AdaReasoner가 Tool-GRPO로 visual, reasoning tool의 호출 순서와 중단을 학습하는 원리, +24.9% 주장의 범위, reward hacking, latency, 권한 검증법을 설명합니다.

ScripterAgent와 DirectorAgent가 대화문을 장면 명세와 모델별 video prompt로 바꾸는 과정, VSA의 범위, 연속성 실패와 재생성 비용을 검증합니다.

TwinBrainVLA가 frozen generalist VLM과 action expert를 AsyMoT로 연결해 지식 보존과 제어를 나누는 원리, 15~20% 성과와 20Hz, 안전 검증 조건을 설명합니다.

RAE가 SigLIP-2의 1152차원 표현에서 diffusion을 학습해 VAE보다 빠르게 수렴한 조건과 decoder 복원력, memory, latency, domain transfer 판단 기준을 설명합니다.

BayesianVLA가 vision-only prior와 vision-language posterior의 PMI로 instruction 무시를 줄이는 구조, 목적 함수 부호, 11.3%p 성과와 반사실 검증법을 설명합니다.

HERMES가 streaming video KV cache를 local detail과 global summary로 계층화해 TTFT를 줄이는 원리, delayed relevance와 eviction 손실, 총비용 검증법을 설명합니다.

Think3D가 3D reconstruction과 camera tool loop로 공간 추론을 돕는 원리, 관측, 추정의 경계, view 선택 비용과 robot 적용 전 실패 조건을 검증합니다.

Being-H0.5가 human interaction data, unified action space, Mixture-of-Flow로 cross-embodiment transfer를 시도하는 구조와 morphology, latency, 장기 계획 한계를 검증합니다.

Alterbute가 VNE identity, intrinsic text, extrinsic mask를 분리해 속성을 편집하는 원리와 shape 변화, mask 경계, identity trade-off를 검증합니다.

TMD가 teacher의 긴 video trajectory를 4개 transition으로 증류하고 backbone feature를 flow head가 재사용하는 원리를 설명하며, 실제 호출 수, 품질, 회수 비용을 검증합니다.