1천 장의 이미지로 3D 공간을 54초 만에? VGG-T³가 3D 재구성의 메모리 한계를 부수는 법 [Metadata Block] 📖 논문: arXiv:2602.23361 🖥️ Github/Project: 미공개 (TBA) 📅 발표일: 2026.02 ✍️ 저자/기관: 미상 (Blind Submission) 🤯 Introductio...

요즘 LLaVA나 Qwen-VL 같은 멀티모달 모델(LVLM) 많이들 써보셨죠? 그런데 가끔 이미지에 있지도 않은 물체를 있다고 뻔뻔하게 우기는 ‘환각(Hallucination)’ 현상 때문에 실무에 붙이려다 뒷목 잡은 경험, 다들 한 번쯤 있으실 겁니다. 우리는 흔히 “비전 인코더가 이미지를 제대로 못 봐서”라고 생각하기 쉽습니다. 하지만 이 논문...

📖 논문: From Statics to Dynamics: Physics-Aware Image Editing with Latent Transition Priors 🖥️ Github/Project: TBA 📅 발표일: 2026년 2월 ✍️ 저자/기관: Anonymous 요즘 핫한 AI 이미지 편집기들, 써보셨나요? 텍스트로 명령만 내리면 마법처럼 이...

💡 TL;DR (한 마디로?) 정체: 바이트댄스가 오픈소스로 푼 LangGraph 기반 다중 에이전트(Multi-Agent) 딥 리서치 프레임워크. 특징: 검색 ➡️ 코드 실행 ➡️ 데이터 분석 ➡️ 보고서(심지어 팟캐스트) 생성까지 알아서 다 해줌. 2.0부터는 아예 ‘슈퍼 에이전트’ 샌드박스로 진화함. 결론: 단순 RAG...

🚀 객관식 꼼수는 그만! 의료 AI의 서술형 혁명, MediX-R1 논문 리뷰 [논문 메타데이터] 📖 논문: arXiv:2602.23363 🖥️ Github/Project: MediX-R1 📅 발표일: 2026년 2월 ✍️ 저자/기관: CVMBZUAI 여러분, 최근 쏟아지는 의료 AI 논문들을 보면서 혹시 이런 생각 해보신 적...

Vision LLM의 ‘Latent Reasoning’, 알고 보니 가짜였다? (충격적인 분석 결과) 📝 메타데이터 📖 논문: Imagination Helps Visual Reasoning, But Not Yet in Latent Space 📅 ID: arXiv:2602.22766 🏷️ 키워드: Multimodal LLM, Visual ...

AI가 작성한 코드, 내 PC에서 그냥 실행하십니까? 알리바바 ‘OpenSandbox’가 완벽한 해답인 이유 최근 LLM(대규모 언어 모델)의 발전으로 AI 에이전트가 단순히 코드를 제안하는 것을 넘어, 직접 시스템에 접근해 코드를 실행하고, 파일을 수정하며, 터미널 명령어를 입력하는 시대가 되었습니다. 하지만 검증되지 않은 AI 생성 코드를 호스트...

📖 논문: arXiv:2602.22010 🖥️ Github/Project: Project Page 📅 발표일: 2026년 2월 ✍️ 저자/기관: WoGNet Research Team 요즘 VLA (Vision-Language-Action) 모델이 로보틱스 판을 다 씹어먹고 있다는 거, 다들 알고 계시죠? RT-2 오픈소스 버전들이 쏟아지면서 로봇에게...

최근 구글의 GameNGen(둠 게임 시뮬레이션)이나 OpenAI의 Sora 같은 비디오 생성 모델들이 핫했죠. 그런데 이 모델들의 공통적인 한계가 뭔지 아시나요? 바로 ‘혼자 노는 AI’라는 겁니다. 현실 세계나 우리가 즐기는 대부분의 게임(MMORPG, FPS)은 다수의 에이전트가 상호작용하는 멀티플레이 환경입니다. 내가 당신을 때리면, 당신의 ...

📖 논문: SkyReels-V4: Multi-modal Video-Audio Generation… 🖥️ 프로젝트: HuggingFace Page “AI로 영상을 만드는 건 좋은데, 배경음악은 따로 생성하고 싱크 맞추느라 밤새셨나요?” 지금까지의 비디오 생성 AI는 ‘영상’만 잘 만들거나, ‘편집’이 안 되거나, ‘오디오’가 엉망인 경우가 태반이...