Papers

AgentSPEX: An Agent SPecification and EXecution Language

CoInteract: 공간적으로 구조화된 공동 생성(Co-Generation)을 통한 물리적 일관성을 갖춘 인간-객체 상호작용 비디오 합성

Tstars-Tryon 1.0: 다양한 패션 아이템을 위한 강건하고 사실적인 가상 Try-On

Large Language Model Inference를 위한 Fast NF4 Dequantization Kernels

EasyVideoR1: 비디오 이해를 위한 더욱 용이한 RL

MultiWorld: 확장 가능한 Multi-Agent Multi-View 비디오 월드 모델 (Scalable Multi-Agent Multi-View Video World Models)

OpenGame: 게임을 위한 Open Agentic Coding

Agent-World: 진화하는 범용 agent 지능을 위한 실세계 환경 합성의 스케일링

OneVL: 시각-언어 설명을 통한 단일 단계 잠재 추론 및 계획 (One-Step Latent Reasoning and Planning with Vision-Language Explanation)

변별적 텍스트 표현(Discriminative Text Representation)을 통한 클래스 레이블 기반의 원스텝 이미지 생성을 텍스트로 확장하기

ScribblePrompt: 모든 생의학 이미지를 위한 빠르고 유연한 상호작용형 Segmentation

Long-VITA: 선도적인 Short-Context 정확도를 유지하며 Large Multi-modal Models를 1 Million Tokens로 확장하기

UI-TARS: Native Agent를 통한 자동화된 GUI 상호작용의 선구적 접근

HunyuanVideo: Large Video Generative Models를 위한 체계적 프레임워크

MathNet: 수학적 추론 및 검색을 위한 글로벌 멀티모달 벤치마크

LLM Agent에서의 Externalization: Memory, Skills, Protocols 및 Harness Engineering에 관한 통합적 리뷰

Active Context Compression: LLM Agent에서의 자율적 메모리 관리

손실을 최소화하라! 효율적인 병렬 추론을 위한 조기 경로 Pruning 학습법

Qwen3.5-Omni 기술 보고서

효율적이고 비용 효율적인 Retrieval-Augmented Generation 시스템을 위한 Web Retrieval-Aware Chunking (W-RAC)

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