최신 최고 성능 월드 모델은 사용자가 입력한 행동에 맞는 게임 플레이 시퀀스를 생성할 수 있다. 그러나 높은 품질과 일관성을 갖춘 시퀀스를 생성하면 추론이 느려지는 경우가 많아 실시간 상호작용이나 아이디어 탐색이 어렵다. 최고 성능 모델을 학습할 때 드는 데이터 양도 많아 모델을 맞춤 학습하기 어렵고, 창작 분야에서의 활용이 제한된다. 빠른 고품질 추론과 데이터 효율 개선을 함께 달성하는 방법을 제시한다. 다음 토큰 예측 방식을 2단계 이산 확산 방식으로 바꾸고, 마스킹된 부분을 반복 예측하는 경량 정제 트랜스포머를 도입했다. 수 분에 걸쳐 일관성이 높고 복잡한 시퀀스를 생성하는 자기회귀 월드 모델(Kanervisto 외, 2025)을 바탕으로, 품질이 소폭 낮아지는 대신 실행 속도를 79배 높였다. 약 하루 분량인 28시간의 게임 플레이 데이터셋으로 학습해 품질과 일관성이 높은 게임 플레이를 재현할 수 있음도 보였다. 이 결과는 실시간 추론과 데이터 효율이 필수적인 환경에서 월드 모델 사용의 제약을 줄일 수 있음을 보여 준다.
해양 분석용 지리공간 파운데이션 모델 DARWIN을 소개한다. 최근 지구 관측 파운데이션 모델은 주로 육지에 집중했다. 해양에는 관측값 누락, 여러 모달리티에 걸친 물리 및 생지화학 변수, 희소 레이블, 일시적이고 여러 스케일에 걸치며 시간에 따라 통계적 특성이 달라지는 동역학이라는 별도의 과제가 있다. DARWIN은 결측을 고려한 인코딩, 확장된 공간 및 시간 마스킹, 푸리에 방식의 위치 임베딩으로 마스크 오토인코더 백본을 이러한 특성에 맞췄다. 26년치 전 지구 Copernicus 재분석 자료와 GEBCO 수심 자료로 사전학습했다. 엽록소 a를 예측할 때 사전학습 백본은 2022년 모든 달에서 월별 상대 오차가 가장 낮았다. 인코더를 쓰지 않는 기준선과 동일한 아키텍처에서 무작위로 초기화한 인코더를 모두 앞섰다. 지도학습 데이터의 10%만 사용한 DARWIN도 전체 데이터로 학습한 무작위 초기화 모델보다 우수했다. 임베딩 분석과 정성적 복원 결과는 DARWIN이 입력 통계를 암기하는 대신 일관된 해양학적 구조를 포착함을 보여 준다. 따라서 이상 탐지, 종 분포 모델링, 환경 모니터링 등 해양 응용에 확장할 수 있는 백본을 제공한다.
지시 기반 비디오 편집용 보상 모델은 움직임을 희생하면서 시간적 일관성을 선호할 수 있다. 움직임 붕괴라고 부르는 이 실패를 조사하기 위해 실제 편집 결과에서 움직임을 통제된 방식으로 억제한 변형을 사용했다. VE-Bench에서 평가한 복합 보상은 사례의 $97\%$에서 움직임을 억제한 후보를 선호했다. 학습된 비디오 보상과 비전-언어 모델(VLM) 평가기도 미세한 억제를 판별하기 어려워했다. 잠재 표현 최적화와 보상 기반 미세조정은 이 약점을 이용해 움직임이 줄어드는 동안 보상을 높였다. 기본 보상 백본을 선형 탐침으로 분석했을 때 미세한 억제에 대한 판별 성능이 무작위 추측 수준에 가까웠다. 이를 바탕으로 프레임 사이의 동역학을 명시적인 입력으로 제공한다. RGB 프레임 차이 스트림을 사용하고, 움직임이 억제됐거나 인위적으로 만들어진 부정 예시로 선호 학습을 수행하는 움직임 인식 보상 모델을 제안한다. 증류 앵커는 모델이 사람의 품질 판단과 계속 일치하도록 한다. VE-Bench의 단계별 움직임 평가에서 이 모델은 억제된 후보를 선택하는 비율을 $0\%$로 줄였으며, 사람의 품질 평점과의 스피어먼 상관계수는 $0.57$이었다. 학습에 없던 억제 변형도 탐지했고, 두 편집 파이프라인에서 보상 기반 미세조정을 할 때 움직임을 보존했다. 이 결과는 비디오 편집의 보상에서 움직임을 명시적으로 모델링할 근거를 제시한다.
언어 모델은 프로젝트를 계획하고 실행하며 피드백으로 행동을 개선하는 에이전트로 점점 더 많이 쓰인다. 현재 에이전트가 실제 과학자처럼 프로젝트를 끝낼 수 있는가? 이를 살펴보기 위해 생물학, 화학, 재료과학, 물리학의 실제 과학 과제에서 에이전트의 능력을 평가하는 SciWorkBench를 소개한다. 동료 심사를 거친 논문이나 전문가가 제공한 연구 시나리오를 바탕으로 구축했다. 분야별 전문가가 검증한 통합 과학 분석 프레임워크도 제시한다. SciWorkBench 과제 대부분을 이 프레임워크로 분류할 수 있으며, 과제마다 하나 이상의 단계를 다룬다. 공통 실행 및 채점 절차로 Claude Code와 Codex 에이전트 프레임워크에서 최신 모델을 평가했다. 가장 성능이 높은 에이전트의 평균 점수는 57.38로, 현재 에이전트가 현실적인 과학 연구 워크플로를 여전히 어려워함을 보여 줬다. 실패를 분석한 결과, 과학 지식을 특정 과제의 절차로 바꾸기 어렵고 여러 모달리티의 근거를 충분히 통합하지 못하며 과학적 자기 교정 능력이 제한되는 세 가지 약점이 반복됐다. 이 결과는 신뢰할 수 있는 과학 연구용 AI 시스템의 발전을 측정하려면 워크플로 기반 평가가 중요함을 보여 준다.
JEPA 방식의 잠재 월드 모델은 체화 에이전트가 모델 예측 제어(MPC)로 새로운 목표를 향해 계획을 세우게 한다. 그러나 실제 환경의 체화 제어에 쓰기에는 여전히 느리다. 샘플링 기반 MPC는 계획 하나를 세울 때 예측기 추론을 수만 번 반복하므로, 고성능 GPU에서도 계획 단계 한 번에 수십 초가 걸릴 수 있다. 이 반복 추론 작업에서 잠재 표현의 국소성이 뚜렷하게 나타났다. 예측기는 서로 비슷한 행동을 가까운 잠재 표현으로 매핑한다. 양자화한 예측기에서는 이 유사성이 하드웨어에서 이용할 수 있는 비트 수준 차분 희소성으로 나타난다. 입력 스트림의 시간적 유사성은 주어지는 특성이지만, 계획기는 어떤 후보를 함께 평가할지 스스로 정한다. 따라서 공통 기준을 직접 고르고 참조 포리스트 샘플링으로 희소성을 더 높일 수 있다. 샘플링한 행동 시퀀스를 그룹별로 공통 루트에 연결하면서 경쟁력 있는 계획 품질을 유지한다. 비트 수준 희소성 가속기에 관한 선행 연구를 바탕으로 가속기와 계획기를 밀접하게 결합해 공동 설계했다. 계획기는 희소성을 높이고 하드웨어 스케줄링에 쓸 구조를 드러낸다. 비트 단위로 정확한 하드웨어는 계획기가 만든 희소성을 효과적으로 활용한다. JEPA 월드 모델 세 개에서 동일한 면적으로 비교했을 때, 공동 설계는 조밀 연산 가속기보다 1.28~1.80배 빠르고 에너지를 38~52% 적게 썼다. 기존 비트 희소 설계보다 1.22~1.58배 빠르고 에너지를 16~36% 적게 썼다. 우리가 아는 한 후보 사이에 비트 수준 차분 희소성을 만들어 그 구조를 하드웨어 스케줄링에 제공하는 첫 계획기이자, JEPA 방식 월드 모델 계획을 위한 첫 알고리즘·하드웨어 공동 설계다.
수술 내비게이션, 방사선 치료, 실시간 영상 유도 시술처럼 경계를 빠르고 정확하게 그려야 하는 임상 응용에는 효율적인 의료 이미지 분할이 필수적이다. 합성곱 신경망과 트랜스포머가 크게 발전했어도 제한된 연산 자원으로 높은 정확도를 얻기는 어렵다. 모델 복잡도를 줄이면 세밀한 구조와 전역 문맥을 모델링하는 능력도 떨어지는 경우가 많기 때문이다. 국소 세부 보존과 전역 문맥 모델링의 균형을 개선하는 효율적 인코더–디코더 아키텍처 LeViT-UNet++를 제안한다. 하르 웨이블릿 다중 스케일 다운샘플링(HWMD) 모듈은 특징 표현을 저주파와 고주파 성분으로 분해해 여러 스케일의 구조 정보를 추출한다. 이를 통해 다운샘플링 과정의 세부 정보 손실을 줄인다. 깊이별 합성곱 기반 디코더를 개발해 트랜스포머 블록에서 얻은 다중 스케일 전역 표현과 국소 공간 특징을 통합했다. 계산 부담을 낮추면서 특징을 점진적으로 정제한다. Synapse, ACDC, LA2018, MSD Heart 등 벤치마크 네 개의 2D 및 3D 설정에서 LeViT-UNet++는 적은 매개변수와 빠른 추론 속도로 경쟁력 있는 정확도를 달성했다. 예를 들어 Synapse에서 매개변수 802만 5천 개로 다이스 유사도 계수(DSC) 76.57%, 처리 속도 241.72FPS를 기록했다. 웨이블릿 기반 다중 스케일 특징 추출과 경량 국소·전역 특징 융합의 조합이 의료 영상 분할의 정확도와 효율을 함께 확보하는 데 효과적임을 보였다. 소스 코드는 https://github.com/apple1986/levit_unet_pp 에 공개되어 있다.
조직은 어떤 업무를 자동화할지, 어느 팀의 규모를 바꿀지, 음성 에이전트가 대기 시간에 어떤 영향을 줄지처럼 운영 방식의 변화가 낳을 결과를 AI에 점점 더 많이 묻는다. AI 모델이 운영의 문제를 진단하고 개입을 선택해 결과를 예측할 수 있는지 평가하는 RehearsalBench를 소개한다. 실제 통화 단위 기록에 맞춰 만든 모의 은행 고객센터에서 모델은 관리자에게 보이는 정보만 본다. 모델이 제출한 계획과 예측은 난수 시드를 지정한 미래 시나리오 200개와 현실성 있는 조직 모형 세 가지에서 시험한다. 결정은 이해관계자가 명시한 가치에 따라 달러로 평가하며, 예측은 아무 조치도 하지 않았을 때와 비교한 각 변경의 효과로 평가한다. 모델 10개가 조직 14곳에 걸쳐 280회 시도했다. 성능이 가장 높은 GPT-6 Astra는 아무 조치도 하지 않을 때의 비용 대비 6.8%를 절감했고, 항상 효과가 없다고 예측하는 방식보다 예측 오차가 77% 적었다. 평균적으로 모든 모델은 지정한 효과의 방향을 모두 맞혔다. 다만 같은 효과의 크기를 같은 방향으로 잘못 예측했다. 음성 에이전트의 도입이 고객 재문의에 미치는 효과를 약 다섯 배로 과대평가했다. 아무 조치도 하지 않는 것이 옳을 때 보류를 권한 모델은 없었다. 외적 타당성을 시험하기 위해 모델 12개가 실제 결과가 알려진 조직 변화 33건을 예측했다. 미리 정한 판정 규칙을 적용하면 벤치마크의 예측 순위와 실제 사례의 순위가 일치하는 경향을 보였다(스피어먼 $\rho = 0.92$, 95% 하한 0.50). 첫 번째 시험에서 결론을 내리지 못한 사실, 결과를 본 뒤 내린 분석상의 선택, 순위 일치의 일부가 모델이 불확실성의 크기를 얼마나 잘 추정했는지에 기인한다는 근거도 함께 보고한다.
가정 시스템에 사물인터넷(IoT) 기기를 통합하면 생활 환경을 더 세밀하게 제어할 수 있다. 그러나 의료, 교통, 가정 자동화 등 중요한 분야에 기기가 널리 쓰이면서 규칙 간 상호작용에서 취약점이 드러난다. 이는 사생활 침해, 데이터 절도, 신체적 피해로 이어질 수 있다. 기존 퍼즈 테스트는 사람이 이상적으로 판단한다고 가정한 시뮬레이션에서 수행하는 경우가 많다. 스마트홈의 기기 동작에 영향을 주는 복잡한 사람의 상호작용은 제대로 반영하지 못해 예상하지 못한 결과가 생길 수 있다. 실제 사람의 의사결정이 미치는 영향을 파악하고 예상 밖의 규칙 간 취약점을 찾기 위해, 사람의 의사결정 과정을 모사하는 대규모 언어 모델을 스마트홈용 IoT Fuzz에 통합한 개선안을 소개한다. 이 접근법은 테스트 환경이 사람의 다양하고 변화하는 상호작용을 더 현실적으로 반영하고, 예측하기 어려운 행동도 포함하도록 한다.
옴니모달 대규모 언어 모델(Omni-LLM)은 오디오, 비디오, 텍스트를 통합해 멀티모달 추론을 한다. 그러나 한 모달리티가 다른 모달리티에 관한 예측에 잘못 영향을 주는 모달리티 간 환각에 여전히 취약하다. 별도 학습이 필요 없는 기존 디코딩 방식은 모달리티를 교란하거나 관련성에 따라 가중치를 부여해 이런 오류를 줄인다. 그러나 융합 과정에서 무관한 모달리티 단서가 간섭하고 여러 분기가 같은 오류를 내는 경우를 알아내기 어렵다. 그 결과 올바른 단일 모달리티 예측을 억제하거나 잘못된 합의를 그대로 남길 수 있다. 이 한계를 다루기 위해 별도 학습 없이 모달리티 간 환각을 줄이는 출처 인식 합의 디코딩(PACD)을 제안한다. 분기가 합의하는지에 따라 두 경로를 사용한다. 합의가 없을 때 관련성 기반 후보 중재는 과제와 관련된 단일 모달리티 근거를 식별하고 대안 후보를 활용해 예측 사이에서 선택한다. 합의가 있을 때 출처 기반 합의 복구는 우위 평가 원리로 대안 답변을 뒷받침하는 층별 모달리티 근거의 일관성과 강도를 평가한다. 신뢰도 제약을 충족할 때만 잘못된 합의를 교정한다. 두 과제에 걸쳐 Omni-LLM 네 개와 벤치마크 다섯 개에서 효과를 검증했다. 모달리티 간 환각을 평가하는 CMM, AVHBench, SVHalluc에서는 표준 디코딩보다 최대 27.6% 상대 개선을 보였다. 일반 시청각 추론을 평가하는 OmniVideoBench와 FutureOmni에서는 최고 기준선 대비 평균 7.7% 상대 개선을 달성했다.
기존 지식 증류에서는 백도어가 교사 모델에서 학생 모델로 전파될 수 있다. 이 위험이 온-정책 증류(OPD)에서 어떻게 나타나는지는 충분히 연구되지 않았다. OPD는 최근 비전-언어 모델(VLM)의 주요 사후 학습 방식으로 떠올랐다. 전통적인 오프라인 증류와 달리 교사가 생성한 응답이 필요하지 않다. 학생이 온라인으로 생성한 응답 궤적을 교사의 확률분포로 지도한다. 초기 학생 모델은 보통 정상 응답을 생성하며 악성 목표 응답을 명시적 지도 신호로 받지 않으므로, OPD에 백도어 전파를 억제하는 성질이 있는 것처럼 보인다. 이 논문은 이 직관과 달리 OPD에서 시각 백도어가 더 미묘한 방식으로 전파될 위험을 확인한다. 여러 모델 계열과 데이터셋에서 실시한 실험과 이론 분석을 통해 세 가지 주요 결과를 얻었다. 첫째, 전통적인 오프라인 증류에서는 백도어가 비교적 점진적으로 퍼지는 데 비해, OPD에서는 오염 비율이 낮을 때 백도어가 거의 나타나지 않았다. 그러나 임계값을 넘으면 공격 성공률이 빠르게 100%에 가까워졌다. 둘째, 백도어 전파는 명시적인 악성 응답에 의존하지 않고 교사가 배정한 비정상 확률 질량이 계속 쌓이면서 발생했다. 마지막으로, 이 결과를 바탕으로 명시적인 트리거 주입 없이 시각 백도어를 전파할 수 있는 새 트리거 설계를 제안한다. 이는 간과됐던 OPD의 백도어 전파 기제를 드러내고 잠재적인 보안 위험을 보여 준다.
멀티모달 사후 학습은 폭넓은 지시 미세조정에서 이미지와 비디오 추론을 위한 강화학습으로 옮겨 왔다. 결과에 보상을 주면 최종 답변의 정확도를 높일 수 있다. 그러나 보상은 생성한 궤적 전체에 부여되는 반면, 시각적 근거는 응답의 일부 위치에서 불균등하게 쓰인다. 최근 연구는 근거 연결 신호나 외부에서 정한 토큰별 가중치로 멀티모달 강화학습이 토큰의 차이를 더 잘 반영하게 했다. 이 연구에서는 보조 주석 도구, 인식 모듈, 과정 레이블 없이 모델 자체의 멀티모달 계산으로 동일한 궤적 수준 보상의 배분을 추론할 수 있는지 묻는다. 잠재 보상 배분장을 사용해 생성 결과 수준의 어드밴티지를 위치별로 재분배하는 표현 기반 정책 최적화 방법 Gaze-RL을 제안한다. 모델 내부의 모달리티 간 기하 구조와 국소 예측 불확실성으로 이 배분장을 계산한다. 시각적 근거가 있고 판단에 영향을 주는 위치에 더 높은 갱신 가중치를 부여하면서 가중치의 평균을 1로 유지한다. 따라서 롤아웃에 부여되는 전체 학습 신호는 보존되며 위치별 배분만 달라진다. 과정 지도 신호, 보조 인식 모듈, 아키텍처 변경 없이도 다양한 이미지 및 비디오 벤치마크에서 Qwen2.5-VL과 InternVL3.5의 성능을 모두 높였다.
벤치마크 정확도는 모델이 벤치마크에서 측정하는 개념을 이해한다는 근거로 흔히 해석된다. 이 해석을 관측, 표현, 디코딩, 활용, 행동으로 나누는 5계층 프레임워크를 제안하고 AeroIntent에 적용한다. 프레임워크는 인코딩, 해독 가능성, 활용을 서로 다른 수준으로 다룬다. 관측 계층에서는 드론 프로그램 20개 중 7개에서 관측을 신뢰할 수 없었으며, 방사 속도를 직접 반영하는 시각적 크기 변화는 최소 0.26%여야 드러났다. 표현 계층에서는 과제에 맞춰 설계한 RGB 특징 두 개에서 명목상 신호가 나타났다. RAFT 광학 흐름의 방사 방향 바이어스는 $r=+0.257$($p=0.030$), 경계 상자 안 광학 흐름의 발산은 $r=+0.203$($p=0.029$)이었다. 여러 특징을 읽어 낸 값으로 구한 폴드 평균 테스트 상관계수는 군집 단위 최소 탐지 효과(MDE)를 넘지 않았다. 표본 밖 전체 상관계수의 양의 최댓값은 $r=+0.080$이었다. 디코딩 계층에서 여러 특징에 대한 본페로니 기준($\alpha=0.00714$, 검정력 0.80)의 MDE는 $|r|=0.599$이고, 관찰된 $r=+0.080$의 검정력은 0.00이다. 두 주입 실험으로 MDE가 성립하는 조건을 양쪽에서 확인했다. 정렬된 주입은 시뮬레이션에서 추정한 검정력 이상으로 탐지됐지만 직교하는 주입은 탐지되지 않았다. 활용 계층에서의 정확도는 프로그램의 정체성을 기억하고(프로그램 식별 0.937/0.597/0.210) 여러 영역의 정적 단서를 사용한다는 설명에 부합했다. 행동 계층의 결과는 해당 정확도에 방사 속도 판독이 필요하지 않다는 설명에 부합했다(외관 0.6552 대 경계 상자 궤적 0.4080, 군집 단위 짝지은 차이 $\Delta=+0.2471$, $p=0.0132$).
로봇 응용은 주행, 조작, 검사처럼 오래 걸리는 작업에 의존하는 경우가 많다. ROS 2에서는 일반적으로 이를 액션으로 구현한다. 토픽이나 서비스와 달리 액션에는 목표 제출 및 수락, 피드백, 상태 갱신, 결과 조회, 취소로 이루어진 구조화된 수명 주기가 있다. 기존 ROSMonitoring은 토픽과 서비스를 지원하지만 액션의 수명 주기를 재구성하거나 액션 수준 이벤트를 실행 중 검증 오라클에 제공하지 못했다. 이 논문은 ROSMonitoring에 ROS 2 액션의 실행 중 모니터링과 규칙 집행을 추가한다. 모니터링 설정에 액션을 직접 선언하면 ROS 2 통신 엔드포인트를 통해 자동으로 계측한다. 생성된 모니터는 액션 수준 이벤트를 재구성하고, 목표 식별자로 이벤트를 연관 지으며, 활성 목표의 상태를 유지한다. 위반이 발생하면 프로토콜을 따르는 조치를 실행한다. 목표 거부, 취소, 메시지 차단을 지원하며, 기존 통신을 전달할 수 없을 때는 모니터가 프로토콜을 준수하는 응답을 직접 생성한다. 액션 호출 횟수, 작업 부하의 크기, 클라이언트–서버 토폴로지를 바꾼 통제된 부하 테스트로 구현을 평가했다. 작업 부하를 고정하면 액션 호출 반복 횟수에 따라 모니터링 비용이 거의 선형으로 증가했다. 액션 작업 부하가 커지거나 설정된 클라이언트–서버 쌍이 많아지면 추가 비용이 발생했다. 이 결과는 시험한 순차 작업 부하에서 현재 구현의 확장 특성을 보여 주고, 동기식 구현의 주요 성능 한계를 드러낸다.
자율 시스템은 결과가 불확실하고 시간 제약이 있는 행동을 선택한다. 확률적 시간 오토마톤(PTA)은 이 상황을 모델링한다. PTA를 검증하면 제어기가 보장할 수 있는 최대 목표 도달 확률이나 최소 위험 상태 도달 확률을 알 수 있다. 검증은 일반적으로 이산 위치와 시계 값의 영역을 짝지은 기호 상태를 사용한다. 그러나 같은 시계 영역 안에서도 최적 행동이 달라지는 경우가 많아 검증이 어렵다. PRISM 검증기의 가장 강력한 PTA 방법은 각 영역이 균일해질 때까지 영역을 분할한다. 해당 영역으로 들어오는 전이를 다시 만들고 확률 게임의 상태 그래프에서 분할을 역방향으로 전파한다. 이 연쇄적인 그래프 재구성은 검증 속성과 무관한 영역까지 분할할 수 있다. 대신 가치 함수를 기호적으로 표현하는 SYMAR를 제시한다. 각 기호 상태는 시계 영역의 하위 영역을 확률 상·하한에 매핑하는 함수를 갖는다. 정제 과정에서 해당 함수에 하위 영역이 새로 생기며, 이미 만든 상태를 분할하거나 유입 전이를 재구성할 필요는 없다. PTA의 두 비결정성 원천인 행동 시점과 행동 선택은 하위 영역을 만드는 역상 계산에 암묵적으로 반영한다. 휴리스틱 순방향 탐색으로 정제량을 제한한다. 기존 방법을 정제 없이 한 번 실행해 얻은 경계와 선호 행동을 사용해, 초기 상태부터 유망한 행동을 따라 AND–OR 그래프를 확장한다. 이렇게 검증 속성과 관련된 부분에만 계산을 집중한다. 부분 정제 백업은 조합적으로 늘어날 수 있는 하위 영역 수를 줄이며, 저장된 모든 구간은 참확률을 포함함이 증명된다. PRISM PTA 벤치마크의 경합 상황에서 분산 합의, 리더 선출, 중앙 조정 없는 자체 구성 문제는 자율 시스템에도 나타난다. 여기서 SYMAR는 최대 108배 빨랐고, 기존 방법이 시간 제한을 넘긴 사례를 풀었다. 마감 시간 상수에도 훨씬 덜 민감했다. 한 사례에서는 마감 시간을 세 배로 늘려도 노드 37개의 탐색 그래프로 풀었으며, 기존 방법은 추상 상태 86,380개와 정제 73회가 필요했다.
목록 단위 대규모 언어 모델(LLM) 순위 재산정기는 호출 한 번으로 문서 수백 개의 순위를 신뢰성 있게 매기기 어렵다. 따라서 호출을 조율하는 일정에 의존한다. 병렬 일정은 후보를 그룹으로 나누고 각 그룹에서 정해진 수만 다음 단계로 보낸다. 한 그룹에 할당량보다 많은 상위 구절이 들어가면 그중 일부가 탈락해 비용이 큰 보정 호출이 필요해진다. 이처럼 할당량이 결과를 제한하는 경우에는 후보를 나누는 방식이 중요하다. 기대 탈락 수를 기준으로 가장 좋은 방식은 카드를 나눠 주듯 검색기 순위에 따라 그룹마다 번갈아 후보를 배정하는 것이다. 개념 자체는 새롭지 않지만 그 효과는 분석되지 않았다. 단순한 검색기 모델 아래에서 그룹별 할당량을 동일하게 두면 어떤 분할도 이 방식보다 실제 상위 10개 후보를 평균적으로 덜 탈락시키지는 못한다. 검색기가 개선될수록 연속된 순위 구간으로 나누는 방식은 더 많은 상위 후보를 탈락시킴을 증명한다. 분석에서 도출한 가장 단순한 일정 DealRank는 LLM 여섯 개에서 두 라운드만으로 최상위 일정과 평균 nDCG@10 차이가 0.1점 이내였다. 후보가 최대 1,000개인 경우까지 첫 호출을 병렬로 실행하는 BlitzRank보다 일관되게 1.1~1.4배 빨랐다. 후보가 1,000개일 때 세 라운드가 필요했으며 슬라이딩 윈도보다 11배 빨랐다. BlitzRank 같은 기존 일정에도 순환 배정을 적용하면 보정 호출이 필요한 쿼리가 59%에서 14%로 줄어 품질의 유의한 변화 없이 지연 시간이 줄었다. 예측과 같이 할당량이 4개면 무작위 분할의 성능도 비슷했다. 다만 결과가 시드에 좌우되며, 밀집 검색기에서 할당량이 1개일 때는 순환 배정보다 nDCG@10이 1.3점 낮았다.
대규모 언어 모델(LLM)이 등장하면서 여러 페이지를 담은 파일을 개별 문서로 나누는 페이지 스트림 분할(PSS)이 다시 주목받고 있다. 그러나 공개된 LLM 기반 방법은 여전히 인접한 페이지 한 장 또는 몇 장에서 문서 경계를 분류하는 문제로 다룬다. 상용 문서 분할 API는 처리 방법을 공개하지 않는다. PSS를 전체 페이지 스트림에 걸친 순차 처리로 정의하고, 사람이 문서를 읽듯 페이지를 살피는 순환 교차 사고 과정(RICoT) 프롬프팅 프레임워크를 제안한다. 슬라이딩 윈도 안에서 페이지마다 추론하고 경계 여부를 확정한 뒤 다음 페이지로 넘어간다. 윈도 사이에는 이미 읽은 내용의 간결한 기록을 넘겨 호출당 비용을 제한한다. 비식별화한 실제 금융 문서의 페이지 스트림 205개로 구성된 벤치마크 FinancePSS-205도 소개하며 공개할 예정이다. 이 벤치마크에서 공개 가중치 LLM 세 개에 각각 같은 백본을 적용해 비교했을 때, RICoT는 페이지 쌍이나 윈도 단위 프롬프팅과 성능이 같거나 높았다. TABME 테스트 하위 집합에서 GLM-5로 RICoT를 실행한 결과 문서 F1은 0.847, 경계 F1은 0.915로 공개된 제로샷 결과를 앞섰다. 더 큰 교사 모델의 경계 결정으로 매개변수 20억 개의 학생 모델을 학습했다. 페이지 수준 추론을 함께 주는 경우와 주지 않는 경우의 성능이 비슷했으며, FinancePSS-205에서 프롬프트 기반 최고 성능 모델과 문서 F1 차이가 0.05 이내였다.
nnU-Net 워크플로를 3D 의료 영상의 분할과 분류에 모두 적용하도록 확장하는 자체 구성 프레임워크를 제안한다. nnU-Net의 자체 구성 방식에 기반해 분할 모델이 학습한 표현을 이미지 수준 분류에 재사용한다. 경량 분류기는 인코더 특징과 예측 분할 확률을 사용한다. 정보를 공유하는 두 가지 전략을 조사했다. 백본을 동결하는 분기에서는 관심 영역 정보, 예측한 전경 부피, 분할 신뢰도로 특징을 보강한다. 적응 분기에서는 최종 인코더 단계를 분류에 맞춰 일부 미세조정하고, 분할 정보를 보존하는 보조 분할 손실을 적용한다. 추가 5겹 교차 실험에서 더 복잡한 구성이 분류 성능을 일관되게 높이지는 않았다. 공개 검증 리더보드에서 최종 선택한 프레임워크는 종합 점수 0.8056을 기록했다. FLARE 2026 Task 2의 공식 최종 평가에서 종합 1위였으며, 비공개 과제 두 개를 포함한 네 테스트 과제 모두에서 DSC, NSD, AUROC가 가장 높았다. 로컬 추론에서도 대회의 사례당 시간 제한인 $60 \mathrm{s}$와 GPU 메모리 제한인 $4 \mathrm{GB}$를 밑돌았다. 이 결과는 단순하고 효율적인 구성을 유지하면서 분할 표현을 분류에 재사용할 수 있음을 보여 준다.
AutoE2E는 Autoware Foundation의 로보택시 워킹 그룹이 개발한 공개 소스 종단 간 주행 모델이다. 시계열 조감도(BEV) 아키텍처는 여러 카메라의 인식 정보, 고정밀 지도, 경로 조건을 결합해 미래 차량 움직임을 예측한다. 평가 모델은 사전학습 카메라 BEV 백본, 시간축 특징 융합, 경량 순환 궤적 계획기를 사용한다. 매개변수는 약 7,990만 개이며, 평가 설정에서 약 145만 개를 학습할 수 있다. v1.0은 모델 체크포인트, 학습 및 평가 코드, 모델 실험을 시각화하고 살펴보는 대시보드 DataModelConsole을 제공한다. KITScenes 검증 벤치마크에서 미세조정 체크포인트는 3초 후까지의 예측에서 평균 변위 오차(ADE) 0.745m와 최종 변위 오차(FDE) 2.020m를 기록했다. 뮌헨공과대학교의 EDGAR 플랫폼으로 진행한 초기 실제 차량 연구와 카를스루에 공과대학교와 진행 중인 협력도 보고한다. AutoE2E v1.0은 공개 연구용 초기 릴리스다. 정량 평가는 개루프에서 수행했으며, 검증된 폐루프 자율주행은 아직 입증하지 못했다. 자율주행 커뮤니티가 후속 연구, 실험, 공동 개발에 활용할 수 있도록 내부 동작을 살펴볼 수 있는 기준선을 제공하는 것이 목표다.
대기 시간이 같아도 대기 중 자세를 유지하는 기준을 바꾸면 시각 기반 복구 방법 간 순위가 뒤집힐 수 있다. 복구 실행기는 동결한 채 유지 기준과 대기 시간을 독립적으로 바꾸는 짝지은 실행 및 궤적 평가 프레임워크 AuditEmbodied를 소개한다. 초기화 시드 20개에서 960회 실행한 요인 실험으로 CAD 피드백 기반 복구와 랜드마크 기반 복구를 비교했다. 각 유지 및 대기 조건에서는 대기 직후 동일한 물리 상태에서 복구를 시작했다. 제약 준수 완료는 명시한 실행 제약 안에서 복구에 성공해야 성립한다. 등록된 손목 기준을 사용한 1초 대기에서, 등록된 기준으로 자세를 유지하면 제약 준수 완료 건수는 두 방법이 각각 40건 중 6건과 19건이었다. 위치만 유지하면 각각 40건 중 34건과 22건으로 바뀌었다. 궤적 분석에서 차이는 주로 그립을 형성하는 단계에서 생겼다. 관측 시점의 목표 잔차가 작았는데도 이후 큰 추적 오차가 나타났다. 관절 수준 진단과 통제된 개입으로 계속 남는 추적 제약을 분석했다. 새로운 시드에서 위치 기준을 점진적으로 다시 잡으면 등록된 유지 기준보다 CAD 복구의 장시간 대기 후 완료율이 42.5%포인트 높았고, 평균 복구 완료 시간은 6.06초 짧았다. 사전학습 정책, 물체 인계, 질량을 맞춘 기하 형상을 사용한 추가 평가로 실행기와 물리 조건에 따라 유지 기준에 얼마나 민감한지 조사했다. 이 결과는 시각 기반 복구 성능을 비교할 때 유지 기준을 명시적인 평가 조건으로 다뤄야 함을 보여 준다.