Papers

CUA-Suite: 컴퓨터 사용 에이전트를 위한 대규모 인간 주석 비디오 데모

EVA: End-to-End Video Agent을 위한 효율적 강화학습

Foveated Diffusion: 효율적인 공간 적응형 이미지 및 비디오 생성

Ego2Web: Egocentric Video에 기반한 Web Agent 벤치마크

정적 템플릿에서 동적 런타임 그래프로: LLM 에이전트 워크플로우 최적화에 대한 개요

SpecEyes: Speculative Perception 및 Planning을 통한 Agentic Multimodal LLMs 가속화

DA-Flow: Diffusion Models를 활용한 Degradation-Aware Optical Flow Estimation

PEARL: Personalized Streaming Video Understanding Model

WildWorld: 행동과 명시적 상태를 통한 생성형 ARPG 를 위한 동적 세계 모델링을 위한 대규모 데이터셋

MinerU-Diffusion: Diffusion Decoding를 통한 역 렌더링으로서의 문서 OCR 재고찰

PivotRL: 낮은 연산 비용으로 구현하는 고정밀 Agentic Post-Training

F4Splat: Feed-Forward 3D Gaussian Splatting을 위한 Feed-Forward 예측적 밀도 증가

SpatialBoost: 언어 기반 추론을 통한 시각적 표현 향상

VideoDetective: 장편 영상 이해를 위한 외재적 쿼리와 내재적 관련성을 통한 단서 탐지

LongCat-Flash-Prover: Agentic Tool-Integrated Reinforcement Learning를 통한 Native Formal Reasoning의 발전

단순성에 의한 속도: 빠른 오디오-비디오 생성 기반 모델을 위한 단일 스트림 아키텍처

Omni-WorldBench: 세계 모델에 대한 포괄적인 상호작용 중심 평가 지향

PrismAudio: 비디오-오디오 생성을 위한 분해된 연쇄 사고와 다차원 보상

LeWorldModel: 픽셀 기반의 안정적 엔드투엔드 공동 임베딩 예측 아키텍처

FlowScene: 멀티모달 그래프 정류 흐름을 통한 스타일 일관성 실내 장면 생성

LumosX: Relate Any Identities with Their Attributes for Personalized Video Generation

LLMs 를 위한 Y-Combinator: λ-Calculus 를 통한 Long-Context Rot 해결

ProactiveBench: Multimodal Large Language Models의 Proactiveness 평가

TerraScope: Pixel-Grounded Visual Reasoning for Earth Observation

Astrolabe: 증류된 자기회귀 비디오 모델을 위한 전진 과정 강화 학습의 제어

HopChain: 일반화된 비전-언어 추론을 위한 멀티홉 데이터 합성

Diffusion 기반 이산 운동 Tokenizer 를 통한 의미론적 및 운동학적 조건 간의 연결

FASTER: 실시간 흐름 VLAs 에 대한 재고찰

3DreamBooth: 고정밀 3D 주제 주도형 비디오 생성 모델

SAMA: 지시 기반 비디오 편집을 위한 분해된 의미 앵커링 및 운동 정렬