[논문리뷰] Multimodal Flow: Unified Flow Modeling of Language and Vision in Embedding Spaces본 논문은 기존의 통합 멀티모달 모델들이 겪는 표현적 제약과 생성 과정의 불일치 문제를 해결하기 위해 제안되었습니다 . 기존 모델들은 이미지를 이산화(quantization)하여 시각적 정보를 손실하거나, 언어(이산적)와 이미지(연속적)를 처리하는 목적 함수와 샘플링 절차를 분리하여 운영하는 한계를 가집니다.#Review#Multimodal Flow#Flow Matching#Continuous Generative Modeling#Hyperchunks#Chunk-Causal#Multimodal Pretraining2026년 10월 1일댓글 수 로딩 중
[논문리뷰] How Far Are We from Removing the Visual Encoder? Scaling Laws for Encoder-Free Multimodal Pretraining본 논문은 Visual Encoder 유무에 따른 MLLM의 스케일링 거동 차이를 체계적으로 규명하고, Encoder-Free 아키텍처가 거대 모델 스케일에서 실질적인 대안이 될 수 있는지 분석합니다 .#Review#Encoder-Free MLLM#Scaling Laws#Multimodal Pretraining#Compute-Optimal Allocation#Vision-Specific Adaptation#IsoFLOP Profiles2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Towards Physics of Multimodal Pretraining: Knowledge Flow, Modality Synergy, Early Unification, and Recipes본 논문은 Foundation Model이 단일 양식에서 다중 양식으로 발전함에 따라, Multimodal Pretraining의 설계 공간과 양식 간 상호작용의 근본적인 메커니즘이 충분히 탐구되지 않았다는 문제의식에서 출발합니다.#Review#Multimodal Pretraining#Knowledge Flow#Modality Synergy#Early Unification#Vision Laziness#Data Mixing Ratios#Transformer Architecture2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Video = World + Event Stream본 논문은 기존의 인터랙션 모델이 단일 응용 분야에 국한된 학습 목적을 가졌던 한계를 극복하기 위해, 비디오 데이터를 World와 Event Stream으로 분해하는 새로운 프레임워크를 제안합니다.#Review#World-Event Decomposition#Native-Streaming Interaction#Multimodal Pretraining#End-to-End Latency#Role-play Interface#Open-vocabulary Behavior2026년 7월 16일댓글 수 로딩 중
[논문리뷰] Kwai Keye-VL-2.0 Technical Report본 연구는 대규모 다중 모달 데이터셋 환경에서 높은 추론 성능과 효율적인 정렬을 동시에 달성하기 위한 고성능 VLM 아키텍처 개발을 목표로 합니다.#Review#Vision-Language Model#Multimodal Pretraining#Alignment#Instruction Tuning#Visual Encoder#LLM2026년 6월 9일댓글 수 로딩 중
[논문리뷰] Beyond Language Modeling: An Exploration of Multimodal Pretraining본 논문은 기존 언어 모델링의 한계를 넘어, 비전 신호를 퍼스트 클래스 시민 으로 통합한 통합 멀티모달 사전 훈련(unified multimodal pretraining) 의 설계 공간을 탐색하고 경험적 명확성을 제공하는 것을 목표로 합니다.#Review#Multimodal Pretraining#Vision-Language Models#Mixture-of-Experts (MoE)#Representation Autoencoders (RAE)#World Modeling#Scaling Laws#Diffusion Models#Unified Architectures2026년 3월 3일댓글 수 로딩 중
[논문리뷰] EmbodiedOneVision: Interleaved Vision-Text-Action Pretraining for General Robot Control본 연구는 기존 VLA 모델들이 가진 제한된 도메인 및 유연성 문제를 해결하고, 개방형 환경에서 인간 수준의 유연한 다중 모달 추론 및 물리적 상호작용 을 가능하게 하는 일반ist 로봇 제어를 목표로 합니다.#Review#Embodied AI#Robot Control#Vision-Language-Action Models#Multimodal Pretraining#Flow Matching#Foundation Models#Generalization#Real-world Robotics2025년 9월 1일댓글 수 로딩 중