spoken dialogue modelco-speech motion출처 HF Daily Papers
Motion-Omni: 음성 대화와 전신 동작의 엔드투엔드 결합 생성38 추천2 댓글
spoken dialogue model저자 4명한계 언급 없음
우리가 본 것
원제 — Motion-Omni: End-to-End Joint Speech and Full-Body Motion for Spoken Dialogue
“Motion-Omni is an end-to-end framework that jointly generates spoken dialogue and full-body co-speech motion from shared hidden…”
대상 주장 — We further release SwDA-500 and, to our knowledge, the first public evaluation protocol for stochastic open-ended full-body spoken dialogue, matching audio across motion systems while uni…
나온 때 2026-08-27
가져온 때 2026-09-07 23:01 UTC · 1ae2e3cb2c0f6040
뜯은 자리 — 초록
토론 ↗ agentic coordination scalingenvironment scaling출처 HF Daily Papers
Apodex 1.1: Scaling Agentic Intelligence for Complex Work147 추천1 댓글
agentic coordination scaling저자 71명한계 언급 없음
우리가 본 것
“Apodex 1.1 improves sustained, verifiable progress on complex real-world tasks by scaling executable environments and training …”
대상 주장 — Across complex professional work, finance, scientific research, mathematics, coding, and search, Apodex 1.1 reaches the leading performance band despite using a substantially smaller mode…
나온 때 2026-08-23
가져온 때 2026-08-25 10:14 UTC · 9a7393307ddcffe8
뜯은 자리 — 초록
토론 ↗ tool-callingmobile planning agents출처 HF Daily Papers
omnimodal world modelenterable generative media출처 HF Daily Papers
EchoWM: Open and Enterable Omnimodal World Models50 추천1 댓글
omnimodal world model저자 22명한계 언급 없음
우리가 본 것
“EchoWM is an omnimodal world model that generates synchronized high-resolution video, sound, music, and speech while following …”
나온 때 2026-08-23
가져온 때 2026-08-25 10:14 UTC · 13b94b4d054c5e64
뜯은 자리 — 초록
토론 ↗ infinite video editingstreaming video generator출처 HF Daily Papers
Prompt EngineeringContext Engineering출처 HF Daily Papers
omni-modal large language modelsOmniAssistBench출처 HF Daily Papers
OmniAssistBench: Assistant-style Interaction Benchmark for Omni-LLMs28 추천2 댓글
omni-modal large language models저자 9명한계 적음
우리가 본 것
“OmniAssistBench evaluates real-time interactive video assistants by reverse-engineering multi-turn interaction videos, revealin…”
대상 주장 — Results show that the proprietary Gemini-3-Pro reaches 66.4 out of the max point of 100, while the open-source Qwen3-Omni-Instruct achieves 51.2.
나온 때 2026-08-20
가져온 때 2026-08-25 10:14 UTC · cb7314dbba846623
뜯은 자리 — 초록
토론 ↗ omni-modal understandingPer-vGrid출처 HF Daily Papers
Mixture-of-ExpertsMaximal Update Parameterization출처 HF Daily Papers
SWE-bench Sciencescientific software engineering출처 HF Daily Papers
SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science?61 추천4 댓글
SWE-bench Science저자 5명한계 적음
우리가 본 것
“SWE-bench Science benchmarks coding agents on scientific software repair, revealing failure mechanisms and mixed effects of sci…”
대상 주장 — Even the best-performing agent, Claude Code with Opus-5 (max), achieves a pass@1 below 50%, highlighting the substantial challenges posed by scientific software engineering.
나온 때 2026-08-19
가져온 때 2026-08-25 10:14 UTC · bbf6eac293bcc02d
뜯은 자리 — 초록
토론 ↗ parallel reasoningtemporal confidence출처 HF Daily Papers
ParaTempo: Efficient Parallel Reasoning via Temporal Confidence29 추천3 댓글
parallel reasoning저자 8명한계 적음
우리가 본 것
“ParaTempo improves parallel reasoning efficiency by using temporal confidence to dynamically prune, retire, and reallocate reas…”
대상 주장 — Experiments on challenging mathematical and scientific reasoning benchmarks show that ParaTempo reduces average latency by 21.8-32.2% and total token usage by 18.1-30.3% while maintaining…
나온 때 2026-08-17
가져온 때 2026-08-25 10:14 UTC · 0f7a16969a7c76aa
뜯은 자리 — 초록
토론 ↗ multimodal large language modelshybrid-thinking출처 HF Daily Papers
text-to-image diffusion modelsedit concept granularity출처 HF Daily Papers
Unlocking the Potential of Image Editing via Concept Scaling and Dense Supervision42 추천1 댓글
text-to-image diffusion models저자 7명한계 언급 없음
우리가 본 것
“A hierarchical taxonomy and dense supervision strategy improve diffusion-based image editing through fine-grained concepts, lar…”
대상 주장 — To address these issues, we establish a comprehensive hierarchical taxonomy featuring over 1,000 fine-grained edit concepts and build ConceptEdit-12M, a massive dataset of 12 million high…
나온 때 2026-08-16
가져온 때 2026-08-25 10:14 UTC · 38d02ea00a52b522
뜯은 자리 — 초록
토론 ↗ reinforcement learningself-rewarding RL출처 HF Daily Papers
programmable logic controllers (PLCs)program organization units (POUs)출처 HF Daily Papers
evolution strategiesreinforcement learning출처 HF Daily Papers
출처 HF Daily Papers
Large Vision-Language ModelsPixel-to-3D Action Formulation출처 HF Daily Papers
video generationvision-language model출처 HF Daily Papers
MoE servingexpert residency출처 HF Daily Papers
closed-loop embodied harnesscode-based runtime critics출처 HF Daily Papers
vision-language modelgated cross-attention출처 HF Daily Papers
MOSS-VL Technical Report42 추천2 댓글
vision-language model저자 32명한계 언급 없음
우리가 본 것
“MOSS-VL is an open vision-language model family e…”
나온 때 2026-08-14
가져온 때 2026-08-20 07:11 UTC · 2968195b2f2fd2a5
뜯은 자리 — 초록
토론 ↗ agent-native runtimedurable states출처 HF Daily Papers
LLM agentsskills출처 HF Daily Papers
omni-modal AI scientistperception layer출처 HF Daily Papers
고른 조건에 맞는 것이 이 페이지에 없다.
논문·레포·모델·블로그·레딧·팟캐스트를 하루 한 번 기계가 긁는다. 모은 것은 한 번씩 뜯는다 — README·초록·모델 카드를 열어 보고, 거기서 나온 것은 카드가 되든 안 되든 계속 갖고 있는다. 제목과 링크는 원문으로 가고, 여기서 원문을 다시 싣지 않는다.
카드의 회색 줄은 소스가 내세우는 말이 아니라 뜯어서 나온 것이다 — 라이선스, 마지막 커밋, 무엇 위에 얹은 모델인지, 논문이 자기 한계를 적었는지. 무엇을 읽고 그렇게 적었는지는 「우리가 본 것」을 펴면 나온다. 「목록뿐」이라고 적힌 것은 원문을 못 읽었다는 뜻이다 — 우리를 막는 사이트가 있고, 그걸 읽은 척하지 않는다.
따옴표가 붙은 줄은 원문에서 그대로 옮긴 문장이다 — 대상이 스스로 밝힌 수치이지 우리가 잰 값이 아니다. 검증하지 않고 옮기기만 했고, 그러라고 따옴표를 붙였다.
한국어 제목과 요약은 기계(내 컴퓨터에서 돌리는 AI 모델)가 원문을 읽고, 처음 보는 사람도 알아듣게 풀어 쓴 것이다. 내가 읽고 쓴 것이 아니다. 원문에 없는 수치나 평가는 넣지 말라고 시켜 두었지만 기계가 쓴 것이니, 확실히 하려면 원문을 본다 — 원제는 카드를 펼치면 있다.
주제는 원문 제목·인용·태그에 나온 낱말을 정해진 목록과 맞춰 기계가 매긴 것이다 — 카드를 읽는 모델은 없다. 아무 낱말도 안 걸려 주제가 하나도 없는 카드가 있고, 주제를 고르면 그건 빠진다. 소스와 주제는 같이 걸린다.
카드마다 그때 실제로 읽은 문장 한 줄과, 그때 받아 온 응답의 지문을 남긴다. 원문은 여기 저장하지 않는다 — 나중에 원문이 바뀌거나 사라져도 담보하는 것은 "우리가 본 시점의 그 문장"이지 페이지 전체가 아니다.