우리는 EvoLib을 제안한다. EvoLib은 매개변수 업데이트나 외부 감독 없이 대규모 언어 모델(LLM)이 여러 문제 인스턴스에 걸쳐 지식을 축적·재사용·진화시킬 수 있게 하는 테스트 시간 학습 프레임워크이다. 모델 매개변수를 적응시키는 대신, 우리 접근법은 모듈형 스킬과 반성적 통찰을 포함하여 모델 자체의 추론 궤적에서 자동으로 추출한 지식 추상화의 공유 라이브러리를 유지한다. 지속적 개선을 지원하기 위해, 즉각적 유용성과 장기적 가치를 공동으로 최적화하는 원칙에 기반한 가중치 부여 및 통합 메커니즘을 도입한다. 이를 통해 단순하고 인스턴스별 추상화가 시간이 지남에 따라 더 일반적이고 재사용 가능한 형태로 진화할 수 있다. 수학적 추론, 코드 생성, 다중 턴 에이전트(agent) 환경 등 어려운 벤치마크 전반에서 EvoLib은 정답(ground-truth) 피드백 없이도 최상위 테스트 시간 스케일링 및 학습 방법들보다 크게 향상된다.
Kimi K3를 소개한다. Kimi K3는 2.8T 매개변수 전문가 혼합(MoE) 모델로, 1040억 개의 활성화 매개변수, 네이티브 비전 기능, 100만 토큰 컨텍스트 윈도우를 갖춘다. Kimi K3는 Kimi Delta Attention과 Attention Residuals 위에 구축되었으며, 이는 시퀀스 길이와 모델 깊이에 걸친 정보 흐름을 개선한다. Stable LatentMoE—토큰당 896개의 라우팅된 전문가 중 16개를 효과적으로 활성화—와 정제된 학습 및 데이터 레시피와 함께, 이러한 발전은 Kimi K2 대비 전체 스케일링 효율을 약 2.5배 개선한다. 사후 학습에서는 일반, 에이전트(agentic), 코딩 영역과 다양한 추론 노력 수준에 걸친 강화학습을 강조하며, 이를 통해 조합적 일반화와 견고한 장기 실행을 가능하게 한다. 2.8T 규모에서 Kimi K3는 여러 영역의 인프라 발전을 통해 뒷받침된다: KDA를 위한 알고리즘-시스템 공동 설계, 효율적인 메모리 관리를 갖춘 완벽하게 균형 잡힌 전문가 병렬 학습, 지속적인 롤아웃과 샌드박스 상태를 갖춘 100만 토큰 에이전트 강화학습(RL), 그리고 배포 혁신. 광범위한 평가에서 Kimi K3는 장기 코딩, 에이전트, 지식, 추론, 비전 과제 전반에서 프론티어 수준의 성능을 달성함을 보여준다. 전체 성능은 여전히 Claude Fable 5와 GPT-5.6 Sol 등 가장 강력한 독점 모델에 미치지 못하지만, Kimi K3는 우리 평가 스위트에서 평가한 다른 오픈 및 독점 모델을 일관되게 능가한다. 향후 연구를 촉진하고 프론티어 인텔리전스의 더 넓은 배포와 채택을 가속하기 위해 Kimi K3 모델의 전체 가중치를 공개한다.
에이전트 과제는 본질적으로 장기 호라이즌이며 다중 턴(multi-turn) 구조로, 환경과의 상호작용을 통해 지속적으로 컨텍스트를 축적한다. 기존 컨텍스트 압축 방법은 불가피하게 정보 손실을 초래하며, 경직된 휴리스틱 규칙에 의해 트리거되어 에이전트의 변화하는 추론 초점과 정렬되지 않는다. 우리는 무손실 컨텍스트 관리를 위해 에이전트에 목적에 맞게 설계된 컨텍스트 편집 도구를 제공하는 프레임워크인 에이전트형 컨텍스트 관리(Agentic Context Management, ACM)를 제안한다. 단기 및 장기 인간 기억 간의 상호작용에서 영감을 받아, 에이전트는 컨텍스트를 압축할 시점을 자율적으로 결정하고, 폐기된 내용을 외부 메모리 시스템으로 오프로드하며, 이후 검색을 위해 필요 시 이를 조회한다. 이 프레임워크를 기반으로, 우리는 컨텍스트 관리의 고품질 시연(demonstration)을 구축하고 에이전트형 검색 및 코딩 과제 모두에서 모델 성능을 향상시키는 사후 학습 파이프라인을 추가로 개발한다. 추가 분석 결과, 효과적인 컨텍스트 관리는 피크 토큰 부담을 줄이고, 확장된 탐색을 가능하게 하며, 독립적인 시행 간 더 일관된 해법을 산출함을 보여준다. 코드, 데이터, 모델 체크포인트는 https://github.com/lixiaochuan2020/agentic-context-management 에서 이용할 수 있다.
비전-언어 모델(VLM)이 성공을 거두었음에도, 기만적인 시각 구조와 왜곡된 데이터 표현 때문에 오도적 차트는 여전히 중요한 난제로 남아 있다. 본 논문은 "회의적(skeptical)" 추론 패러다임을 통해 시각적 기만을 드러내기 위해 설계된 에이전트 기반 이중 경로 프레임워크인 ChartCynics를 제안한다. ChartCynics는 전체론적(holistic) 모델과 달리 지각(perception)과 검증(verification)을 분리한다. Diagnostic Vision Path는 전략적 ROI 크롭을 통해 축 반전과 같은 구조적 이상을 포착하고, OCR-Driven Data Path는 수치적 그라운딩(grounding)을 보장한다. 교차 모달 충돌을 해결하기 위해, 추론 지식 증류(reasoning distillation)를 위한 Oracle-Informed SFT와 적대적 정렬(adversarial alignment)을 위한 Deception-Aware GRPO로 구성된 2단계 프로토콜을 통해 최적화한 Agentic Summarizer를 도입한다. 이 파이프라인은 시각적 함정에 효과적으로 페널티를 부과하고 논리적 일관성을 강제한다. 두 벤치마크에서의 평가 결과, ChartCynics는 각각 74.43%와 64.55%의 정확도를 달성했으며, Qwen3-VL-8B 백본 대비 약 29%p의 절대 성능 향상을 제공하여 최신 독점 모델(state-of-the-art proprietary models)을 능가했다. 본 결과는 특화된 에이전트 워크플로가 더 작은 오픈소스 모델에 우수한 견고성(robustness)을 부여할 수 있음을 보여주며, 신뢰할 수 있는 차트 해석을 위한 새로운 기반을 마련한다.
Navigating the deluge of heterogeneous medical data, from academic literature (PubMed) to clinical guidelines (Web) and private knowledge bases, remains a critical bottleneck for evidence-based medicine. While commercial black-box tools lack transparency, standard open-source RAG implementations frequently suffer from reasoning drift when handling complex, long-tail queries. We present DEEPMED Search, a fully open-source, agentic platform designed for transparent medical deep research. Built on a high-performance Next.js architecture, DEEPMED Search features a source-adaptive router that autonomously dispatches sub-queries to PubMed, web search, or local graph-based knowledge bases based on information density. Crucially, the platform integrates an introspective verification module, powered by a causal-consistent multi-agent debate framework, to validate retrieved evidence against diagnostic logic before synthesis. To demonstrate its robustness, we showcase DEEPMED Search's ability to autonomously decompose high-difficulty rare disease queries, filter out confounding noise, and generate structured, citation-backed research reports in minutes. By open-sourcing this software, we provide the community with a robust infrastructure to democratize access to trustworthy, glass-box medical reasoning in research and prototyping settings.