주간 분야별 주목 논문
2026년 10월 12일 ~ 2026년 10월 18일
분야별 바로가기 · 고른 논문이 많은 분야부터
언어 모델
-
Critique 기반 On-policy Distillation으로 믿을 만한 지도 신호 되찾기
Recovering Reliable Supervision via Critique-Guided On-Policy Distillation
Teacher가 Student의 틀린 Rollout을 따라가는 문제를 짚고, Teacher가 오류를 비평한 뒤 Student가 다시 풀게 하는 CriticOPD를 제안한다.
-
Cortex: 컨텍스트로 얻은 성능을 파라미터 기억으로 굳히기
Cortex: Consolidating Context into Parametric Memory
컨텍스트를 빼면 사라지는 성능 향상을 모델 안에 저장하는 '기억 통합' 문제를 정의하고, 4B~120B 모델에서 병합 가능한 저랭크 업데이트로 해결한다.
arXiv 2610.20399 · 추천 67 · 2026-10-14 · PDF
-
UltraBERT: BERT 사전학습의 한계를 넘어서
UltraBERT: Beyond the Limit of BERT Pre-Training
인코더 사전학습 방식을 다시 점검해 수조 토큰 이후 성능이 포화되고 마스킹 비율이 분류·검색에 다르게 작용함을 밝힌 실용적 레시피 연구.
arXiv 2610.15028 · 추천 71 · 2026-10-10 · PDF
생성형 미디어
-
AesCode: 분리된 크로스모달 보상으로 보기 좋은 코드 기반 디자인 생성
AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards
슬라이드·포스터·대시보드를 코드로 만들 때 이미지 생성 결과를 미적 가이드로 삼아 편집 가능하면서도 보기 좋은 결과를 낸다.
-
SALD: 확산 모델을 위한 자기 참조 어드밴티지 학습
SALD: Self-Referenced Advantage Learning for Diffusion Models
외부 Teacher나 시연 데이터 없이, 같은 모델의 쉬운 노이즈 경로를 기준 삼아 확산 모델 스스로 학습 신호를 만드는 방법.
arXiv 2610.01496 · 추천 103 · 2026-10-01 · PDF
-
Speculative Forcing: 효율적인 자기회귀 영상 생성
Speculative Forcing for Efficient Autoregressive Video Generation
이미 충분히 다듬어진 토큰은 일찍 확정해 디노이징을 건너뛰게 해, 스트리밍 영상 생성의 불필요한 계산을 줄인다.
컴퓨터 비전
-
InfiniSplat v2: 임의 시점에서 동작하는 Feed-forward 3DGS 분석과 개선
InfiniSplat v2: Analyzing and Improving Feed-Forward 3DGS from Any Views
기하와 속성 예측을 분리하고 큰 시점 변화 학습을 더해, 이미지에서 바로 3D 장면을 만드는 방식의 렌더링 품질을 6개 데이터셋에서 끌어올렸다.
-
3DCodeVerse: 3D 세계를 코드로 탐구하기
3DCodeVerse: Exploring 3D Worlds as Code
실행 가능한 3D 코드 200만 건 규모 데이터셋과 검증 도구를 묶어, 코딩 에이전트가 편집·검증 가능한 3D 콘텐츠를 대량으로 만들 수 있게 한다.
-
GroundAnything: 병렬 디코딩과 정밀한 시각 그라운딩을 고속으로 양립
GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed
위치 예측을 순서대로 생성하지 않고 확산 방식으로 병렬 정제하는 4B 그라운딩 모델로 속도와 정확도를 함께 노린다.
멀티모달
-
MJev-Spatial: 네이티브 어텐션 매칭으로 구현한 즉각 반응형 공간 지능
MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
공간 관계·거리·위치 질문을 텍스트 생성 대신 하나의 분류 문제로 풀어, VLM의 느린 디코딩 없이 상호작용 속도로 답하게 한다.
-
VisionWeave: 멀티모달 LLM이 시각 Representation 크기를 스스로 조절하게 하기
VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMs
이미지 영역마다 필요한 세밀도가 다르다는 점에 착안해, 어디에 얼마나 시각 토큰을 쓸지 모델이 직접 배우게 한다.
-
Intern Lumina U2: 시각 이해와 이미지 생성을 아우르는 멀티 코드북 확산 LLM
Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation
여러 코드북으로 풍부한 시각 정보를 담으면서 텍스트와 같은 최적화 공간에서 이해와 생성을 한 모델로 처리한다.
음성·오디오
-
Fish Audio Drama 3 기술 보고서
Fish Audio Drama 3 Technical Report
35B MoE 기반 오픈소스 음성 생성 모델로, 연기 지시 반영·다중 화자 더빙·음성 편집·스트리밍을 한 모델에서 지원한다.
arXiv 2610.18010 · 추천 33 · 2026-10-13 · PDF
-
스테레오로 세상을 듣다: 몰입형 영상·오디오 동시 생성
Hear the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation
화면 속 음원이 움직이면 소리 위치도 함께 바뀌도록 영상 움직임과 스테레오 오디오를 묶는 StereoBind를 제안해 AR/VR용 몰입감을 높인다.
-
SepGen: 한 모델로 하는 다중 음원 오디오·비디오 분리와 생성
SepGen: Multi-Stem Audio-Video Separation and Generation in a Single Model
영상·오디오 생성기가 섞인 사운드뿐 아니라 음원별 파형을 따로 내도록 확장해, 새 시점 렌더링 같은 활용을 열어준다.
에이전트
-
MAI-Gym: 모바일·PC 환경 GUI 에이전트 평가와 강화학습을 위한 올인원 오픈 플랫폼
MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments
평가·데이터 수집·온라인 강화학습을 한 Rollout 파이프라인으로 통합하고 2만 개 병렬 환경까지 확장한 오픈 플랫폼.
-
스스로 진화하는 에이전트 하네스
Self-Evolving Agent Harness
모델 가중치는 그대로 두고 프롬프트·메모리·워크플로·도구를 피드백으로 개선하는 과정을 정식화하고 일반화 보장을 분석했다.
-
Harness^2: 열린 세계를 위한 재귀적 에이전트 하네싱
Harness^2: Recursive Agent Harnessing for an Open World
정답 검증기가 없는 새로운 과제에서도 에이전트 실행 환경을 스스로 고쳐 나가도록 설계한 플러그인 방식 재귀 자기개선 프레임워크.
피지컬 AI·로봇
-
LeWAM: JEPA로 월드 모델과 행동을 한 번에 학습
LeWAM: End-to-End World and Action Modeling with JEPAs
잠재 상태 예측과 행동 생성을 함께 학습하는 JEPA로, 시각 계획 성공률을 28.6%에서 89.7%로 끌어올렸다.
-
VLA-Δ: 물리적 상태 변화를 학습하는 Vision-Language-Action 모델
VLA-$Δ$: Learning Physical State Transition for Vision-Language-Action Models
관찰과 행동을 바로 잇는 대신 현재와 미래의 물리적 변화를 직접 지도해 로봇 정책의 과적합을 줄이는 범용 프레임워크.
-
WAVE-0: 가벼운 잠재 미래 예측으로 VLA 정책과 월드 액션 모델 잇기
WAVE-0: Bridging VLA Policies and WAMs with Lightweight Latent Future Prediction
비싼 영상 생성 없이 가벼운 잠재 월드 모델로 행동 결과를 미리 예측하게 해, 로봇 조작 정책에 예측 능력을 더한다.
강화학습
-
Tev: 촘촘한 진행 보상으로 장기 과제 에이전트 환경 확장
Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards
7개 분야 1,170개 검증된 환경에 단계별 진행 보상을 붙인 장기 과제 학습 데이터셋으로, 보상이 드문 문제를 정면으로 다룬다.
arXiv 2610.18868 · 추천 112 · 2026-10-13 · PDF
-
TPPO: 언어 모델 추론을 위한 가치 추적형 PPO
TPPO: Tracking-Value PPO For Language Model Reasoning
마지막 보상만 있는 상황에서 토큰별 기여도를 잘 추적하도록 가치 함수를 누적 구조로 다시 설계한 PPO 변형.
-
Mosaic: 여러 세션에 걸친 에이전트 강화학습
Mosaic: Multi-Session Agentic Reinforcement Learning
컨텍스트 압축·하위 에이전트로 Trajectory가 여러 세션으로 나뉘는 실제 실행 방식에 맞춰, 세션별 기여를 구분하는 강화학습 설정을 제안한다.
효율·인프라
-
DoSA: Dots 희소 어텐션
DoSA: Dots Sparse Attention
Top-K 선택에 필요한 키를 찾는 계산까지 줄이면서도 선택 결과는 정확히 유지하는 손실 없는 희소 어텐션 기법.
-
LatentLoop: 비대칭 연산 배분으로 루프형 MoE 확장
LatentLoop: Scaling Looped MoE Models with Asymmetric Compute Allocation
같은 블록을 두 번 쓰는 루프형 MoE에서 첫 번째 통과의 비중을 줄여도 성능이 유지된다는 관찰을 바탕으로 연산을 비대칭 배분한다.
-
KV4-RL: INT4 KV 캐시 양자화로 RLVR 비동기 Rollout 가속
KV4-RL: Unlocking Faster Asynchronous Rollouts for RLVR with INT4 KV Cache Quantization
강화학습 Rollout에서는 KV 캐시 양자화가 가중치 양자화보다 효과가 크다는 점을 밝히고, 학습 저하 없이 INT4를 쓰는 방법을 제안한다.
arXiv 2610.14448 · 추천 36 · 2026-10-10 · PDF
AI 보안
-
Last Secure Code 벤치마크: 바이브 코딩한 코드는 안전한가?
Last Secure Code Benchmark: Is the Code You Vibe Secure?
실제 취약점 150개 기반 450개 과제·7개 언어로, 보안을 언급하지 않은 요청에서 코딩 에이전트가 안전한 코드를 쓰는지 평가한다.
-
APEX-Harm: 공유 업무 공간에서의 에이전트 안전성 평가
APEX-Harm: Evaluating Agent Safety in Shared Professional Workspaces
금융·컨설팅·법률 업무의 대규모 파일·메일·채팅 환경에서 프롬프트·스크립트 인젝션 공격을 6가지 유형으로 평가하는 벤치마크.
-
TRACER: 간접 프롬프트 인젝션에 맞서는 추론 경로 정규화 학습
TRACER: Trace-Regularized Training Against Indirect Prompt Injection
같은 공격도 검색 문서로 들어오면 성공률이 높아짐을 보이고, 채널을 고려한 적대적 학습으로 RAG 형태 공격 성공률을 65.5%에서 6.1%로 낮췄다.
arXiv 2610.19133 · 2026-10-13 · PDF
안전·정렬
-
점수는 오르고 답은 나빠진다: 프로토콜 수준 루브릭으로 보상 해킹 줄이기
Scoring Higher, Answering Worse: Mitigating Reward Hacking in Rubric-Based RL via Protocol-Level Rubrics
루브릭 점수를 단순 합산하면 핵심을 놓쳐도 점수를 채울 수 있음을 임상 상담 사례로 보이고, 기준을 묶어 평가하는 방식으로 이를 막는다.
-
좁은 멀티모달 파인튜닝도 돌발적 정렬 실패를 일으킨다
Narrow Multimodal Fine-Tuning Can Induce Emergent Misalignment
텍스트에서만 연구되던 돌발적 정렬 실패가 비전-언어 모델에서도 좁은 과제 파인튜닝만으로 나타남을 15개 모델에서 확인했다.
-
Pristine Models: 위험 개념을 끌 수 있는 이미지 생성 모델
Pristine Models
사후 언러닝 대신 사전학습 단계에서 위험 개념 지식을 분리해 두고 추론 시 차단하는 새로운 텍스트-이미지 구조를 제안한다.
arXiv 2610.14091 · 추천 27 · 2026-10-08 · PDF
데이터·평가
-
멀티모달 데이터 혼합의 스케일링 법칙
Scaling Laws for Multimodal Data Mixtures
텍스트·비전·오디오를 얼마나 섞어 사전학습할지에 대해 MoE 기반 268개 실험으로 데이터 혼합 스케일링 법칙을 도출했다.
arXiv 2610.14423 · 2026-10-10 · PDF
-
AutoSFT: 지도 파인튜닝 데이터 연구를 자동화하는 에이전트 시스템
AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning
비율 조정·가지치기·수정·합성 등 데이터 엔지니어의 작업 전반을 에이전트가 수행하려면 어떤 구조가 필요한지 탐구한다.
-
ZOIF: 순전파만으로 영향 함수를 추정하는 LLM 데이터 선택
ZOIF: Zeroth-Order Influence Function Estimation for LLM Data Selection Using Only Forward Passes
역전파 없이 순전파만으로 학습 데이터의 영향력을 추정해, 대형 모델에서도 메모리 부담 없이 데이터 선택을 가능하게 한다.
arXiv 2610.15336 · 2026-10-11 · PDF
데이터 엔지니어링
-
PremiseSQL: Text-to-SQL의 잘못된 전제 비판과 답변 보류 평가
PremiseSQL: Evaluating Premise Critique and Abstention in Text-to-SQL Systems
전제가 틀린 질문 1,800개로, Text-to-SQL 시스템이 오해를 부르는 SQL 대신 답변을 보류할 줄 아는지 평가하는 벤치마크.
arXiv 2610.22158 · 2026-10-15 · PDF
-
같은 컨텍스트, 다른 에이전트: 데이터 에이전트의 시맨틱 레이어·오케스트레이션·압축 연구
Same Context, Different Agents: A Behavioral Study of Semantic Layers, Orchestration and Compaction in Data Agents
7개 LLM과 1,514개 장기 과제로 시맨틱 레이어·다중 에이전트 분업·이력 압축의 효과와 비용을 함께 비교 분석했다.
arXiv 2610.20959 · 2026-10-14 · PDF
-
같은 쿼리, 다른 답: 시맨틱 쿼리 처리의 실행별 편차
Same Query, Different Answer: Run-to-Run Variance in Semantic Query Processing
온도 0에서도 LLM 기반 쿼리 엔진의 결과가 실행마다 달라짐을 120만 건 호출로 측정해, 벤치마크 신뢰성 문제를 드러낸다.
arXiv 2610.13823 · 2026-10-09 · PDF
MLOps·LLMOps
-
KV 캐시가 GPU보다 느릴 때: 원격 KV 계층 확장 연구
When the KV Cache Is Slower Than the GPU: Scaling Remote KV Tiers for Context-Parallel Prefill
원격 KV 캐시를 켜자 p99 첫 토큰 지연이 3.96초에서 17.3초로 늘어난 실제 운영 사례를 분석해, 캐시 재사용이 항상 이득은 아님을 보인다.
arXiv 2610.21500 · 2026-10-15 · PDF
-
Prorsa: 에이전트 강화학습에서 Prefill-Decode 분리 활용
Prorsa: Unleashing the Potential of Prefill-Decode Disaggregation in Agentic Reinforcement Learning
멀티턴 에이전트 강화학습 Rollout에 서빙용 Prefill-Decode 분리 설계를 적용해 Rollout 효율을 높이는 방법.
arXiv 2610.16592 · 2026-10-12 · PDF
-
Vesta: 실제 워크로드를 위한 대기열 인식 LLM 스케줄링
Vesta: Queueing-Aware LLM Scheduling for Real-World Workloads
멀티턴 에이전트 요청에서 캐시 재사용과 대기열 혼잡을 함께 따져 요청을 어디서 실행할지 결정하는 스케줄러.
arXiv 2610.14686 · 2026-10-10 · PDF
전통 ML·추천·검색
-
정답은 여럿, 학습 예시는 하나: LLM 추천기용 GRPO의 응답자 노이즈 제거
Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders
여러 답변 중 하나만 뽑아 보상하던 방식의 노이즈를 짚고, 모든 답변을 합쳐 한 번에 채점하는 ReMaRk로 추천 강화학습을 더 싸고 안정적으로 만든다.
-
TransX 기술 보고서: 추천을 위한 시퀀스 변환 확장
TransX Technical Report: Scaling Sequence Transduction for Recommendation
시퀀스 인코딩·행동 기억·후보 융합을 따로 확장하고 서빙까지 함께 설계한 산업용 추천 시스템 프레임워크.
arXiv 2610.20913 · 2026-10-14 · PDF
-
TRACER: LLM 에이전트를 위한 Trajectory 인식 도구 검색
TRACER: Trajectory-Aware Tool Retrieval for LLM Agents
과거 도구 호출 순서를 활용해 다음 도구를 추려, 128개 중 5개만 보여주고도 선택 정확도를 높이고 입력 토큰을 80% 줄였다.
arXiv 2610.21267 · 2026-10-15 · PDF
의료·바이오
-
X-Ragent: 근거 기반 흉부 X선 추론을 위한 도구 활용 강화학습
X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning
언제 추가 근거가 필요한지 배우고 부적절한 정량 측정은 걸러내도록, 도구를 쓰는 흉부 X선 판독 에이전트를 강화학습으로 훈련한다.
arXiv 2610.16811 · 추천 81 · 2026-10-12 · PDF
-
치료 반응을 정밀 예측하는 암 유전형 파운데이션 모델
A Foundation Model of Cancer Genotype Enables Precise Predictions of Therapeutic Response
3만 개 이상 종양의 유전체 변이로 사전학습한 MutationProjector가 면역·항암 치료 저항성 예측에서 최고 수준 성능과 새 바이오마커를 보였다.
Cancer discovery · Europe PMC · 2026-10-01 · PDF
-
비정형 의료 기록에서 종양 데이터 추출: 스위스 동부 암 등록소의 AI 도구 적용
Tumor data extraction from unstructured medical reports: application of an artificial intelligence-enhanced tool in the Eastern Switzerland Cancer Registry
독일어 BERT 기반 도구로 200여 기관의 의료 보고서 82,384건을 처리해, 사람이 하던 암 등록 코딩을 실제 운영에서 자동화했다.
ESMO real world data and digital oncology · Europe PMC · 2026-09-23 · PDF
금융·보험
-
인식은 근거 찾기가 아니다: 다국어 재무 근거 추출 벤치마크
Recognition Is Not Grounding: Benchmarking Multilingual Financial Evidence Extraction
영어·프랑스어·그리스어 공시로 만든 MULTIFINGROUND로, LLM이 회계 개념을 알아보는 것과 관련 수치를 빠짐없이 찾는 것 사이의 격차를 드러낸다.
arXiv 2610.19432 · 2026-10-14 · PDF
-
FRACTION: 그래프 컨텍스트를 탐색하는 에이전트로 사기 설명 생성
FRACTION: Fraud Explanation Generation via Agentic Graph Context Navigation
거래 그래프 구조와 내용을 함께 살펴 왜 사기 위험으로 판단했는지 사람이 읽을 설명을 만들고, 그 품질 평가 방식도 제시한다.
arXiv 2610.18023 · 2026-10-13 · PDF
-
SOTA: 옵션 내재 수익률 분포로 움직이는 주식 옵션 트레이딩 에이전트
SOTA: Stock Options Trading Agents Guided by Option-Implied Return Distributions
고정 전략에 묶이지 않고 시장 상황에 따라 어떤 옵션 계약을 어떻게 조합할지 고르는 에이전트형 옵션 거래 프레임워크.
arXiv 2610.10407 · 2026-10-07 · PDF
제조
-
LIBERO-Industry: 산업 공정 제약 아래 로봇 조작 벤치마크
LIBERO-Industry: Benchmarking Robotic Manipulation under Industrial Process Constraints
제품 변형·이동하는 자재·시간 제한·좁은 허용 오차 같은 다품종 소량 조립 조건을 반영해 범용 로봇 정책을 평가한다.
arXiv 2610.16782 · 2026-10-12 · PDF
-
IND-Eval: 산업용 시계열 파운데이션 모델 평가 벤치마크
IND-Eval: Aligning Evaluation and Simulation for Industrial Time Series Foundation Models
산업 시계열을 출처별 예측 과제로 정리한 공개 벤치마크로, 주요 시계열 모델을 비교하고 분야 맞춤 평가의 필요성을 보인다.
arXiv 2610.16652 · 2026-10-12 · PDF
-
Agentic4PDM: 산업 고장 진단을 위한 근거 채택 통제형 에이전트
Agentic4PDM: Host-Governed Evidence Admissibility for Industrial Fault Diagnosis
LLM 에이전트가 분석 도구로 센서 신호를 조사하되, 약하거나 상충하는 근거는 호스트가 통제해 과잉 해석을 막는 고장 진단 프레임워크.
arXiv 2610.17786 · 2026-10-13 · PDF
법률·전문 서비스
-
인용이 오해를 부를 때: 주장 단위 법률 환각 탐지 벤치마크
When Citations Mislead? A Claim-Level Benchmark for Legal Hallucination Detection
뉴욕주 항소법원 판결 기반 3,396개 주장으로, LLM이 인용한 판례가 실제로 주장을 뒷받침하는지 판별하는 능력을 평가한다.
arXiv 2610.10971 · 2026-10-07 · PDF
-
LLM은 법철학을 이해하는가? 법철학적 추론 진단
How Do LLMs Understand Legal Philosophy? Diagnosing Legal-Philosophical Reasoning in LLMs
같은 법조문도 판사의 법철학에 따라 달리 해석된다는 점에 주목해, LLM의 법철학적 추론을 평가하는 LePhilBench를 제시한다.
arXiv 2610.19427 · 2026-10-14 · PDF
-
구조 기반 지식 그래프로 검증 가능한 법률 검색
Verifiable Retrieval for Legal Reasoning through Structure-driven Knowledge Graph
독일 법률 문서 구조를 지식 그래프로 만들어, 문서가 많아질수록 놓치기 쉬운 핵심 맥락을 검증 가능하게 찾아오는 RAG 방법.
arXiv 2610.13695 · 2026-10-09 · PDF
과학·바이오
-
SwarmRSI: 진화하는 과학 에이전트 군집을 통한 재귀적 자기개선
SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm
여러 연구 방향의 실험 결과를 공유하며 가설과 구현을 함께 다듬는 과학 에이전트 군집으로, 연구 능력의 자기개선을 시도한다.
arXiv 2610.20431 · 추천 68 · 2026-10-14 · PDF
지난 주간 목록
한 줄 설명은 AI가 초록을 읽고 쓴 것입니다. 정확한 내용은 원문을 확인해 주세요.