📑Huawei: "엔비디아 없이 DeepSeek-V4를 길렀습니다"

🏛️ Independent

🏷️ Recursively Self-Improving, Deep Research Agent, Long-horizon RL

특히 주목할 점:

→ 외부 모델 없이 스스로 대화 기록을 압축하는 '컨텍스트 갱신 툴'을 학습해, 검증된 증거와 미해결 조건만 남기며 장기 리서치를 지속

→ 결정적 증거를 얻거나 잘못된 방향을 바로잡는 '핵심 단계'에 보상을 집중해, 희소한 최종 보상 문제를 완화

→ 4B 밀집 모델과 122B-A10B MoE 두 버전 모두 BrowseComp·WideSearch·HLE 등에서 동급 대비 압도, 활성 파라미터가 훨씬 큰 모델과도 경쟁

🏛️ Huawei

🏷️ Ascend NPU, Trillion-parameter MoE, Full-parameter Post-training

특히 주목할 점:

→ Model FLOPs Utilization 34.22% 달성, 오픈소스 기본 레시피 대비 2.93배 개선하면서 학습 안정성 유지

→ DeepSeek-V4-Flash 기반으로 운영 리서치(OR) 특화 CPT·SFT 파이프라인 구축, solver로 검증한 합성 최적화 문서로 1만 개 고품질 SFT 샘플 생성

→ 특화 모델이 zero-shot Pass@1 71.81%로 최고점 — GPT-5.4-Mini를 3.98%p, 베이스 DeepSeek-V4-Flash를 11.27%p 앞섬

🏛️ NVIDIA

🏷️ Hybrid Linear Attention, Video Diffusion, Efficient Generation

특히 주목할 점:

→ 5B·14B 통합 아키텍처로 단일 GPU에서 720p 영상 생성, 40스텝 샘플링으로 H100 한 장·480p에서 VBench 84.30을 13.2초에 달성

→ 720p/60초 기준 컴파일된 DiT 전방 연산이 동급 full-softmax 대비 3.2배 빠르고, 영상이 길수록 격차 확대

→ Sol-Engine 최적화로 3.58배 추가 가속 → 5B 파이프라인이 H100 한 장에서 Wan 2.2-A14B보다 120배 빠름

🏛️ Mistral

🏷️ Monocular Navigation, Vision-Language Model, Cross-embodiment

특히 주목할 점:

→ 35만 개 시뮬레이션 장면에서 240만 궤적을 생성해 실제 데이터 수집 의존을 줄이고, 바퀴·다리·비행 로봇에 재보정 없이 배치

→ 에피소드를 한 시퀀스로 묶는 prefix-caching 레시피로 학습 토큰 22배 절감, 학습 기간을 수개월에서 수일로 단축

→ R2R-CE에서 성공률 77.4%로 SOTA — 최고 모노큘러 대비 10.5%p, 깊이·멀티카메라 시스템 대비 5.3%p 우위 (카메라 한 대로!)

🏛️ Tencent

🏷️ Coding Agent Benchmark, Contamination Resistance, Multi-domain Evaluation

특히 주목할 점:

→ Code·Web·Office·Security 4개 실무 도메인으로 구성, 각 서브셋이 서로 다른 검증 방식을 사용

→ 과제 디렉터리·환경 이미지·평가 하네스·테스트·정답을 전부 공개 → 오염 저항이 '비밀'이 아니라 '구성 방식 + 버전 관리'에서 나옴

→ CodeBuddy Code와 Claude Code 두 하네스에서 동일·재현 가능한 프로토콜로 실행, 여러 모델 패밀리의 교차 리더보드 제공

🏛️ Microsoft

🏷️ Evolving Intent, Multi-turn Interaction, Collaborative Agents

특히 주목할 점:

→ 새 annotation 없이 기존 벤치마크를 통제된 '진화하는 의도' 테스트베드로 재활용

→ 여러 과제·여러 모델 패밀리에서 일관된 현상 발견 — 정적 환경의 강력한 성능이 진화 환경으로 '전이되지 않음'

→ 오늘의 LLM은 사용자의 변하는 의도를 충실히 추적·반영하지 못하며, 이는 정적 평가로는 안 보이는 치명적 공백

🏛️ Adobe, UCLA

🏷️ Multi-agent World Model, World State Registers, Streaming Diffusion

특히 주목할 점:

→ 개별 에이전트 상태, 조감도(BEV) 포함 전역 상태, 장면 텍스트라는 세 종류 신호로 레지스터를 지도(supervise)

→ 월드 상태 모델링과 시각 프레임 모델링에 별도 가중치를 쓰는 Mixture-of-Transformers 설계

→ 2인 에이전트 Minecraft 영상 생성 실험에서 명시적 월드 상태 모델링이 논리적 일관성과 생성 품질을 개선

🏛️ University of Maryland

🏷️ Self-Distillation, Vision-Language, On-policy Learning

특히 주목할 점:

→ 특권적 정답·시각 증거·추론 트레이스·추가 추론 비용이 전혀 필요 없는 순수 입력 조건 기반 자기증류

→ ViRL39K 데이터셋에서 Qwen3-VL·Qwen3.5 전반에 걸쳐 동급 OPSD를 일관되게 상회

→ Qwen3-VL 7개 벤치 종합: 2B 62.27%→67.04%, 4B 71.30%→73.16%, 8B 72.51%→76.26%

🏛️ Independent

🏷️ Spatial Cognition, Image-generation Evaluation, Pixel-space Answers

특히 주목할 점:

→ 새 벤치마크용 프로토콜을 스스로 만들고 검증하는 Agentic builder 포함

→ 14개 공간 서브태스크·4개 능력 단계·다양한 답안 형식을 아우르는 SpatialGen-Bench(470개 샘플) 공개

→ 공간 답을 픽셀로 직접 표현할 수 있을 땐 이미지 생성 모델이 경쟁력, 조합적 공간 추론에선 텍스트 VLM이 여전히 우위 — 상호 보완적

🏛️ Independent

🏷️ Autoregressive Video Diffusion, Self Forcing, Long-video Extrapolation

특히 주목할 점:

→ Pass 1은 추론과 동일한 무그래디언트 롤아웃으로 자가 생성 컨텍스트와 노이즈 잠재를 기록, Pass 2는 해당 지점의 context-gradient를 병렬 재구성

→ 전체 직렬 롤아웃을 역전파하지 않고도 '메모리 쓰기' 지도 신호를 native 학습 목표 안에서 제공

→ 5초 학습 창만으로 수 분 길이 영상까지 외삽 — 인물 정체성·배경/레이아웃 일관성·시간적 안정성에서 Self Forcing 능가 (코드·모델 공개 예정)