Weekly Trends

MatrAIx는 83억 개의 다양한 페르소나를 활용해 AI 시스템 평가를 혁신적으로 자동화하는 인프라를 제안한다.

COLLEAGUE.SKILL은 전문가 지식을 증류하여 개인화된 AI 기술을 자동 생성하는 시스템을 제안한다.

Unlimited OCR는 인간의 작업 기억을 모방하여 긴 출력 시퀀스에서도 메모리 소비를 줄이고 효율성을 유지하는 혁신적인 OCR 모델이다.

MerchantBench는 LLM 에이전트의 장기적 일관성을 평가하기 위한 새로운 벤치마크를 제시한다.

CUDA Agent는 강화 학습 기반으로 CUDA 커널 생성을 최적화하여 기존 시스템보다 성능을 크게 향상시킵니다.

BDH-CQ는 반복적인 잠재 추론을 통해 비용 효율성을 극대화하며 새로운 상태의 성능을 달성한 모델이다.

Macaron-V1은 지속적인 학습을 위한 Mixture-of-LoRA 아키텍처와 자기 개선 메커니즘을 결합한 개방형 에이전트 모델이다.

Spark-to-Paper는 연구 아이디어를 완전한 논문으로 변환하는 통합 시스템을 제시한다.

OpenART는 환경 진화를 통한 에이전트 레드 팀 작업을 확장할 수 있는 새로운 평가 플랫폼을 제시한다.

U-OPSD는 외부 감독 없이 모델의 자체 생성물만으로 자기 증류를 수행하여 성능을 향상시킵니다.

ComBodied Agents는 개인의 상태와 주체성을 중심으로 AI의 모델링과 지원을 혁신하는 새로운 패러다임을 제시한다.

Latent-to-4D는 비디오 모델의 잠재 공간을 활용하여 효율적인 4D 장면 생성을 가능하게 한다.

이 논문은 에이전트 시스템의 자율적 진화를 위한 공동 진화 개념과 이를 위한 체계적 분류를 제안한다.

SWE-Bench ProMax는 다국어 코드 리팩토링을 위한 170개의 고품질 벤치마크를 제공하여 AI 코딩 에이전트의 성능 평가를 개선한다.

Alaya-EVOKE는 외부 세계 상태 저장과 장기 상호작용 생성을 통해 모델의 메모리와 성능을 최적화합니다.

Xiaomi-Robotics-1은 10만 시간 이상의 실제 데이터를 활용해 다양한 작업을 수행할 수 있는 VLA 모델을 제안한다.

Kimi K3는 2.8T 파라미터의 Mixture-of-Experts 모델로, 다양한 작업에서 성능을 크게 향상시켰습니다.

InfiniSplat은 픽셀 정렬 대신 표면 정렬을 통해 단일 이미지로부터 더 나은 3D 장면 표현을 생성한다.

HPD-Parsing은 문서 구조를 계층적으로 분석하고 병렬로 콘텐츠를 처리하여 기존 모델보다 2.62배 빠른 성능을 보여준다.

INTACT는 행동 레이블이 있는 경로를 활용하여 검색 없이 의도에서 행동으로의 전환을 가능하게 하는 혁신적인 모델이다.

JoyAI-Video-Edit는 실시간 비디오 편집을 위한 혁신적인 16B 파라미터 자가 회귀 확산 프레임워크를 제안합니다.

MemHarness는 LLM 에이전트가 과거 경험을 현재 상황에 맞게 재구성하도록 하여 성능을 향상시킵니다.

LeRobot는 로봇 학습의 모든 단계를 통합한 오픈소스 라이브러리로, 접근성과 확장성을 강조하여 연구 개발을 촉진한다.

AI-Infra-Guard는 AI 에이전트의 다층 보안을 위한 통합 프레임워크로, 다양한 공격 표면을 효과적으로 방어할 수 있는 방법을 제시한다.

HelloWorld는 비디오 월드 모델에서 사용자와 캐릭터 간의 자연스러운 사회적 상호작용을 가능하게 하는 혁신적인 시스템이다.

이 논문은 고품질의 장기 목표 작업을 저비용으로 생성할 수 있는 재귀적 합성 프레임워크를 제안한다.

LongHorizon-Harness는 장기 과제 수행에서 상태 관리 문제를 해결하여 성능을 크게 향상시킵니다.

SwanTale은 다중 화자 음성 및 오디오 생성을 위한 혁신적인 모델로, 지시 및 제로샷 작업을 지원한다.

이 논문은 자율주행 모델의 추론 능력을 향상시키기 위해 미래 경로의 노출을 지연시키는 새로운 접근 방식을 제안한다.

DAPD는 정보 비대칭 문제를 해결하여 언어 모델의 성능 저하를 방지하는 새로운 정책 증류 방법을 제안한다.

Fish Audio S2는 다중 화자 및 자연어 지시를 따르는 텍스트-음성 변환 시스템으로, 오픈소스로 제공된다.

MonkeyOCRv2는 문서 AI를 위한 비주얼-텍스트 모델로, 대규모 문서 이미지 데이터셋과 혁신적인 사전 학습 전략을 통해 성능을 향상시킵니다.

Frontis-MA1은 기계 학습 공학에서 자기 개선을 위한 메타 진화 에이전트를 제안하여 성능을 크게 향상시켰다.

이 논문은 ASR 모델의 전사 스타일을 제어 가능하게 하여 정확성과 신뢰성을 크게 향상시키는 방법을 제시한다.

Molt는 연구자가 쉽게 이해하고 수정할 수 있는 PyTorch 기반의 에이전틱 강화 학습 훈련 프레임워크를 제공한다.

CodeNib는 코드 에이전트의 효율성을 높이기 위해 다중 뷰 데이터 시스템을 구축하여 리포지토리 컨텍스트를 효과적으로 제공한다.

MuScriptor는 다양한 악기가 포함된 실제 음악 녹음에서 효과적으로 작동하는 다중 악기 음악 전사 모델을 제안합니다.

DataFlex는 대규모 언어 모델의 데이터 중심 동적 훈련을 통합적으로 지원하는 프레임워크이다.

SkillClaw은 다중 사용자 에이전트 생태계에서 기술의 집단 진화를 통해 경험을 공유하고 개선할 수 있는 프레임워크를 제안한다.

RESOURCE2SKILL은 다양한 멀티모달 자원에서 실행 가능한 에이전트 기술을 추출하여 효율성을 높이는 혁신적인 프레임워크이다.

EvoScientist는 지속적인 메모리와 자기 진화를 통해 AI 과학자의 연구 전략을 개선하는 다중 에이전트 프레임워크를 제안한다.

SearchOS는 정보 탐색 에이전트의 협업을 개선하여 검색 효율성을 높이는 혁신적인 프레임워크를 제안한다.

ABot-World-0는 다양한 데이터 소스를 활용해 실시간 상호작용을 지원하는 비디오 월드 모델을 제안한다.

RynnBrain 1.1은 로봇 조작에 최적화된 통합 모델로, 다양한 임무에서 뛰어난 성능을 보여준다.

TimeLens2는 비디오의 시간적 근거를 정확히 예측하는 혁신적인 멀티모달 모델을 제안한다.

RAGU는 지식 그래프 생성을 개선하여 더 정확하고 효율적인 GraphRAG 엔진을 제공한다.

AREX는 연구 에이전트가 중간 결과를 검증하며 스스로 개선하는 새로운 접근 방식을 제시한다.

DataFlow-Harness는 LLM을 활용해 데이터 파이프라인을 효율적으로 구축할 수 있는 플랫폼을 제안한다.

EvolvingWorld는 캐릭터와 세계의 동시 진화를 지원하는 개방형 프레임워크를 제시하여 상호작용 문학 시뮬레이션의 한계를 극복한다.

DeepSearch-World는 웹 에이전트의 자기 진화를 위한 검증 가능한 환경을 제공하여 성능 향상을 이끈다.

SWE-Pruner Pro는 코드 에이전트의 내부 표현을 활용해 효율적으로 도구 출력을 가지치기하여 성능을 향상시킵니다.

Moonshine v2는 슬라이딩 윈도우 자기 주의 메커니즘을 통해 저지연 음성 인식을 가능하게 하여 성능을 크게 향상시킵니다.

Long-Horizon-Terminal-Bench는 에이전트의 장기 목표 수행 능력을 평가하기 위한 새로운 벤치마크를 제시한다.

KnowAct-GUIClaw는 사용자 경험을 활용하여 GUI 상호작용을 개선하고 지속적인 학습을 통한 성능 향상을 가능하게 하는 개인 비서 프레임워크를 제안한다.

로봇 정책 평가를 위한 세계 모델의 신뢰성을 체계적으로 연구하고 WMBench 벤치마크를 제안한다.

TorchUMM는 다양한 멀티모달 모델을 평가하고 분석할 수 있는 통합 코드베이스를 제공한다.

Kairos는 다양한 경험에서 세계 지식을 획득하고 장기 상태를 유지하는 물리적 AI를 위한 혁신적인 세계 모델 스택이다.

VideoChat3는 완전 개방형 비디오 MLLM으로, 효율적이고 일반화된 비디오 이해를 가능하게 한다.

이 논문은 다양한 시각 작업을 통합된 다중 모달 생성으로 처리하는 새로운 접근 방식을 제안한다.

SafePred는 컴퓨터 사용 에이전트의 행동을 안전하게 유지하기 위해 미래 위험을 예측하는 새로운 가드레일 프레임워크를 제안한다.

이 논문은 AI 에이전트의 진화하는 하네스를 효과적으로 수정할 수 있는 행동 중심의 표현 방식을 제안한다.

LongStraw는 고정 GPU 예산 내에서 2M 이상의 토큰을 처리할 수 있는 RL 후처리 아키텍처를 제안한다.

Direct On-Policy Distillation은 약한 모델의 RL 신호를 강한 모델에 효과적으로 전이하여 학습 효율성을 높인다.

Boogu-Image-0.1은 경쟁력 있는 성능을 가진 오픈소스 멀티모달 모델로, 텍스트-이미지 생성 및 편집에서 우수한 결과를 보여준다.

이 논문은 코드 에이전트의 중간 훈련을 통해 외부 도구 통합 능력을 향상시키는 새로운 방법론을 제시한다.

ABot-N1은 비주얼 언어 내비게이션 모델의 인지와 제어를 분리하여 다양한 임무를 효과적으로 수행하도록 개선한 기여를 한다.