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.
- 730Computer Vision
Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
- CFG 합성만 맞추는 OPD는 가지 수준에서 정체가 안 잡혀 오차가 상쇄된다.
- 교사 음수 가지의 특권 정보가 음수 가지 비대칭(NBA) 실패를 일으킨다.
- PDM은 양수 예측과 CFG 방향(양수 빼기 음수)을 따로 제약해 상쇄를 막는다.
- 가이던스 스케일이 바뀌면 기본 방식은 무너지고 PDM은 안정적이다.
- 방향 가중치와 감독 상태 수를 조절해 정확도와 효율의 최적점을 찾았다.
- 포즈, 깊이, 스크리블 밀집 대 희소 영상 제어에서 제어 충실도를 개선했다.
- 729Computer Vision
FilmBench: A Film-Grade Benchmark for Cinematic Video Generation
- 전문 감독이 수상작 영화 장면에서 역설계한 프롬프트 1,169개를 구축했으며 이 가운데 1,056개가 다중 샷이다.
- 촬영 언어를 3개 축, 12개 요소, T2V용 35개 세부 지표와 R2V 전용 3개 지표로 나눠 평가한다.
- FilmOps 자동 평가기는 9개 T2V와 7개 R2V 모델의 사람 순위를 각각 스피어만 상관계수 0.95와 0.96으로 재현했다.
- 기존 웹 영상 중심 평가가 놓친 동적 미학과 다중 샷 연속성을 영화 제작 기준으로 비교할 수 있게 한다.
- 다만 영화와 전문 영상 제작에 맞춘 벤치마크라서 세로형 짧은 영상이나 일반 사용자 제작 영상의 성능을 그대로 대표하지는 않는다.
- 728Robotics
Data Pyramid for Embodied Manipulation
- 임바디드 조작 데이터를 실로봇, UMI 방식, 1·3인칭 영상, 시뮬레이션, 일반 시각·언어 데이터의 다섯 소스로 정리했다.
- 각 소스를 확장성과 로봇 정합성의 긴장 관계 위에 놓고 품질, 다양성, 재사용성, 물리 충실도로 비교했다.
- 임바디드 브레인, VLA, 월드액션 모델이 사전학습에서 여러 데이터 소스를 선택하고 섞는 방식을 분석했다.
- 이 분류는 로봇 연구자가 목표 능력과 수집 비용에 맞춰 데이터 조합을 설계하는 참고 틀로 쓸 수 있다.
- 대규모 촉각 데이터, 실패와 복구 기록, 서로 다른 로봇 간 행동 정렬 등 여섯 과제가 아직 해결되지 않았다는 한계가 있다.
- 727LLMs / NLP
Kimi K3: Open Frontier Intelligence
- Kimi K3는 총 2.8조 파라미터 가운데 1,040억 개를 활성화하는 전문가 혼합 모델로 시각 입력과 100만 토큰 문맥을 지원한다.
- Kimi Delta Attention, Attention Residuals, Stable LatentMoE를 결합해 토큰마다 896개 전문가 중 16개를 사용한다.
- 일반 추론, 에이전트, 코딩 분야와 여러 추론 노력 수준을 강화학습해 장기 작업과 조합적 일반화를 강화했다.
- Kimi K2보다 전체 확장 효율이 약 2.5배 높고 전체 가중치를 공개해 프런티어급 모델 연구와 배포에 활용할 수 있다.
- 평가 묶음에서는 다른 공개·상용 모델보다 강했지만 Claude Fable 5와 GPT-5.6 Sol 같은 최상위 비공개 모델에는 여전히 뒤졌다.
- 726Computer Vision
dRAE: Representation Autoencoder with Hyper-Spherical Codes
- VQ의 코드북 붕괴 원인을 '유클리드 거리와 고차원 표현 공간의 기하학적 불일치'로 명확히 진단했다.
- 각도(코사인 유사도) 기반 코드 할당 + 유클리드 commitment loss의 조합이 최적으로, 전부 각도로 하면 성능이 떨어진다.
- 코드북을 131,072개까지 스케일업해도 100% 활용률을 유지하며, VQ·IBQ 대비 빠른 수렴과 안정적 학습을 보였다.
- ImageNet 클래스 조건부 생성에서 gFID 4.45 (HSQ 65536)로 VQ 대비 큰 폭 개선, Text-to-Image에서도 준수한 성능.
- 12M 이미지-텍스트 쌍만으로 GenEval 0.63, DPG-Bench 80.58로 효율적인 생성 파이프라인을 보여주었다.
- 725AI / General
Towards Trustworthy and Cost-Efficient Data Integration: From Naïve RAG to Agentic RAG
- LLM 기반 데이터 통합의 3대 문제(환각, 라벨 의존성, 비용)를 지식 grounding 부재로 진단했다.
- Naïve RAG → GraphRAG/KG-RAG → Agentic RAG로 이어지는 진화 경로를 정리했다.
- Agentic RAG에서 Planner, Retriever, Reasoner, Decision, Evaluator 5개 에이전트가 협력하는 구조를 제안했다.
- 메모리-검색 지식 충돌, 배치 검색 노이즈, 에이전트 초기화 등 핵심 연구 과제를 식별했다.
- 신뢰성(증거 기반 추론), 비용 효율성, 자율성을 동시에 평가하는 새 벤치마크가 필요함을 강조했다.
- 724Robotics
ViTacWorld: Scaling Visuo-Tactile World Models for Contact-Rich Robot Manipulation
- 최초로 로봇 액션 조건부 시각+촉각 월드 모델을 제안했으며, 시뮬레이션+실제 데이터 통합 학습 파이프라인을 구축했다.
- 촉각을 '추가적인 뷰'로 모델링하여 view-aware conditioning과 cross-view attention으로 시각-촉각 일관성을 유지한다.
- 생성된 롤아웃으로 정책을 추가 학습하자 π0.5+촉각 정책 평균 성공률이 42.5% → 67.5%로 +25%p 향상되었다.
- 사전학습 + 시뮬레이션 데이터가 PSNR, SSIM, LPIPS 모든 지표에서 생성 품질을 크게 높였다.
- 정책 평가 도구로도 활용 가능하여, 주어진 액션 시퀀스에 대한 시각+촉각 결과를 예측할 수 있다.
- 723Robotics
Robot-Factored World Models via Robot Rendering
- 액션을 로봇 컨트롤러로 '명목 궤적'으로 변환 후 렌더링하여 입력함으로써, 미래 상태 누출 없이 액션 정보를 전달한다.
- 엔드이펙터 깊이와 장면 깊이를 추가해 2D 이미지 평면에서 불가능한 접촉·가림 판단을 가능하게 했다.
- SVD·Wan 백본 모두에서 기존 벡터 조건부(baseline) 대비 PSNR·SSIM·LPIPS 전 항목 향상.
- 학습에 사용되지 않은 새로운 로봇(xArm6 + Inspire F1)의 움직임도 렌더링만 바꿔주면 제로샷 적용 가능하다.
- 인간 조작 영상의 손 동작을 로봇으로 재타겟팅하여 렌더링하면 로봇 조작 비디오를 생성할 수 있다.
- 722Computer Vision
Twins: Learn to Predict Unified Representations with Focal Loss
- ViT(의미)와 VAE(디테일) 특징을 채널 단위로 단순히 이어 붙여 통합 표현을 만들었다. 토큰 길이 불변.
- DiT 학습 시 ViT는 잘 학습되지만 VAE는 학습이 안 되는 불균형을 발견하고, 3가지 원인(주파수, 차원수, 조건 의존성)을 규명했다.
- Focal Loss를 flow matching에 적용해 VAE 채널 오차에 가중치를 주어 균형을 달성, ImageNet에서 MSE 대비 최대 10.57 gFID 개선.
- 기존 단일 인코더(SigLIP2) 대비 이해 성능을 유지하면서 재구성 품질(PSNR)을 크게 높였다.
- Classifier-free guidance와 함께 쓰면 FID 1.59 달성으로 준수한 생성 품질을 보인다.
- 721LLMs / NLP
Scaling Native Multimodal Pre-Training From Scratch
- 언어 목적함수의 스케일링 법칙은 데이터 구성에 거의 영향받지 않지만, 멀티모달 목적함수는 데이터 비율에 매우 민감하다.
- 텍스트 비중이 높은 데이터는 모델이 커야 효율적이며, 최적 자원 분배가 모델 용량 쪽으로 이동한다.
- 모델 크기, 토큰 수, 데이터 비율의 최적 조합을 지정하는 '효율성 프론티어(efficiency frontier)'를 수식으로 도출했다.
- 네이티브 멀티모달 학습이 순수 텍스트 공간 추론 능력까지 향상시키는 크로스모달 전이 효과를 확인했다.
- 3B 파라미터 모델에서 멀티모달 in-context learning 능력이 자연스럽게 출현함을 관찰했다.
- 720Computer Vision
SM4RT: Learning Structured Motion Geometry for 4D Reconstruction
- 비디오의 움직임을 개별 점이 아니라 '강체 운동 기저'의 조합으로 표현하는 Structure-of-Motion(SoM) 표현을 제안했다.
- 하나의 순전파(forward pass)로 3D 기하학, 움직임, 장면의 운동 구조를 동시에 추론한다.
- Kubric 벤치마크에서 추적 정확도(APD) 90.62로 SOTA 달성, 변형 점수(VM)에서도 압도적 구조 보존 성능을 보였다.
- DA3 백본이 VGGT 대비 큰 폭으로 우수하며, 단순 선형 결합이 가장 효과적인 특징 융합 방식이었다.
- 추론 속도 2.86초/샘플로 기존 방법 대비 효율적이며 GPU 메모리 15.72GB로 가볍다.
- 719LLMs / NLP
Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills
- 스킬(재사용 가능한 작업 모듈)을 핵심 매개체로 삼아, 과제 다양성과 검증 신뢰성을 동시에 확보했다.
- 제안자(Proposer)-해결자(Solver)-스킬 관리자(Controller) 3자가 강화학습 루프에서 함께 진화한다.
- 스킬 라이브러리가 매 반복마다 약 20개의 새 스킬을 만들고, 기존 스킬을 업데이트하며, 쓸모없는 스킬은 폐기한다.
- Qwen3-4B 기준 도구 사용(BFCL)에서 최대 +42.9점, 논리 추론(ZebraLogic)에서 +12.0점의 성능 향상을 기록했다.
- 정적 스킬보다 동적 스킬 진화가 핵심이며, 스킬 없는 자가 학습 대비 전체 정확도 +2.6점을 추가로 확보했다.
- 처음에 정렬이 안 된 모델도 큰 폭으로 개선되는 '턴어라운드' 효과를 보였다.
- 718Computer Vision
GraphVid: Interactive Graph-Controllable Video Generation
- 장면 그래프(객체=노드, 상호작용=엣지)를 조건으로 비디오를 생성하는 최초의 프레임워크를 제안했다.
- Edge-Aware Graph Reasoning 모듈로 방향성 엣지 속성을 반영하여 메시지 전달을 수행한다.
- GraphVid-Bench라는 약 27K 상호작용 중심 비디오 데이터셋을 새로 구축했다.
- Motion-I2V 대비 FID 39.9% 감소, FVD 37.6% 감소, PSNR 9.87→15.98 향상을 달성했다.
- 학습 가능한 파라미터 0.6B로 기존 방법(수십억 파라미터) 대비 훨씬 효율적이다.
- 그래프 표현이 백본 모델에 독립적이라 LTX(2B)와 Wan 2.2(5B) 모두에서 효과를 확인했다.
- 717Research
A solution to 2-copy distillability of Werner states
- Werner 상태의 2-copy 증류 가능성 문제를 임의 차원에서 완전히 해결했다.
- 1-copy와 2-copy의 증류 역치(threshold)가 정확히 일치함을 증명하여, 2개 복사가 1개보다 이점이 없음을 보였다.
- 대칭/반대칭 텐서 부분공간의 기하학적 추정을 핵심 도구로 사용했다.
- NPT 상태의 증류 가능성이라는 더 큰 미해결 문제의 첫 번째 유한 복사 단계를 해결했다.
- 경계 케이스 α = -1/2에서 블록 연산자 부등식과 변분 기법을 결합하여 증명을 완성했다.
- 716LLMs / NLP
Sample-Efficient Learning from Agent Experience
- 에이전트의 상호작용 경험을 가중치로 증류하는 'Experience Distillation' 문제를 정의하고 해법을 제시했다.
- 수집된 궤적의 각 시점에서 교사의 다음 행동만 재샘플링하는 1-step branch rollout로 추가 환경 사용을 없앴다.
- ICL 효과의 64.8%를 유지해서 일반 SFT(3.8% 회복)를 크게 앞섰다.
- 강화학습 베이스라인과 비슷한 성능을 내면서 환경 샘플은 9.6배 이상 적게 사용했다.
- 경험 전처리, 강화된 교사 추론, branch packing 등 실제 구현 디테일을 실험적으로 검증했다.
- 715Machine Learning
Context-weighted Discrete Flow Matching
- 토큰 주변의 채워진 이웃 수가 많을수록 예측 엔트로피가 낮아진다는 것을 실험으로 확인했다.
- 지역 컨텍스트 밀도를 샘플링에 반영하는 context-weighted sampler를 제안했다 (추가 학습 불필요).
- Scaled Cross-Entropy 손실 함수로 훈련 신호를 재가중해서 OpenWebText 생성 퍼플렉시티를 63% 낮췄다.
- 분자 생성(QM9)에서 유효 분자 수를 2.8배, 새로운 분자 수를 1.9배 각각 늘렸다.
- 반자유회귀(semi-AR) 블록 확산 기반 방법과 비슷한 품질을 유지하면서도 순서 무관 생성의 유연성을 보존했다.
- 714AI / General
Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems
- 에이전트 컨텍스트 관리를 '저장/검색'이 아닌 5단계 라이프사이클(설계→추출→범위→예측→압축)로 재정의했다.
- 무제한 컨텍스트 누적은 토큰 비용이 O(n²)로 증가하고, 단순 요약은 정확도 급락을 유발함을 수학적으로 증명했다.
- 조직 계층(user → customer → client)을 고려한 스코핑으로 개인정보 격리와 조직 지식 축적을 동시에 해결한다.
- 참고 구현체(Maximem Synap)가 LongMemEval 92%, LoCoMo 93.2%를 달성했다.
- 기존 상용 메모리 시스템(Mem0, Zep, Cognee 등)은 주로 추출/저장에만 집중하고 있어 5단계 전체를 다루는 시스템이 없음을 대조했다.
- 713Research
Strategic Plan for Neutral Atom Quantum Computation
- 중성 원자 양자 컴퓨팅의 전 영역(하드웨어, 오류 정정, 컴파일, 네트워킹)을 아우르는 종합 로드맵을 제시했다.
- 큐비트 수는 연평균 약 1.8배, 2큐빗 게이트 오류는 매년 약 40% 감소하는 스케일링 추세를 확인했다.
- 집적 광자 제어(integrated photonics)가 대규모 시스템 확장의 핵심 기술 경로임을 강조했다.
- qLDPC 등 새로운 오류 정정 코드가 표면 코드 대비 자원 요구량을 크게 줄일 수 있음을 설명했다.
- 다중 양자 프로세서를 네트워크로 연결하는 분산 양자 컴퓨팅의 가능성과 기술적 과제를 정리했다.
- 712Computer Vision
Self-Supervised Learning of Structured Dynamics from Videos
- 비디오의 움직임을 카메라 움직임(primary)과 객체 움직임(residual) 두 개의 토큰으로 구조화하는 SDM을 제안했다.
- 얼어있는 이미지 백본(DINOv2) 위에 가벼운 모델을 올려서 비디오 전처리학습 없이도 동역학 표현을 학습한다.
- ProbeMotion이라 새로운 평가 벤치마크를 만들어 합성/실제 비디오에서 체계적으로 측정했다.
- VGGT(17개 데이터셋으로 학습)와 비슷하거나 일부에서 더 좋은 성능을 약한 감독만으로 달성했다.
- primary 토큰은 카메라 이동 장면에서 카메라를, 정지 카메라 장면에서는 객체를 포착하는 식으로 자동 적응한다.
- 711Machine Learning
Expanding Flow Maps
- 생성 과정 중에 차원을 늘려가는 '확장 생성 플로우(EFlow)'라는 새로운 생성 모델 구조를 처음 제안했다.
- expand(확장) 연산과 transport(이동) 연산을 번갈아 적용해서, 적은 스텝(1~2회)만에 고품질 데이터를 생성한다.
- 분자 그래프 생성에서 기존 방식(CFM) 대비 1스텝 오차(FCD)를 5배 낮췄다 (0.44 vs 2.14).
- 언어 생성(LM1B)에서도 고정 길이 모델(FLM)을 능가하며, 변수 길이 생성이 품질 저하를 일으키지 않음을 보였다.
- 연속(분자 구조)과 이산(그래프, 언어) 도메인 모두에서 동일한 프레임워크가 작동함을 입증했다.
- 710Computer Vision
Show, Don't Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text
- 이미지 생성 모델이 픽셀 공간에서 직접 공간 답안을 표현하도록 하는 ProVisE 프레임워크를 제안했다.
- 470개 샘플, 14개 소과제로 구성된 SpatialGen-Bench 진단 벤치마크를 구축했다.
- 에이전트 빌더가 새로운 벤치마크에 맞는 평가 프로토콜을 자동 구성하고 검증한다.
- 이미지 생성 모델은 직관적 시각 표현 과제에서 경쟁력이 있었다.
- 실패의 88%는 시각 전달 채널 문제가 아닌, 공간 추론 자체의 오류였다.
- 709Robotics
Scale Up Strategically: Learning Compositional Generalization via Bias-Aware Evaluation and Data Collection for Robotic Manipulation
- 언어 지시를 색깔·동사·객체·크기·공간 5개 요인으로 분해해서 편향을 측정하는 프레임워크를 만들었다.
- 6개 기반 정책에서 color ≥ object ≥ spatial ≥ verb ≥ size 순의 일관된 편향 구조를 발견했다.
- FDR(요인 간 쌍별 편향)과 FDH(전체 순위) 두 가지 정량 지표를 제안했다.
- 편향 진단을 바탕으로 미흡 요인에 데이터를 집중하면 실제 로봇에서도 더 나은 일반화를 보인다.
- 데모 절반만 쓰고도 기존 전체 데이터 대비 더 나은 성능을 달성했다.
- 708Research
Aspects of Closed Matricial Worlds
- 양의 우주 상수를 가진 2차원 양자 중력의 힐베르트 공간을 매트릭스 모델로 분석했다.
- 휠러-드윗 방정식과 경로 적분 두 관점을 모두 다루고 그 차이를 논의한다.
- 비자명한 위상이 경로 적분 파동함수에 미치는 보정을 명시적으로 계산했다.
- 종수 6까지의 명시적 결과를 제시하고, 큰 부피 극한에서 위상 수학적 중력과의 유사성을 보였다.
- 순수 중력 행렬 모델의 double scaling limit을 '닫힌 매트리셜 세계'로 명명했다.
- 707AI / General
OpenForgeRL: Train Harness-native Agents in Any Environment
- 하네스의 모델 호출을 프록시로 기록해서 표준 RL 코드(veRL 등)로 학습할 수 있게 했다.
- 각 롤아웃을 Kubernetes 컨테이너로 격리해서 복잡한 환경도 안전하게 실행한다.
- 학습과 배포가 같은 하네스를 공유해서 train-deploy mismatch를 제거했다.
- OpenForge-Claw가 ClawEval 55.9(pass@3), OpenForge-GUI가 OSWorld 37.7을 달성했다.
- RL이 자기 검증과 도구 커버리지를 개선하지만, 오류 복구 능력은 여전히 취약하다.
- 706Computer Vision
3D-Aware VLMs with Implicit and Explicit Geometries
- 암묵적 기하 토큰(IGT)과 명시적 기하 토큰(EGT)을 동시에 VLM에 주입했다.
- EGT는 깊이 지도·포인트 클라우드 같은 세부 3D 정보를 경량 임베딩으로 인코딩한다.
- 3D-aware 어댑터로 2D 시각 + 암묵 3D + 명시 3D 정보를 효과적으로 융합한다.
- RGB 비디오만 입력으로 사용해서 추가 3D 센서가 필요 없다.
- 3D 비디오 감지, 3D 시각 그라운딩, 3D 밀집 캡션, 공간 추론 4개 과제에서 SOTA 달성.
- 705Computer Vision
Visual Contrastive Self-Distillation
- 원본 이미지와 내용을 지운 이미지 간 토큰 확률 차이를 비교해 시각 의존도를 학습한다.
- 외부 교사, 특권 정답, 시각 증거 신호, 추론 궤적이 전혀 필요 없다.
- 추론 시간이 추가로 들지 않는다 (학습 시에만 EMA 교사가 두 번 평가).
- Qwen3-VL 2B에서 +4.77%p, 4B에서 +1.86%p, 8B에서 +3.75%p 향상을 달성했다.
- 7개 비전-언어 벤치마크 평균에서 일관되게 기존 자가 증류 방식을 능가한다.
- 704Robotics
AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation
- 브라우저 기반 MuJoCo-WASM 원격 조종으로 전문 장비 없이 시연 데이터를 수집할 수 있다.
- 207개 작업, 50K+ 궤적을 보유한 확장 가능한 커뮤니티 데이터셋을 구축했다.
- 자동 성공 검증, 품질 필터링, 궤적 평활화, IsaacSim 증강을 한 파이프라인으로 통합했다.
- π0.5 모델 기준 AXIS 데이터 추가 학습으로 성공률 5.8% 향상, RoboCasa365 대비 37.3% 앞선다.
- 데이터 크기가 커질수록 성능이 일관되게 향상되는 스케일링 효과를 확인했다.
- 703Computer Vision
Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers
- 월드 스테이트 레지스터(학습 가능한 토큰)로 다중 에이전트 간 공유 상태를 명시적으로 관리한다.
- 에이전트 상태, 조감도, 장면 텍스트 3종 감독 신호로 레지스터를 그라운딩했다.
- Mixture-of-Transformers 구조로 상태 업데이트와 프레임 생성 간 간섭을 줄였다.
- Self-Forcing 패러다임을 적용해 긴 호라이즌 롤아웃 중에 레지스터를 동적 갱신한다.
- 마인크래프트 2에이전트 실험에서 논리적 일관성과 생성 품질 모두 향상되었다.
- 702LLMs / NLP
Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction
- 실제 커밋·PR·보안 시나리오를 역설계해 웹 검색으로 원본을 찾을 수 없는 작업을 만들었다.
- 4개 영역(코드 80개, 웹 70개, 오피스 50개, 보안 60개) 총 260개 작업으로 구성했다.
- 각 작업은 일상적이고 구어체인 페르소나 요청으로 재작성되어 오염을 방지한다.
- Claude Opus 4.8이 종합 75.0%로 1위, GLM-5.2가 72.9%로 2위를 기록했다.
- 전체 코드, 환경 이미지, 평가 도구를 공개해서 누구나 재현 및 감사할 수 있다.
- 701Machine Learning
Hilbert Operator for Progressive Encoding (HOPE): A Mathematical Framework for Deconstructing Learned Representations in Deep Networks
- 뉴런을 힐베르트 공간의 rank-1 연산자로 모델링해 가지치기와 병합을 하나의 수학적 기준으로 통합했다.
- 배치 정규화 통계를 활용해 데이터 없이, 하이퍼파라미터 없이도 동작한다.
- 거시 블록 제거(macro block eviction)로 잔차 연결 경로 전체를 평가할 수 있다.
- DEFT 파인튜닍에서 중복 뉴런을 병합해 새 작업용 파라미터 공간을 확보하는 방식을 제안했다.
- 전체 프레임워크는 수학적으로 엄밀하며, 개념 증명 실험으로 유효성을 확인했다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기