.
    • VideoRover-8B-RL은 VideoDR 56.0%로 도구 없는 GPT-5(57.0%)와 대등했다.
    • 다만 외부 검색 도구를 모두 빼면 VideoDR 정확도가 56.0%에서 13.0%로 무너져, 성능이 실시간 웹 검색에 크게 기대고 있음을 보여준다.

연구에서 제품 적용까지

운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.

보유기술 보기