[논문리뷰] Wizard: Manipulate Any World in Real Time via Agentic Control본 논문은 기존 비디오 월드 모델(Video World Models)이 직면한 제어 유연성 부족, 일반화 성능의 한계, 그리고 실시간 상호작용의 어려움을 해결하기 위해 Wizard를 제안합니다 .#Review#Agentic World Model#Zero-shot Generalization#Skeletal Control#Geometry Control#Video Generation#Real-time Interaction2026년 11월 1일댓글 수 로딩 중
[논문리뷰] HelixWorld: A Real-time Interactive Audio-Visual World Model본 논문은 기존의 인터랙티브 World Model들이 주로 시각적 렌더링 및 제어에만 집중하고, 청각적 차원을 간과하여 몰입감 있는 시뮬레이션을 제공하지 못하는 핵심 문제를 해결하고자 한다.#Review#Audio-Visual World Model#Real-time Interaction#Spatial Audio#Causal Distillation#HelixBench2026년 10월 4일댓글 수 로딩 중
[논문리뷰] MOSS-VL Technical Report본 논문은 기존 비전-언어 모델(VLM)이 가진 Offline 중심의 비디오 이해 방식의 한계를 극복하기 위해 제안되었습니다.#Review#Vision-Language Model#Real-time Interaction#Gated Cross-Attention#XRoPE#Streaming Benchmarks#Multimodal Pre-training2026년 8월 17일댓글 수 로딩 중
[논문리뷰] Wan-Streamer v0.1: End-to-end Real-time Interactive Foundation Models본 논문은 실시간 오디오-비디오 인터랙션의 단절성과 모듈 간의 지연 시간 문제를 해결하기 위해 Wan-Streamer를 제안한다. 기존 연구들은 VAD, ASR, LLM, TTS 등을 결합한 캐스케이드(cascaded) 방식을 사용하여, 모듈 경계에서의 대기 시간과 오차 누적 문제에 직면해 있다 .#Review#End-to-End#Real-time Interaction#Multimodal Foundation Models#Full-duplex#Streaming Inference#Block-causal Attention#Thinker-Performer Pipeline2026년 6월 24일댓글 수 로딩 중
[논문리뷰] Liberating LLM Capabilities in Full-Duplex Speech Models본 논문은 기존의 음성 기반 LLM이 음성 응답이라는 제한된 출력 채널에 갇혀, 텍스트가 가진 구조적·논리적 강점을 충분히 활용하지 못한다는 점을 지적한다.#Review#Full-Duplex#Speech LLM#Visible Writing#Tri-channel Paradigm#Token Schema#Real-time Interaction2026년 6월 8일댓글 수 로딩 중
[논문리뷰] RIVER: A Real-Time Interaction Benchmark for Video LLMs대부분의 Multimodal Large Language Models (MLLMs)이 오프라인 패러다임으로 작동하여 실시간 상호작용 능력이 부족하다는 문제를 해결하고자 합니다.#Review#Multimodal LLMs#Real-time Interaction#Video Understanding#Benchmark#Temporal Reasoning#Long-term Memory#Proactive Response2026년 3월 4일댓글 수 로딩 중
[논문리뷰] LongCat-Flash-Omni Technical ReportLongCat-Flash-Omni는 560B 파라미터 규모의 최첨단 오픈소스 옴니모달 모델로, 견고한 오프라인 멀티모달 이해와 저지연 실시간 오디오-시각 상호작용 을 통합하는 것을 목표로 합니다.#Review#Omni-modal AI#Multimodal LLM#Real-time Interaction#Mixture-of-Experts (MoE)#Streaming Inference#Distributed Training#Curriculum Learning#Audio-Visual Perception2025년 11월 9일댓글 수 로딩 중
[논문리뷰] SHANKS: Simultaneous Hearing and Thinking for Spoken Language Models현재 대규모 언어 모델(LLMs) 및 음성 언어 모델(SLMs)이 사용자의 발화가 끝난 후에야 추론 및 행동을 시작하여 발생하는 높은 응답 지연 시간 문제를 해결하는 것이 목표입니다.#Review#Spoken Language Models#Real-time Interaction#Thinking While Listening#Chain-of-Thought#Interruption#Tool Calling#Streaming ASR2025년 10월 9일댓글 수 로딩 중
[논문리뷰] Qwen3-Omni Technical Report본 논문은 텍스트, 이미지, 오디오, 비디오 등 다양한 모달리티 전반에 걸쳐 단일 멀티모달 모델(Qwen3-Omni) 이 기존 단일 모달 모델과 비교하여 성능 저하 없이 최첨단 성능을 유지 하는 것을 목표로 합니다. 또한, 교차 모달 추론 능력 과 실시간 시청각 상호작용 을 향상시키는 것을 주된 연구 목적으로 삼습니다.#Review#Multimodal Model#Thinker-Talker Architecture#Mixture-of-Experts#Low-latency#Audio Understanding#Cross-modal Reasoning#State-of-the-Art#Real-time Interaction2025년 9월 23일댓글 수 로딩 중