Apple 연구진이 iTARFlow를 제안해 ImageNet 64·128·256에서 경쟁력을 보였다.
SpecMD가 MoE expert 캐시 정책을 벤치마크해 Least-Stale를 제안했다.
SFI-Bench는 1,700개 이상 질문으로 MLLM의 공간·기능 추론을 평가하는 새 비디오 벤치마크다.
PORTool이 단계별 중요도 추정으로 정확도와 도구 호출 효율을 함께 개선했다.
STARFlow-V가 diffusion 없이도 고품질 자가회귀 비디오 생성을 입증했다.
DSO는 RL로 steering 변환을 최적화해 VLM·LLM 편향을 줄인다.
Conditional Diffusion의 조합적 일반화가 국소적 conditional scores와 정확히 대응함을 CLEVR와 SDXL에서 보였다.
대규모 trajectory로 64배 압축한 motion embedding으로 긴 동작을 생성한다.
작은 proxy 모델과 Gaussian-process로 멀티모달 데이터 혼합을 1/100 비용으로 최적화했다.
LaCy는 SLM이 무엇을 학습하고 무엇을 위임할지 구분해 사실성을 높인다.