PersonaVLM: 장기적 개인화 멀티모달 LLMs

데이터나 최적화 없이 구현하는 최대 뇌 손상: Sign-Bit Flips를 통한 Neural Networks의 교란

Diffusion Probabilistic Models의 SNR-t Bias 규명

멀티모달 OCR: 문서 내 모든 요소의 파싱(Parse Anything from Documents)

Granite-speech: 강력한 영어 ASR 능력을 갖춘 오픈 소스 speech-aware LLMs

Fish-Speech: Advanced Multilingual Text-to-Speech Synthesis를 위한 Large Language Model 활용 연구

비디오 객체 및 상호작용 삭제 (Video Object and Interaction Deletion)

VoxCPM: 문맥 인식 음성 생성 및 실감 나는 음성 클로닝을 위한 Tokenizer-Free TTS

OmniVoice: Diffusion Language Models를 이용한 다국어 Zero-Shot Text-to-Speech 연구

시각이 텍스트가 되는 지점: Vision-Language Models에서 OCR Routing Bottleneck의 위치 파악

OCR인가 아닌가? 실세계 대규모 데이터셋을 통한 MLLM 시대의 문서 정보 추출(Document Information Extraction)에 대한 재고

dnaHNet: 유전체 서열 학습을 위한 확장 가능하고 계층적인 Foundation Model

뉴럴 컴퓨터 (Neural Computers)

ASGuard: Targeted Jailbreaking Attack을 완화하기 위한 Activation-Scaling Guard

GlobalSplat: Global Scene Tokens를 통한 효율적인 Feed-Forward 3D Gaussian Splatting

추론 모델을 어떻게 Fine-Tune 할 것인가? Student-Consistent SFT Data를 합성하기 위한 Teacher-Student 협력 프레임워크

RAD-2: Generator-Discriminator 프레임워크에서의 Reinforcement Learning 확장 (Scaling)

DR$^{3}$3-Eval: 현실적이고 재현 가능한 Deep Research Evaluation을 향하여

HY-World 2.0: 3D World의 재구성(Reconstructing), 생성(Generating) 및 시뮬레이션(Simulating)을 위한 멀티모달(Multi-Modal) World Model

pi0.7: 창발적 역량을 갖춘 조종 가능한 범용 로봇 파운데이션 모델 (Steerable Generalist Robotic Foundation Model)

GTR: Guided Thought Reinforcement Prevents Thought Collapse in RL-based VLM Agent Training

Large Language Models를 위한 Agent Skills: Architecture, Acquisition, Security, 그리고 향후 과제

공간 이론: 파운데이션 모델은 능동적 탐색을 통해 공간적 신념을 구축할 수 있는가?

메모리 전이 학습: Coding Agent에서 메모리가 도메인 간에 어떻게 전이되는가

OccuBench: Language World Models를 통한 실세계 전문 작업에서의 AI Agents 평가

SpatialEvo: 결정론적 기하학적 환경을 통한 자기 진화형 공간 지능 (Self-Evolving Spatial Intelligence)

RationalRewards: Reasoning Rewards가 Training 및 Test Time 모두에서 Visual Generation의 Scale을 확장하다

Seedance 2.0: 세계의 복잡성을 위한 비디오 생성 기술의 발전

GameWorld: 멀티모달 Game Agent의 표준화 및 검증 가능한 평가를 향하여

ScaleFormer와 PanScale 벤치마크를 통한 교차 스케일 Pansharpening

PersonaVLM: 장기적 개인화 멀티모달 LLMs

데이터나 최적화 없이 구현하는 최대 뇌 손상: Sign-Bit Flips를 통한 Neural Networks의 교란

Diffusion Probabilistic Models의 SNR-t Bias 규명

멀티모달 OCR: 문서 내 모든 요소의 파싱(Parse Anything from Documents)

Granite-speech: 강력한 영어 ASR 능력을 갖춘 오픈 소스 speech-aware LLMs

Fish-Speech: Advanced Multilingual Text-to-Speech Synthesis를 위한 Large Language Model 활용 연구

비디오 객체 및 상호작용 삭제 (Video Object and Interaction Deletion)

VoxCPM: 문맥 인식 음성 생성 및 실감 나는 음성 클로닝을 위한 Tokenizer-Free TTS

OmniVoice: Diffusion Language Models를 이용한 다국어 Zero-Shot Text-to-Speech 연구

시각이 텍스트가 되는 지점: Vision-Language Models에서 OCR Routing Bottleneck의 위치 파악

OCR인가 아닌가? 실세계 대규모 데이터셋을 통한 MLLM 시대의 문서 정보 추출(Document Information Extraction)에 대한 재고

dnaHNet: 유전체 서열 학습을 위한 확장 가능하고 계층적인 Foundation Model

뉴럴 컴퓨터 (Neural Computers)

ASGuard: Targeted Jailbreaking Attack을 완화하기 위한 Activation-Scaling Guard

GlobalSplat: Global Scene Tokens를 통한 효율적인 Feed-Forward 3D Gaussian Splatting

추론 모델을 어떻게 Fine-Tune 할 것인가? Student-Consistent SFT Data를 합성하기 위한 Teacher-Student 협력 프레임워크

RAD-2: Generator-Discriminator 프레임워크에서의 Reinforcement Learning 확장 (Scaling)

DR$^{3}$3-Eval: 현실적이고 재현 가능한 Deep Research Evaluation을 향하여

HY-World 2.0: 3D World의 재구성(Reconstructing), 생성(Generating) 및 시뮬레이션(Simulating)을 위한 멀티모달(Multi-Modal) World Model

pi0.7: 창발적 역량을 갖춘 조종 가능한 범용 로봇 파운데이션 모델 (Steerable Generalist Robotic Foundation Model)

GTR: Guided Thought Reinforcement Prevents Thought Collapse in RL-based VLM Agent Training

Large Language Models를 위한 Agent Skills: Architecture, Acquisition, Security, 그리고 향후 과제

공간 이론: 파운데이션 모델은 능동적 탐색을 통해 공간적 신념을 구축할 수 있는가?

메모리 전이 학습: Coding Agent에서 메모리가 도메인 간에 어떻게 전이되는가

OccuBench: Language World Models를 통한 실세계 전문 작업에서의 AI Agents 평가

SpatialEvo: 결정론적 기하학적 환경을 통한 자기 진화형 공간 지능 (Self-Evolving Spatial Intelligence)

RationalRewards: Reasoning Rewards가 Training 및 Test Time 모두에서 Visual Generation의 Scale을 확장하다

Seedance 2.0: 세계의 복잡성을 위한 비디오 생성 기술의 발전

GameWorld: 멀티모달 Game Agent의 표준화 및 검증 가능한 평가를 향하여

ScaleFormer와 PanScale 벤치마크를 통한 교차 스케일 Pansharpening