Review

[논문리뷰] Open-o3-Video-v2: Seek, Ground, and Reason with Verifiable Spatio-Temporal Evidence

본 연구는 고정된 프레임 샘플링에 의존하는 기존 모델들이 긴 비디오나 복잡한 장면에서의 정밀한 추론 및 검증에 한계가 있다는 점을 해결하고자 합니다. 기존 모델들은 초기 관측에만 국한되어 결정적인 단서가 되는 짧은 이벤트나 작은 객체를 놓칠 위험이 큽니다.

#Review #Video Reasoning #Agentic #Spatio-Temporal Grounding #Chain-of-Thought #Reinforcement Learning

2026년 10월 13일

[논문리뷰] Multics: Generative Multi-Player World Model with Hierarchical Communication

본 논문은 Robust한 Multi-player Video Generation을 달성하면서 플레이어 수가 증가함에 따라 효율적으로 Scalability를 확보하는 핵심 문제를 다룹니다. 기존 연구들은 다음 두 가지 주요 한계에 직면해 있습니다.

#Review #Multi-player World Model #Hierarchical Communication #Generative Video #Dynamic Grouping #Self-Attention #Scalability #Cross-player Consistency #Controllability

2026년 10월 13일

[논문리뷰] Learning How to Remember: Memory Modality Selection for GUI Agents

Now I have the content of the paper. I will proceed with summarizing it according to the specified format.

2026년 10월 13일

[논문리뷰] LeWAM: End-to-End World and Action Modeling with JEPAs

본 논문은 자율 에이전트(autonomous agents)의 시각 제어(visual control)에서 액션의 결과(consequences of actions)를 효과적으로 예측하는 근본적인 문제를 해결하고자 합니다.

#Review #Joint-embedding predictive architectures (JEPAs)#World Models #Action Modeling #End-to-End Learning #Visual Planning #Robotics #Flow Matching

2026년 10월 13일

[논문리뷰] Jeva: System One Models from First Principles

본 논문은 System One Models의 현재 설계가 decision problem의 구조를 충분히 반영하지 못하고 있음을 지적합니다.

#Review #System One Models #Decision-Native Architecture #Null-Awareness #Permutation Invariance #Option Scalability #Cacheability #State Refinement #Typed Outputs

2026년 10월 13일

[논문리뷰] JevGPT: Thinking Fast and Slow in Autonomous Research

본 논문은 자율 연구 에이전트가 제한된 예산 내에서 방대한 정보를 효율적으로 탐색하고 활용하지 못하는 문제를 해결하고자 합니다. 기존 에이전트들은 검색된 문서를 모두 검토하는 데 과도한 시간을 소모하거나, 검색 범위와 실제 의사결정에 반영되는 evidence 간의 괴리(gap)가 발생하는 한계가 있습니다.

#Review #Autonomous Research #Dual-System Architecture #Evidence Processing #Retrieval-Augmented Generation #Agentic Search #Resource Allocation

2026년 10월 13일

[논문리뷰] Harness^2: Recursive Agent Harnessing for an Open World

LLM Agent의 역량은 근본적인 모델뿐만 아니라 harness의 설계에 크게 의존합니다.

#Review #LLM Agents #Harness Engineering #Recursive Self-Improvement #Open-World AI #Task-Level Recursion #Harnessing-Level Recursion #Contrastive Learning

2026년 10월 13일

[논문리뷰] GreenWAM: A World Foundation Model for Robotics

본 논문은 단일 로봇 World Model이 다양한 로봇 Body에 걸쳐 World Model 및 Policy 두 가지 역할을 모두 수행할 수 있는지, 그리고 이를 가능하게 하는 요인이 무엇인지에 대한 핵심 질문을 다룬다.

#Review #GreenWAM #World Foundation Model #Robotics #Shared Anatomical Action Space #Policy Adaptation #Multi-modal Training #Real-time Control

2026년 10월 13일

[논문리뷰] FlashVSR+: Efficient Video Super-Resolution via Hybrid Attention and Reward-Yield Distribution Matching

본 논문은 Video Super-Resolution (VSR) 분야에서 One-step Generative Model의 효율성과 Human Preference Alignment이라는 두 가지 핵심 Bottleneck을 해결하고자 합니다.

#Review #Video Super-Resolution #Hybrid Attention #Reward-Yield Distribution Matching #Diffusion Distillation #4K Inference #Human Preference

2026년 10월 13일

[논문리뷰] ExeWorldBench: Benchmarking Code-Based Executable 3D World Modeling

본 논문은 coding agents가 3D 세상을 단순히 시각적으로 재현하는 것을 넘어, 세상이 '어떻게 작동하는지'를 포착하는 executable worlds를 구축하는 방향으로 발전함에 따라 발생하는 executable world modeling의 종합적인 평가 부재 문제를 해결한다.

#Review #Executable World Modeling #Code-Based World Construction #World Understanding #Executable Realization #Physical Reasoning #Causal Interaction #Benchmarking #Blender Programs

2026년 10월 13일

[논문리뷰] EviScene: Beyond 'Is It AI?' for Agentic Image Factuality Assessment

본 연구는 이미지가 AI 생성 여부와 무관하게, 해당 이미지가 묘사하는 상황의 사실 여부를 판단하는 Image Factuality Assessment의 핵심 문제를 해결하고자 한다.

#Review #Image Factuality Assessment #Multimodal Agent #ReAct #EviLens #Supervised Fine-Tuning (SFT)#Privileged On-Policy Self-Distillation (PSD)#Evidence Sufficiency #Balanced Accuracy

2026년 10월 13일

[논문리뷰] EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ

본 연구는 휴머노이드 로봇의 성공적인 loco-manipulation 학습을 위해 필요한 다중 모달 데이터의 부재 문제를 해결합니다.

#Review #Egocentric Dataset #Loco-Manipulation #Whole-Body Reconstruction #Sparse Wearable Sensing #Multimodal Calibration

2026년 10월 13일

[논문리뷰] DoSA: Dots Sparse Attention

본 논문은 Long-Context LLM에서 Sparse Attention의 Token Selection 과정이 심각한 성능 병목(Bottleneck)으로 작용하는 문제를 해결하고자 합니다.

#Review #Sparse Attention #Conditional Computation #LLM Inference #GPU Acceleration #Exact Token Selection #Score Certificate #Top-K Selection

2026년 10월 13일

[논문리뷰] Data-Centric Recursive Self-Improvement for Navigation via Policy-Synchronized Language-Action Dual Bootstrapping

Vision-Language Navigation (VLN)에서 고품질의 언어 supervision은 에이전트가 자연어 명령을 따라 목표 위치에 도달하는 데 필수적입니다.

#Review #Vision-Language Navigation (VLN)#Self-Improvement #Data-Centric #Policy Synchronization #Dual Bootstrapping #Instruction Generation #Spatial Understanding

2026년 10월 13일

[논문리뷰] CineRecon: Benchmarking Frontier Models for Agentic Cinematic Reconstruction

본 논문은 에이전트가 완전한 비디오를 입력받아 실제 현장감을 갖춘 편집 가능한 3D 장면으로 autonomously 재구성할 수 있는지 평가하는 문제를 다룬다.

#Review #Agentic Reconstruction #Cinematic Video #Blender #3D Scene #Multimodal Coding #Benchmark #Consistency

2026년 10월 13일

[논문리뷰] Agent-Reflex: Teaching Language Agents to Act Reflectively

본 논문은 대규모 언어 모델 (LLM) 기반 에이전트가 현실 세계에서 noisy feedback과 사용자 개입에 대한 proactive reflection 능력이 부족하다는 핵심 문제를 제기합니다.

#Review #Language Agents #Proactive Reflection #Meta-Skills #Noisy Environments #Tool Use #Supervised Fine-Tuning #On-Policy Optimization

2026년 10월 13일

[논문리뷰] AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards

기존 코드 모델은 시각적 아티팩트 생성 시 레이아웃 및 색상 선택이 캔버스에 어떻게 나타나는지 '볼 수 없는' 근본적인 한계로 인해 공간 계획 및 미학적 품질이 제한됩니다.

#Review #Aesthetic Code Generation #Decoupled Cross-Modal Rewards #Design Graph #Reinforcement Learning #Visual Language Models #Infographics #HTML/CSS Generation

2026년 10월 13일

[논문리뷰] APEX: Asynchronous Prefix Denoising for Extreme Compression

본 논문은 latent diffusion model에서 extreme spatial compression을 적용할 때 발생하는 reconstruction-generation dilemma를 해결하여 compute-efficient latent diffusion을 가능하게 하는 것을 목표로 합니다.

#Review #Latent Diffusion Models #Extreme Compression #Hierarchical Latent Space #Asynchronous Denoising #Channel Groups #Reconstruction-Generation Dilemma #Compute Efficiency #Image Generation

2026년 10월 13일

[논문리뷰] A Decade in a Day: Synthesizing Agent-Native Interfaces from Human-Oriented Software Evolution

본 논문은 LLM agents가 desktop applications의 새로운 사용자 class로 부상하고 있지만, 기존 desktop interface들이 human end-users 또는 application developers를 위해 설계되어 agents의 performance를 저해하는 문제를 제기합니다.

#Review #LLM Agents #Agent-Native Interfaces (ANIS)#Software Evolution #DESKIF-BENCH #Discoverability #Granularity #Observability

2026년 10월 13일

[논문리뷰] Visual Grounding Safety in Vision-Language Models

본 논문은 Vision-Language Models(VLMs)의 안전성 정렬이 텍스트 출력과 달리 행동 기반의 공간적 출력인 Visual Grounding에는 제대로 적용되지 않는다는 핵심 문제를 제기한다.

#Review #Vision-Language Models #Visual Grounding #Safety Alignment #Mismatched Generalization #Fine-Tuning #Over-refusal

2026년 10월 12일