일간 논문

검증 가능한 보상을 통한 강화 학습(RLVR)은 대규모 최적화를 가능하게 함으로써 추론 중심 대규모 언어 모델(LLM)의 최근 발전을 이끌어 왔다. 그러나 그 적용 가능성은 여전히 정확성을 결정론적으로 검증할 수 있는 수학 및 코딩과 같은 영역에 크게 제한되어 있다. 개방형 과제는 대신 종종 인간의 선호도, 보상 모델, 또는 LLM 기반 평가자에 의존하는데, 이는 평가 편향, 평가자 능력 병목, 추가 추론 비용을 초래한다. 데이터 자체에서 감독 신호를 도출하기 위해 사전 과제를 구성하는 자기 지도 학습의 원리에 착안하여, 우리는 개방형 과제로 RLVR을 확장하기 위한 과제 변환 기반 훈련 패러다임인 자가 검증 가능한 보상을 통한 강화 학습(RLSVR)을 제안한다. RLSVR은 개방형 과제를 검증 가능한 대리 환경으로 변환하며, 이 환경의 내부 규칙과 상호작용 결과는 자동으로 보상 신호를 생성한다. 우리는 'Who Is the Spy?'(누가 스파이인가?)에서 영감을 받은 다중 에이전트 자기 대결 환경인 SpyRL로 RLSVR을 구현한다. 에이전트들은 비대칭 정보를 받고 동일한 목표 과제를 수행한 후 지정된 스파이를 식별하기 위해 투표한다. 스파이의 정체가 미리 정해져 있기 때문에 투표 결과는 완전히 검증 가능한 보상을 제공하며, 성공적인 식별은 출력 품질과 밀접한 관련을 유지한다. 텍스트 요약, 창의적 글쓰기, 수학적 추론에 대한 실험에서 SpyRL은 비검증 가능한 과제에서 기존 자기 개선 방법을 능가했으며, 검증 가능한 추론 과제에서도 일관된 성과 향상을 보였다. 이러한 결과는 과제 변환이 본질적으로 검증 가능한 영역을 넘어 확장 가능한 RLVR 기반 자기 개선을 확장할 수 있음을 입증한다. 모델과 코드는 https://github.com/wangqinsi1/SpyRL에서 공개되었다.

세계 모델은 계획과 행동을 위한 예측 기반을 제공하지만, 기존의 공식화는 그것이 무엇이고 어디에 있으며 어떻게 진화할 것인가라는 물리적 질문에만 답한다. 그러나 인간 행동은 은닉된 정신 상태(사람이 무엇을 믿고, 원하고, 의도하고, 느끼며, 사회적으로 허용된다고 간주하는지)에 의해 추동되므로, 물리적 장면을 추적하되 각 에이전트가 그 장면에 대해 알고 믿는 바를 추적하지 않는 모델은 올바르게 보이는 장면에 대해 잘못된 행동을 예측한다. 우리는 정신 세계 모델링(MWM)을 정식화한다. 이는 정신 변수를 사후적 근거가 아닌 세계 모델의 핵심 구성요소로 만드는 일반적 이론적 프레임워크이다. MWM은 결합된 물리-정신 세계 상태를 유지하고, 대상별 부분 관찰을 렌더링하며, 후보 행동이 두 구성요소를 어떻게 함께 갱신하는지를 시뮬레이션한다. 우리는 이 프레임워크를 훈련이 불필요하고 완전히 검사 가능한 베이스라인인 MENTIS에 구현한다. MENTIS는 이 과정을 상태 파싱, 대상 관찰 생성, 행동 분해, 결합된 물리-정신 전이, 분기 수준 가치 평가로 분해한다. 텍스트, 이미지, 음향 비디오 스토리를 아우르는 상황적 의사결정 시나리오로 구성된 수작업 구축, 품질 관리 데이터셋에서 8개의 현대 LLM 기반 세계 모델에 대한 실험은 정신 상태를 명시적으로 모델링하는 것이 인간 의사결정 예측에 필수적임을 입증한다. 더 깊은 분석은 현재 정신 세계 모델링의 병목 지점을 추가로 드러낸다. 우리는 MWM이 세계 모델링의 다음 단계, 즉 물리적 장면을 시뮬레이션하는 것에서 그 장면 안에서 행동하는 마음을 시뮬레이션하는 것으로의 전환을 기대한다.

우리는 촉각 지각 및 촉각 피드백 제어를 활용하는 미세하고 접촉이 많은 조작과 저장된 배포 데이터로부터의 오프라인 정책 개선이 가능한 시각-촉각-언어-행동(VTLA) 기반 모델인 N_0-VTLA를 제시한다. 현재의 비전 기반 백본을 기반으로, 우리는 시각-촉각 사전 학습, 단계적 촉각 경로 통합, 및 어드밴티지 조건부 오프라인 정책 개선으로 구성된 촉각 통합을 위한 학습 레시피를 제안한다. 사전 학습 동안 정책은 대규모 시각-촉각 로봇 데이터셋인 NeoData로부터 광범위한 접촉 사전 지식을 학습한다. 우리가 아는 한, N_0-VTLA는 대규모로 촉각 데이터에 사전 학습된 최초의 VTLA 모델이다. 후속 학습 동안 우리는 대규모로 학습된 접촉 패턴을 하위의 촉각 중심 조작에 필요한 미세한 운동 조정으로 증류하는 예측적 촉각 경로로 정책을 보강한다. 오프라인 정책 개선을 위해, 우리는 고정된 배포 코퍼스에서 정책 훈련을 위한 이진 어드밴티지 레이블로 상대적 진전 및 궤적-이벤트 비교를 변환하는 어드밴티지 조건부 오프라인 강화 학습 방법인 ALTER를 도입하여, 변형 가능한 객체 조작과 같은 접촉이 많은 기술에 대한 작업별 학습을 추가로 개선한다. 접촉이 많은 벤치마크 전반에 걸쳐 N_0-VTLA는 강력한 기준선을 큰 폭으로 능가한다. 즉, 9개의 실제 로봇 NeoReal 과제 모두에서 우승하고, 가장 강력한 기준선의 44.0%에 비해 20개 과제 시뮬레이션 스위트에서 평균 성공률 63.8%를 달성한다. ALTER로 훈련된 N_0-VTLA 정책은 세 가지 장기 실제 로봇 과제에서 75~95%의 성공률을 달성한다. 이러한 결과는 다재다능한 촉각 기반 조작 정책을 위한 기반을 마련한다.

다각형 메쉬는 현대 3D 파이프라인의 표준 표면 표현이며, 아티스트 스타일의 토폴로지를 갖춘 고품질 메쉬를 생성하는 것은 영화, 게임 및 인터랙티브 3D 애플리케이션에 필수적입니다. 주류 접근 방식은 메쉬를 토큰 시퀀스로 직렬화하고 이를 자기회귀적으로 디코딩하는데, 이는 추론 속도가 느리고 오류 누적에 민감하여 인터랙티브 에셋 제작에 비실용적입니다. 우리는 플로우 매칭 기반의 빠른 네이티브 메쉬 생성 프레임워크인 Meshy T2를 제시합니다. 그 핵심에는 정점 집합 메쉬 VAE가 있으며, 이는 메쉬를 정점당 하나의 연속 잠재 토큰으로 인코딩하고, 정점, 에지 연결성 및 면의 와인딩 순서를 단일 패스로 디코딩하여 정점 양자화나 병합 없이 고정밀 지오메트리와 아티스트가 작성한 토폴로지를 보존합니다. 생성 과정은 두 개의 플로우 매칭 모델로 구성된 조대-정밀 캐스케이드로 진행됩니다. 먼저 이미지 조건부 복셀 플로우가 전체 형상을 조대한 점유 스캐폴드로 스케치하고, 그다음 메쉬 플로우가 이미지, 스캐폴드 및 요청된 정점 예산에 조건화하여 스캐폴드를 정점별 잠재 토큰으로 채웁니다. 이 설계는 세 가지 실용적 기능을 제공합니다. 병렬 플로우 기반 합성을 통한 인터랙티브 생성 속도, 요청된 정점 예산을 통한 효과적인 면 수 제어, 그리고 생성된 연결성에서 구성 요소가 직접 나타나는 다중 부품 에셋에 대한 네이티브 지원입니다. 실험에서 Meshy T2는 최첨단 기하학적 충실도를 달성하고 중앙값 6초 이내에 엔드투엔드 이미지-메쉬 생성을 완료하며, 자기회귀 베이스라인보다 한 자릿수 이상 빠릅니다. 코드와 가중치는 https://github.com/meshy-dev/meshy-t2에서 제공될 예정입니다.

시스템 프롬프트(system prompt)는 AI 애플리케이션에서 기반 모델(foundation model)의 동작을 제어하기 위해 개발자가 구성하는 지침이다. 이들은 상용 AI 제품 전반에 걸쳐 사용되고 있으나 대중이나 규제 기관에 거의 공개되지 않아, AI 시스템의 광범위한 배포에 있어 심각한 신뢰 및 책임성 공백을 초래하고 있다. 본 논문에서는 AI 시스템의 시스템 프롬프트를 체계적으로 감사하기 위한 사용자 중심 프레임워크인 AISPA(Artificial Intelligence System Prompt Assurance, 인공지능 시스템 프롬프트 보증)를 제안한다. AISPA는 시스템 프롬프트의 특정 부분을 검토하고 사용자에게 중요한 여덟 가지 차원을 기준으로 평가한다. 이 프레임워크를 활용하여 88개 상용 AI 제품의 시스템 프롬프트에 포함된 3,249개 지침을 검토하고, 각 지침을 사용자 보호적(protective) 또는 문제적(problematic)으로 분류하였다. 본 감사는 네 가지 핵심 결과를 도출한다. 첫째, 시스템 프롬프트 설계는 제품 및 개발자에 따라 상당히 상이하여, 일부 조직은 제품당 평균 60개 이상의 보호적 지침을 포함하는 반면 다른 조직은 평균 5개 미만을 포함한다. 둘째, 보호적 지침은 널리 채택되었으나 범위가 얕다. 제품의 98.9%가 최소 하나 이상의 보호적 지침을 포함하지만, AISPA 분류 체계의 여덟 가지 차원을 모두 충족하는 제품은 24%에 불과하다. 셋째, 시스템 프롬프트는 지속적으로 길어지고 사용자 보호 성격이 강화되고 있어, 사용자 보호가 상용 프롬프트 설계에서 점점 더 중요한 고려 사항이 되고 있음을 시사한다. 넷째, 이러한 진전에도 불구하고 문제적 지침은 여전히 만연하다. 약 40%의 제품이 사용자 이익에 반하는 지침을 최소 하나 이상 포함하고 있으며, 보호적 지침과 문제적 지침이 동일한 프롬프트 내에 빈번히 공존한다. 본 연구 결과는 상용 AI 제품의 시스템 프롬프트에 대한 더 큰 투명성, 표준화, 그리고 독립적 감독의 필요성을 강조한다.

우리는 접촉이 많은 조작을 위해 미래의 시각과 미래의 접촉을 모두 예측하는 촉각 기반 세계-행동 모델 N_0-TWAM을 제시한다. 우리가 아는 한, 이는 대규모로 훈련된 최초의 촉각 세계-행동 모델이며, 접촉이 많은 작업에서 강력한 성능을 보여준다. 우리는 6개의 로봇 플랫폼과 450개의 작업에 걸친 촉각이 풍부한 시연 데이터를 대상으로 시각-촉각 공동 훈련을 통해 N_0-TWAM을 대규모로 사전 훈련한다. 통합된 힘 기반 촉각 표현인 NeoForce를 사용하여 동작 생성을 조건화하는 물리적으로 근거한 접촉 신호를 형성한다. 장기간의 다단계 조작을 개선하기 위해, 작업 단계화를 위한 촉각 접촉 이벤트를 도입하고 실행 중에 이를 순차적으로 진행한다. 실시간 효율성을 위해, 비디오 예측을 위한 풀 폭 전문가와 후속 동작 및 촉각 예측을 위한 슬림 전문가를 결합한 비대칭 Mixture-of-Transformers 아키텍처를 채택한다. 실제 및 시뮬레이션 벤치마크에서의 평가는 다양한 접촉이 많은 작업에서 N_0-TWAM의 성능을 입증하며, 정밀한 촉각 및 동작 예측을 위한 데이터 확장의 이점을 보여준다. 요약하면, N_0-TWAM은 세계-행동 모델에 시각, 촉각, 동작을 예측하는 능력을 부여하여 개방형 접촉이 많은 작업에서 정밀한 조작을 위한 견고한 기반을 구축한다. 코드베이스와 모델 체크포인트는 촉각 기반 로봇 조작의 추가 연구와 개발을 촉진하기 위해 공개될 예정이다.

잠재 세계 모델은 컴팩트 표현 공간에서 미래 상태를 예측함으로써 효율적인 계획을 가능하게 하지만, 그 성능은 학습된 잠재 분포의 품질에 결정적으로 의존한다. LeWorldModel(LeWM)은 Epps-Pulley(EP) 목적 함수를 사용하여 잠재 변수를 등방성 가우시안 분포로 정규화한다. 우리는 EP의 보정 기울기가 고립된 꼬리 표본에 대해 급격히 소멸하여 두꺼운 꼬리 편차가 충분히 제어되지 않은 채 남게 됨을 보인다. 이러한 한계를 해결하기 위해, 우리는 EP를 분위수-분위수 정합 목적 함수로 대체하는 QQWorld를 제안한다. QQWorld는 투영된 잠재 표본을 순위 정합된 가우시안 분위수와 직접 정렬함으로써 꼬리 영역에서 효과적인 보정 기울기를 유지한다. 또한, 우리는 이전 배치에서 분리된 표본을 사용하여 유효 순위 풀을 확장하는 크로스 배치 QQ를 개발하고, 그 편향-분산 트레이드오프를 규명한다. 네 가지 제어 환경에서 QQWorld는 LeWM의 평균 계획 성공률을 효과적으로 개선하며, 동시에 더 나은 가우시안 정합과 더 얇은 잠재 꼬리를 일관되게 산출한다.

우리는 시각 생성에서 텍스트 조건화의 경험적 스케일링 속성을 연구한다. 확산 손실은 자연어 프롬프트의 토큰 수에 따라 확장되지 않기 때문에 이러한 속성은 거의 측정된 바 없다. 놀랍게도, 수렴된 확산 손실은 프롬프트 내 구조화된 언어의 양에 따라 확장된다는 것을 발견한다. 구조화된 언어를 정량화하기 위해, 우리는 화이트박스 우도 지표(GPG)와 블랙박스 속성 지표(ED)라는 두 가지 상보적 측정 방식을 적용한다. 통제된 훈련 실행들에 걸쳐, 수렴된 확산 손실은 GPG에 대해 대략 선형적으로 감소하며 ED에 대해 멱법칙을 따른다. 이러한 스케일링 속성에 기반하여, 우리는 이미지에서 추출한 의미론적 및 기하학적 주석을 포함하는 구조화된 프롬프트를 구성함으로써 확산성을 개선하고, 지도 미세 조정, 콜드 스타트 및 검증기 기반 온정책 증류를 통해 프롬프터를 훈련함으로써 프롬프트성을 개선한다. 결과 시스템은 거의 모든 구성적, 추론 및 세계 지식 벤치마크에서 평가된 모든 오픈 가중치 모델을 능가하며, 대부분의 평가에서 가장 강력한 폐쇄 가중치 모델과 동등하거나 이를 능가한다.

검증 가능한 보상을 사용한 강화 학습(RLVR)은 응답 수준의 단일 보상을 모든 토큰에 동일하게 부여하는 반면, 온-정책 증류(OPD)는 더 강한 교사 모델과 대조하여 각 토큰에 점수를 매겨 조밀한 이점을 제공하지만, 성능이 교사 모델 수준으로 제한되고 그 이상의 탐험을 억제한다. 이러한 상보성 때문에 RLVR과 OPD를 결합하는 것은 유망하지만, 고정 계수로 두 이점을 융합하면 두 가지 보정 오류로 인해 엔트로피 붕괴가 발생함을 확인했다. 첫째는 크기 불일치로, 토큰 수준의 OPD 이점이 제한된 RLVR 이점을 훨씬 초과하여 급증함으로써 RLVR 신호를 소멸시킬 수 있다. 둘째는 시간적 불일치로, 지속적인 최대 강도의 OPD가 학생 모델을 계속 교사 모델 쪽으로 끌어당겨 교사 모델을 능가하는 데 필요한 탐험을 제한한다. 본 논문에서는 OPD 이점에만 적용되는 가벼운 4단계 파이프라인을 통해 두 문제를 모두 해결하는 SAF(Stable Advantage Fusion) 프레임워크를 제안한다. SAF는 크기 제어를 위한 희소화-후-압축 메커니즘과 시간 제어를 위한 워밍업-후-앤닐 메커니즘을 결합하며, 각 단계는 독립적으로 활성화하거나 비활성화할 수 있고 오버헤드가 거의 없다. RLVR을 GRPO로 구현하여 Qwen3-1.7B/4B/8B 모델로 7개의 수학적 추론 및 코드 생성 벤치마크에서 SAF를 평가한 결과, SAF는 엔트로피 붕괴를 피하고 고정 계수 GRPO+OPD 융합보다 일관되게 우수한 성능을 보였으며, 6개의 모델-도메인 설정 전체에서 종합 점수를 0.51-2.70% 개선하면서 더 안정적인 학습을 달성했다.

AI 지원 코딩은 점점 더 비공식적인 사용자 의도를 실행 가능한 소프트웨어로 변환하고 있지만, 코딩 요청에는 작업과 세션에 걸쳐 사용자별로 반복되는 모호성이 자주 포함된다. 기존의 모호성 해소 방법은 일반적으로 현재 코딩 세션 내에서 각 모호한 요청을 개별적으로 처리하며, 종종 추가적인 명확화를 유도하는 방식을 사용한다. 그러나 동일 사용자의 해결된 세션 기록이 새로 시작된 세션에서 반복되는 개인화된 모호성을 해결하는 데 메모리로 사용될 수 있는지는 아직 충분히 연구되지 않았다. 우리는 개인화된 모호성 적응을 새로운 작업으로 정의한다. 즉, 사용자가 이전에 해결한 코딩 세션과 새로운 모호한 요청이 주어졌을 때, 어시스턴트는 반복되는 모호성 패턴을 식별하고 의도된 실행 가능한 해결책을 생성하며 명확화를 최소화해야 한다. 이 작업을 벤치마킹하기 위해 우리는 CAPA를 도입한다. CAPA는 여섯 가지 메커니즘을 통해 개인화된 코딩 모호성을 특성화하고, 통제된 3단계 생성 파이프라인을 사용하여 이러한 메커니즘을 모호성이 없는 실행 가능한 작업에 주입한다. CAPA는 300개의 홀드아웃 평가 세션을 포함하여 60개의 균형 잡힌 사용자-모호성 셀에 걸쳐 600개의 코딩 세션을 포함한다. 우리는 실행 성공, 첫 턴 성공, 완료까지의 턴 수를 지표로 사용하여 히스토리가 없는 조건과 동일 사용자 히스토리가 있는 조건에서 최근 12개 LLM을 평가한다. 우리의 분석은 작업 난이도, 사용자 정체성, 메모리 기반 히스토리 사용을 조사하며, 추가로 경량의 추론 시점 방법으로 동일 사용자 히스토리 게이팅을 제안한다. CAPA는 생성된 코드를 사용자 의도와 더 잘 일치시키면서 반복적인 명확화를 줄이는 장기적 코딩 어시스턴트 개발을 위한 기반을 제공한다.

루브릭 기반 강화학습은 최근 개방형 작업에서 대규모 언어 모델(LLM)을 개선하는 데 유망한 성과를 보이고 있다. 루브릭 기반 강화학습의 널리 알려진 한계는 제한된 탐색이다. 어떤 롤아웃도 충족하지 못하는 기준(Unexplored Criteria, UC)은 최적화 신호를 전혀 받지 못한다. 최근 방법들은 롤아웃 중에 루브릭 정보를 외부 지침으로 통합하여 이 문제를 해결하고자 하지만, 학습-추론 불일치를 초래한다. 즉, 정책은 외부 지침 하에 생성된 롤아웃으로 최적화되는 반면, 추론 시에는 이러한 지침이 없어서 자기회귀 디코딩을 통해 오류가 누적된다. 더욱이 이러한 탐색 중심 접근법은 우리가 억제된 기준(Suppressed Criteria, SC)이라고 명명한 근본적으로 다른 실패 모드를 간과한다. SC는 일부 롤아웃에 의해 충족되지만, 스칼라 보상 집계가 비양수 집계 어드밴티지를 할당함으로써 최적화 중에 학습 신호가 손실되는 기준을 의미한다. 우리의 분석은 SC가 매우 만연함을 보여준다. 훈련 전반에 걸쳐 샘플의 57% 이상이 이 실패 모드를 나타내며, 샘플당 평균 1.8개의 SC가 발생한다. UC와 SC를 동시에 해결하면서 학습-추론 불일치를 도입하지 않기 위해, 우리는 온폴리시 자기 증류를 통해 루브릭 기반 강화학습을 향상시키는 기준 증류 정책 최적화(Criterion-Distilled Policy Optimization, CriPO)를 제안한다. UC의 경우, CriPO는 기준 주입 자기 교사를 구성하고 국소적 순방향 KL 손실을 계산하여 정책에 누락된 행동을 주입한다. SC의 경우, CriPO는 반사실적 자기 교사를 사용하여 음의 어드밴티지를 가진 롤아웃에서 기준 관련 토큰을 찾고 해당 토큰 수준 어드밴티지를 양수 값으로 뒤집어, 그렇지 않으면 억제되었을 유용한 패턴을 보존한다. 의학 및 과학 벤치마크 실험은 CriPO가 루브릭 기반 강화학습을 지속적으로 능가하며, 약 2배 더 적은 최적화 단계로 더 강력한 최종 성능을 달성함을 보여준다.

엔터프라이즈 워크플로우는 점점 더 스키마 기반 추출(schema-guided extraction)을 위한 에이전트에 의존하고 있다. 즉, 문서와 사용자 정의 스키마가 주어지면 에이전트는 스키마를 충실히 따라 소스 증거를 근거 메타데이터로 삼아 올바른 출력을 생성한다. 우리는 스키마 기반 추출을 위한 벤치마크인 ExtractBench를 제시하며, 현재까지 알려진 바로는 값 정확도(value accuracy), 대규모 레코드 완전성(record completeness), 근거(grounding), 측정 비용을 함께 평가하는 최초의 벤치마크이다. 평가 시스템은 370개의 엔터프라이즈 문서, 8개 비즈니스 도메인, 67개 문서 유형에 걸쳐 4,869페이지를 포함하며, 각 도전 과제 시나리오를 구분하는 명확한 태그를 갖추고 있다. 확장 가능한 스키마 및 정답(Ground Truth) 구축 파이프라인은 실제 문서에 대한 독립 시스템 합의, 합성 목록에 대한 알려진 값, 양식에 대한 인간 검증을 결합한다. 우리는 값 정확도에 대해 순서 비민감 값 F1을 보고하고, 소스 추적성을 위한 두 가지 근거 지표(단어 및 페이지 수준 F1)를 추가로 보고한다. 상용 VLM은 짧은 문서에서 우수한 성능을 보이지만 긴 문서에서는 레코드 목록을 자주 잘라내는 반면, 코딩 에이전트는 훨씬 높은 비용으로 더 높은 정확도를 유지한다. LlamaExtract Agentic Plus는 세 가지 지표 모두에서 1위를 차지하며, 코딩 에이전트에 필적하는 정확도를 훨씬 낮은 비용으로 달성한다. 데이터셋과 평가 코드는 https://huggingface.co/datasets/llamaindex/ExtractBench{HuggingFace} 및 https://github.com/run-llama/ExtractBench{GitHub}에서 확인할 수 있다.

최근 이미지 편집 모델들이 빠른 발전을 이루었지만, 다중 참조 편집은 여전히 어려운 과제로 남아 있으며, 특히 참조 간 시각적 일관성 유지와 전반적인 시각적 조화 보장에서 그러하다. 강화 학습은 텍스트-이미지 생성 및 단일 이미지 편집에서 매우 효과적인 것으로 입증되었으나, 다중 참조 편집으로의 확장은 다중 이미지 관계 제약을 포착하는 적절한 보상 모델의 부재로 인해 제약을 받는다. 또한, 다중 모달 대규모 언어 모델(MLLM)을 제로샷 평가기로 단순 활용하는 방식은 환각에 취약한 장문 추론과 연역 능력이 제한적인 단문 판단 사이의 핵심적 긴장 관계에 직면한다. 본 연구에서는 이러한 문제를 다차원 평가-검증 보상(EVR)으로 해결한다. EVR은 평가를 개별적 시각 기준으로 분해하며, 각 기준에 대해 MLLM 평가기가 여러 후보 가설을 생성하고, 검증기가 각 주장을 구체적인 시각적 증거에 근거하여 수용 또는 기각함으로써 신뢰할 수 있고 세분화된 보상 신호를 생성한다. 확장 가능한 데이터 파이프라인과 함께, 본 방법은 구조 변경 없이 기성 편집 모델의 RL 파인튜닝을 가능하게 한다. 광범위한 실험을 통해 기본 Qwen-Image-Edit 대비 상당한 성능 향상을 보여주며, 일관성과 조화 측면에서 NanoBanana와 동등하거나 이를 능가하는 결과를 달성한다.

우리가 살고 있는 물리적 세계에서 공간과 시간은 근본적으로 연속적이다. 그러나 세계 모델링을 위한 기존 기계 학습 패러다임들은 대부분 이산 시간 예측에 국한되어 있어 물리적 세계의 동역학을 포착하는 데 상당한 비효율성을 보인다. 우리는 물리적 시간에서 작동하는 연속 잠재 속도장을 학습하는 새로운 접근 방식인 Physical-Time Flow (PT-Flow)를 소개한다. 중요하게도, 순차 데이터의 기저 동역학은 잘 구조화된 표현 공간에 내장된 상미분 방정식(ODE)으로 매개변수화된다. 이 패러다임에서 미래 예측은 압축된 잠재 공간에서 ODE 솔버를 통한 시간 적분으로 재구성될 수 있다. PT-Flow를 기반으로 우리는 효율적이면서도 다재다능한 연속 시간 잠재 세계 모델인 ODEWorld를 구축한다. 시간 변동 특징을 추출하고 동역학적 표현 공간과 잠재 속도장 모두에 ODE 속성을 적용함으로써, ODEWorld는 잠재 세계 모델 문헌에서 오랜 기간 지속된 표현 붕괴 문제를 효과적으로 해결한다. 이는 또한 장기 예측 후에도 고품질 이미지 재구성을 가능하게 한다. 더욱이, 연속적 특성 덕분에 임의의 시간 해상도와 대부분의 이산 시간 모델에서는 불가능한 역방향 예측까지 가능하다. 마지막으로, ODEWorld는 후속 정책 학습을 촉진하기 위한 풍부한 계획 지향 정보를 제공할 수 있다. 포괄적인 실험을 통해 ODEWorld가 계획에 유리한 동역학 추상화와 시각적 사실성을 성공적으로 조화시키며 비디오 생성과 로봇 제어 모두에서 뛰어난 성능을 보임을 입증한다. https://dstate.github.io/odeworld_website/{프로젝트 웹사이트}.

웹은 점점 더 인간보다 AI 에이전트에 의해 접근되고 있다. 모든 에이전트는 지식을 필요로 하며, 특히 에이전트 기반 파이프라인이 빠르게 성장하는 생명과학 분야에서 그 필요가 크다. 문헌 접근은 그러한 요구의 핵심적인 부분이며, 4천만 개 이상의 색인 레코드를 보유한 Europe PMC와 같은 자원이 이를 충족하기 위해 널리 사용된다. 그러나 이러한 자원은 AI 에이전트를 위해 설계되지 않았다. 키워드와 복잡한 구문을 받아 전체 논문을 반환하기 때문에, 에이전트는 구문을 익히고 여러 번 검색을 수행한 다음 필요한 증거를 찾기 위해 전체 논문을 읽어야 한다. 우리는 AI 에이전트를 위해 Europe PMC 인터페이스를 업그레이드하는 지식 계층인 EMBL AI Librarian을 소개한다. 에이전트는 자연어로 질문하고, 그 질문에 답하는 증거를 받는다. 단일 LLM이 전체 지식 검색 과정을 조율한다. 즉, 실제 Europe PMC 검색 엔진이 실행할 보완적 하위 질의를 계획하고, 선택된 논문을 읽은 후 관련 증거를 찾아낸다. 우리는 문헌 종합, 주장 검증, 개방형 도메인 질의응답, 그리고 프로토콜 질문과 서열 조작 같은 다운스트림 생물학 작업 등 네 가지 벤치마크에서 Librarian을 평가한다. ScholarQABench에서 Librarian은 최근 발표된 강력한 기준선들보다 인용 F1을 16포인트 이상 향상시킨다. 기존 주장 검증 파이프라인의 검색 계층으로 사용될 때 전문가 합의와의 일치도를 높이며, 개방형 LitQA2 벤치마크에서 GPT-5.4 에이전트는 웹 검색을 사용할 때보다 Librarian에 근거할 때 약 8포인트 더 높은 점수를 받는다. 전반적으로, 우리의 결과는 생명과학 에이전트에 Librarian 지식 계층을 장착함으로써 다양한 작업에서 성능이 향상됨을 보여준다. 코드는 https://github.com/petroni-lab/librarian 에서 공개적으로 제공한다.

비전-언어-행동(Vision-Language-Action, VLA) 모델이 가능하게 하는 인상적인 시각운동 능력에도 불구하고, 어렵고 분포 외(out-of-domain) 작업에서는 성능이 종종 저하된다. 최근의 테스트 시점 스티어링 및 스케일링 방법들은 방대한 데이터 수집과 재학습 없이 성능을 개선하지만, 행동 샘플은 종종 유사한 행동 주변에 집중되어 상관된 실패 모드를 내재한다. 더욱이 기존 방법들은 기본 정책이 이미 성공할 가능성이 높은지와 무관하게 매 타임스텝마다 동일한 개입 전략을 적용한다. 이러한 한계를 해결하기 위해, 우리는 VLA 잠재 표현에 대한 강화 학습(Reinforcement Learning on VLA Latents)을 활용하는 적응형 추론 시점 스티어링 프레임워크인 RL^2를 제안한다. 첫째, 우리는 VLA 행동 전문가로부터 추출된 표현력 있는 잠재 표현에 조건화된 경량 오프라인 RL 정책을 훈련하고, 추론 중에 그 흐름 속도를 동결된 VLA의 흐름 속도와 합성한다. 이 구성적 스티어링 전략은 대규모 모방 학습의 행동 사전(behavioral prior)과 지배적인 시연 모드를 넘어서는 오프라인 RL로 유도된 행동 다양성을 결합한다. 또한 우리는 추론 시점 스티어링이 성공 상태와 실패 상태에서 근본적으로 다른 스케일링 법칙을 따른다는 것을 발견한다. 이는 행동 다양성이 기본 VLA가 실패할 가능성이 높을 때 가장 유용하지만, 성공 가능성이 높을 때는 이미 정확한 행동을 불필요하게 교란할 수 있음을 보여준다. 이 통찰력을 바탕으로 RL^2는 실패가 예측될 때만 구성적 스티어링을 활성화한다. SIMPLER 및 PolaRiS 벤치마크 전반에 걸쳐 RL^2는 분포 외 설정에서 성공률을 최대 +17.3% 향상시키며, 절제 연구와 스케일링 연구는 잠재 표현과 RL 훈련의 중요성을 입증한다. 마지막으로 실제 환경 실험은 이러한 성과가 시뮬레이션을 넘어 전이됨을 보여주며, RL^2가 VLA 배포를 위한 실용적이고 모듈식인 스티어링 프레임워크임을 확립한다.

군집의 모든 로봇이 국소 관측과 대역폭 제한 메시지만으로 동일한 미래 집단 상태를 예측할 수 있을까? 우리는 이를 분산 공유 상태 예측으로 정식화하고, 각 로봇의 출력이 하나의 공통 미래 토큰 필드를 나타내는 순환 결합-임베딩 예측 구조인 CS-JEPA(Collective-State JEPA)를 소개한다. 배포 시 각 로봇은 16프레임 국소 이력과 방향 간선당 하나의 64-부동소수점 순환 메시지를 사용하며, 전역 풀링, 대상 인코더, 에피소드 시계 또는 기록된 미래 행동은 사용하지 않는다. 하위 과제 집단 레이블 없이 사전학습한 후, 고정된 표현을 전역 레이블이 있는 6, 12, 24개 에피소드에 적합시킨 릿지 프로브로 평가한다. 동일한 수신기 앵커와 배포 용량을 가지지만 9,607개의 학습 전용 추가 파라미터를 사용하는 원시 미래 재구성과 비교하여, 사전 등록된 5-시드 후속 연구는 최대 108대 로봇의 분포 내, 링, 상호 kNN, 미지의 크기 계열에서 예측 오차 및 로봇 간 일치도 레이블-예산 AUC를 개선한다. 모든 효과는 5/5 외부 시드에서 CS-JEPA에 유리하다. 별도의 봉인된 8-시드 후속 연구에서는 일치된 행동 조건 예측기가 수신기-국소 예측 표현을 생성하기 전에 각 후보 4단계 계획을 입력받는다. CS-JEPA는 분기-가치 MSE를 45.5% 줄이고 문맥 내 후보 점수 Pearson 상관관계를 0.1291만큼 개선하며, 두 효과 모두 미지의 N=32를 포함한 8/8 시드에서 유리하다. 이 결과는 공통 미래 JEPA 목표가 토폴로지 및 크기 변화 하에서 분산 군집 예측을 위한 레이블 효율적인 기본 요소임을 지지하며, 계획 관련 가치 추정에 대한 추가 증거를 제공한다.

사후 훈련 정렬은 종종 얕아서 미세 조정 시 침식된다. 사후 훈련과 완전히 분리된 중간 훈련 개입이 지속적인 정렬을 만들어낼 수 있는지는 아직 검증되지 않았다. 우리는 120B 규모에서 재생 전용 대조군과 비교하여 헌법 기반 중간 훈련을 통해 이를 검증한다. 즉, 원칙적이고 가치 기반의 내용을 중간 훈련에 삽입하는 것이다. Anthropic의 헌법으로 구축한 3억 9400만 토큰 규모의 헌법 말뭉치를 사용했으며, 2x2 요인 설계(커리큘럼 순서 x 숙의적 추론)로 네 가지 헌법 기반 중간 훈련 조건과 대조군을 생성한다. 평가는 자체 생성 및 기존 벤치마크(압력 하 정렬, 가치 충돌 해결, 협박, 발현적 오정렬)를 통해 중간 훈련 후, SFT 후, 무해 미세 조정 후의 세 단계에 걸쳐 수행되었다. 헌법 기반 중간 훈련 모델은 정렬 일반화와 지속성에서 대조군을 능가했으며, 특히 협박에서 그러했다. SFT는 모든 모델에 협박 성향을 주입하지만, 헌법 기반 중간 훈련은 이를 무디게 만들었고, 그 이점은 무해 미세 조정 후에도 유지되었다(-17.5pp). 그러나 이러한 지속성은 문맥 내 압력이나 갈등에 능동적으로 저항해야 하는 상황에는 적용되지 않으며, 그러한 상황에서는 SFT 후 이점이 약화되었다. 또한 중간 훈련 시 헌법 콘텐츠의 존재가 그 구조보다 더 중요했다. 헌법 기반 중간 훈련은 테스트한 능력(MMLU, ARC-Easy, piqa, GSM8K)에서 어떤 단계에서도 평균적으로 비용을 발생시키지 않았다. 따라서 중간 훈련에 적당량의 헌법 콘텐츠를 포함하면 광범위하고 지속적인 정렬 이득을 얻을 수 있으며, SFT 중심 파이프라인에 저비용으로 보완적인 추가를 제공할 수 있다. 코드, 데이터, 모델은 공개되어 있다.

강건한 저조도 이미징은 여전히 학계의 도전 과제이다. 최근 연구들은 노이즈가 포함된 RGB와 근적외선(NIR)을 융합하여 화질 개선을 달성하고자 하였으나, 대부분의 방법은 정제된 학습 데이터 쌍에 의존하며 다양한 시나리오에서 강건성이 제한적이다. 본 논문은 3D 인지 신경 모델링을 통합함으로써 RGB-NIR 저조도 이미징에 새로운 관점을 제시한다. 제안된 모델은 클린 RGB 지도(supervision) 없이도 심한 노이즈를 포함한 RGB 관측값과 NIR 단서를 3D 공간에서 암시적으로 융합하도록 최적화되어, 클린 RGB 이미지를 효과적으로 복원할 수 있다. 이 모델은 클린 RGB 데이터 수집의 필요성을 제거하며, 다양한 노이즈 수준에 걸쳐 일반화된다. 합성 및 실제 데이터에 대한 광범위한 평가는 제안 방법의 우수성을 입증한다. 코드는 https://github.com/MyNiuuu/3DarkFusion 에서 제공된다.

대규모 언어 모델의 안전장치는 답변이 어떻게 사용될지 확인하기 전에 응답 여부를 결정한다. 이는 이중 용도 과제에서 근본적인 문제를 야기한다. 동일한 답변이 인가된 전문가에게는 도움이 될 수 있지만 공격자에게도 도움이 될 수 있으며, 공격자는 정상적인 요청과 상호작용 이력을 모방할 수 있기 때문이다. 우리는 모델이 제공하는 역량과 하류 사용에 관한 이용 가능한 증거를 분리한다. 해당 증거가 복제 가능할 때, 유용한 답변을 보존하면서 공격자 지원의 정확한 최악의 하한을 도출한다. 그 결과는 안전 트릴레마를 산출한다. 즉, 유용한 역량, 신뢰할 수 있는 안전, 개방적 접근은 공존할 수 없다. 그런 다음 신뢰할 수 있는 자격 증명이 실제 하류 사용을 예측하는 복제하기 어려운 정보를 추가함으로써 기존 안전장치를 보완할 수 있는 방법을 보여주고, 하한을 제거하는 데 필요한 더 강력한 조건을 식별한다. 이중 용도 평가, 적대적 공격, 배포된 신뢰 접근 프로그램의 증거는 이러한 조건들의 실질적 관련성을 뒷받침한다.

RGB 영상은 지표 지뢰 탐지에서 무인 항공/지상 차량(UAV/UGV) 조사 지원을 위한 실용적이고 저비용의 옵션을 제공하지만, 객체 탐지기는 이러한 안전 필수 분야에서 충분히 연구되지 않았다. 제한적인 교차 아키텍처 벤치마킹과 불충분한 분포 외(OOD) 분석은 탐지기가 다양한 배포 조건에서 일반화되는지 여부를 불분명하게 만든다. 이러한 과제는 공개 RGB 지뢰 데이터셋의 부족으로 더욱 증폭되며, 이로 인해 SULAND는 PFM-1 및 PMA-2 탐지의 핵심 벤치마크가 되었다. 그러나 검토 결과 SULAND에는 누락되거나 잘못된 주석, 위치 오류, 일관되지 않은 가시성 기준, 시각적 아티팩트, 시간적 라벨링 불일치, 그리고 반전된 OOD 클래스 ID 관례가 존재하는 것으로 드러났다. 본 연구에서는 정제된 RGB 지표 지뢰 데이터셋 겸 벤치마크인 SULAND_v2를 제시한다. 원본 이미지와 분할을 유지하면서 완전성, 정밀한 위치, 라벨 유효성, 클래스 일관성을 보장하도록 주석을 수동으로 수정했다. SULAND_v2는 33,771개의 이미지와 12,433개의 바운딩 박스를 포함한다. 우리는 9개 계열에 걸친 35개의 탐지기 구성을 벤치마킹했다. 주석 개선은 YOLOv8 분포 내(IID) 테스트 mAP@50을 14.6~19.6퍼센트 포인트 향상시켰으며, OOD 클래스 ID 관례를 수정하면 평균 YOLOv8 OOD mAP@50이 약 25퍼센트 포인트 증가한다. SULAND_v2에서 YOLOv12-Small은 가장 높은 IID mAP@50(0.908)을 달성했고, RF-DETR-Large는 가장 우수한 OOD 성능(0.799 mAP@50, 0.675 재현율)을 보였다. 우리의 결과는 높은 IID 정확도가 운영 준비성을 보장하지 않는다는 점을 보여준다. SULAND_v2는 RGB 기반 지뢰 대응 조사 지원에서 도메인 이동 견고성을 평가하기 위한 신뢰할 수 있는 벤치마크를 제공한다.

검증 가능한 보상을 사용하는 강화 학습(RLVR)은 대규모 언어 모델의 장기 CoT 추론 능력을 개선하는 데 핵심적인 역할을 한다. GRPO와 같은 비평자 없는 방법은 응답 수준의 보상을 어드밴티지로 변환하여 이를 토큰 전체에 균일하게 전파하는데, 이는 각 토큰이 최종 결과에 기여하는 정도가 서로 다르다는 점을 간과한다. 반면, 온폴리시 자기 증류(OPSD)는 비특권 정책과 특권 자기 교사 간의 순방향 KL 발산을 최소화함으로써 밀집된 분포적 감독을 제공하며, 결과적으로 나타나는 우도 변화가 신뢰할 수 있는 정답 정렬 정보를 담고 있다고 암묵적으로 가정한다. 우리는 이 전제를 검증하기 위해 각 샘플링된 궤적을 고정한 채, 하나는 정답임을, 다른 하나는 오답임을 주장하는 두 가지 상반된 결과 조건에서 해당 궤적을 재평가한다. 영향을 받는 대부분의 토큰은 두 조건에서 동일한 방향으로 이동하며, 부호 반전은 거의 없고 유도된 최적화 신호는 상당 부분 겹친다. 또한 큰 변화는 대체 가능성이 높은 표면 형태 토큰에 집중되는 반면, 문제 고유의 추론 내용을 담은 토큰은 덜 민감하다. 이러한 발견은 특권에 의해 유도된 변화가 신뢰할 수 있는 정답 정렬 방향을 제공하지 못하며, 그 크기는 주로 토큰 수준의 학습 가치보다는 반사실적 민감도를 반영한다는 것을 보여준다. 이러한 관찰을 바탕으로 우리는 반사실적 민감도 신용 재할당(CSCR)을 제안한다. CSCR은 GRPO의 간단한 확장으로, 민감도가 높은 토큰에 대한 신용을 줄이고 토큰 수준의 어드밴티지를 재정규화하여 원래의 신용 예산과 검증자가 결정한 방향을 모두 보존한다. 장기 CoT 수학적 추론 벤치마크에서 CSCR은 동일한 수의 정책 업데이트로 GRPO 베이스라인보다 일관되게 우수한 성능을 보인다. 표적 절제 연구는 우리의 진단을 추가로 뒷받침한다: 특권에 의해 유도된 방향은 신뢰할 수 없으며, 적절한 수준의 가중치 감소가 가장 효과적이고, 더 강한 변조는 최적화를 불안정하게 만든다.

감정 대화 연구에는 영향력 있는 두 가지 전략 전통이 있다. 공감 대화는 화자의 감정적 경험을 이해하는 것을 우선시한다. 정서적 지지 대화는 도움을 구하는 사람의 현재 필요에 맞춰 지지를 선택하고 순서를 배열한다. 지속적 사용은 추가적인 목표를 도입한다. 효과적인 지지는 상호작용 수명주기 전반에 걸쳐 사용자의 감정 조절, 대처, 자기 수용적 결정, 사회적 연결 능력을 유지해야 한다. 우리는 지지 전략을 이 목표에 정렬시키고 반복 사용, 비사용, 전환, 종료를 중심으로 데이터, 모델, 시스템 설계, 평가, 거버넌스를 조직하는 종단 연구 패러다임으로서 능력 유지형 감정 대화(CSED)를 제안한다. 표적화된 문헌-말뭉치 감사가 이러한 입장을 뒷받침한다. PRISMA-ScR 지침에 따른 표본에서 시스템 구축 논문 60편 중 95%가 완화 지향 목표를 추구한다. 어떤 논문도 능력이나 종단적 결과를 평가하지 않았으며, 단 한 편만이 의존성, 자율성, 종료 위험을 고려한다. ESConv의 지지자 발화 300개 중 능력 관련 기능은 43.0%에서 나타났고, 일반적 제안은 22.0%를 차지했다. 이에 비해 재평가는 4.0%, 자기효능감 지지는 6.7%, 경계 행동은 0.3%였다. 우리는 감사를 모델 행동으로 확장하기 위한 프로토콜을 공개한다. 예시적 과정 모델은 잠재 사용자 능력을 여섯 가지 설계 약속, 네 가지 평가 시간 척도, 수명주기 제약 조건과 연결한다. 결과적으로 도출된 의제는 CSED를 데이터, 정책 설계, 훈련, 평가, 거버넌스 전반에서 검증 가능하게 만든다.

자율주행 시스템(ADS)은 빠르게 발전하고 있으며 실제 응용 환경에 점점 더 많이 배치되고 있다. 이에 따라 시스템의 기능성과 안전성을 보장하기 위한 효과적인 테스팅에 대한 수요도 증가하고 있다. 그러나 ADS 테스팅은 여전히 복잡하며, 시나리오 선정, 성능 평가, 수용 기준에 대한 확립된 표준이 부족한 실정이다. 현재 ADS 테스팅 관행과 과제를 더 잘 이해하기 위해, 우리는 6개국 9개 기업에서 ADS 개발 및 테스팅에 종사하는 전문가들을 대상으로 인터뷰 연구를 수행했다. 주제 분석을 통해 우리는 산업계의 테스팅 관행, 과제, 잠재적 해결 방안, 향후 동향을 종합하고, ADS 테스팅을 위한 증거 중심 폐루프 테스팅 프레임워크를 제안했다. 우리의 연구 결과는 현재의 관행이 주로 시나리오 기반 및 X-in-the-loop 테스팅 접근법에 초점을 맞추고 있으며, 다양한 도구, 지표, 벤치마크, 테스팅 전략이 이를 뒷받침하고 있음을 보여준다. 참가자들은 시나리오 현실성, 시나리오 커버리지, 시뮬레이션 충실도, 수용 기준과 관련된 주요 과제를 강조했으며, 동시에 AI, 월드 모델, 엔드투엔드 접근법의 활용과 같은 잠재적 해결 방안도 논의했다. 더 나아가 참가자들은 향후 ADS 테스팅이 산업 전반에 걸쳐 더 자동화되고, 데이터 중심적이며, 투명해질 것으로 전망했다. 종합적으로, 본 연구는 ADS 테스팅에 대한 포괄적인 산업 기반 개요를 제공하고, ADS 테스팅에 대한 실행 가능한 지침을 제시하는 증거 중심 폐루프 테스팅 프레임워크를 제안하며, 향후 연구와 실무를 위한 중요한 방향을 제시한다.

대규모 언어 모델(LLM)이 복잡한 추론 과제에서 계속 발전함에 따라, 입력에 제공된 명시적 조건을 크게 우선시하도록 학습되었다. 그러나 일상적인 상식 추론에서 이러한 메커니즘은 우리가 현저성 편향(Salience Bias)이라고 명명한 중요한 취약점을 드러낸다. 모델이 수치 값과 같은 무용한 명시적 방해 요소에 쉽게 포획되어 과제의 암묵적 물리적 또는 상식적 전제 조건을 무시하게 되는 것이다. 핵심적인 미해결 질문은 이러한 실패가 상식 지식의 실제 부재를 반영하는지, 아니면 오해를 불러일으키는 과제 구성(task framing) 하에서 지식이 단지 억제된 것인지 여부이다. 이를 조사하기 위해 우리는 네 가지 함정 차원에 걸친 고품질 데이터셋인 SaliTrap 벤치마크를 구축한다. 최첨단 12개 LLM을 평가한 결과, 모든 주류 모델이 현저성 편향으로 상당한 피해를 입으며, 그 심각성은 방해 요소 밀도에 따라 증가하고, 함정을 탐지하는 것과 실제로 회피하는 것은 종종 분리되어 있음을 발견했다. 중요하게도, 과제 구성을 제거한 상태에서 동일한 모델을 다시 유도함으로써, 이것이 지식 부재가 아니라 지식 억제의 실패임을 압도적으로 보여준다. 맥락이 없는 지식 탐침만으로도 아첨적 동조(sycophantic-compliance) 실패의 90% 이상을 회복할 수 있으며, 이는 필요한 상식이 본래 존재하지만, 모델을 과도한 동조와 불필요한 계산으로 유인하는 현저한 방해 요소에 의해 적극적으로 밀려난다는 것을 드러낸다. 이 진단을 바탕으로, 우리는 가벼운 추론 시점 프롬프팅만으로도 재학습 없이 격차를 상당히 줄일 수 있음을 추가로 보여준다. 우리의 발견은 상식 추론 실패의 병목을 모델 역량에서 유도(elicitation)로 재위치시킨다. 그리고 이 맹점을 위한 테스트베드로 SaliTrap을 공개한다. 코드는 https://github.com/Wuzheng02/SaliTrap에서 확인할 수 있다.

자율 다중 차량 경주는 치열한 상호작용 속에서 다양한 경쟁적 행동을 실시간으로 계획해야 한다. 기존 계획 기법들은 종종 전략적 다양성과 계산 효율성 사이의 균형을 맞추는 데 어려움을 겪는다. 이러한 문제를 해결하기 위해, 우리는 샘플링 기반 게임 이론적 계획(SGTP)을 제안한다. 이는 게임 이론적 추론과 GPU 가속 제어 시퀀스 샘플링 및 동역학 롤아웃을 결합한 실시간 프레임워크이다. 샘플링된 궤적들은 게임 인지 비용을 통해 순위가 매겨지며, 경쟁적 상호작용을 포착하고 다양한 경주 행동을 생성한다. 그런 다음 우리의 계획기는 트랙 경계 및 동적 충돌 회피 제약 조건을 명시적으로 강제하는 실현 가능성 선택을 수행하여 경주 전략 간의 안전하고 신뢰할 수 있는 전환을 보장한다. 까다로운 트랙에서의 광범위한 시뮬레이션을 통해 SGTP는 고도로 상호작용적인 경주에서 95.24%의 승률과 99.35%의 임무 완료 비율을 달성하고, 여러 반복 해법 단계에 걸쳐 평균 계산 시간이 0.095초임을 보여준다. 또한 최대 10개 에이전트가 포함된 대규모 시나리오에서 SGTP의 성공적인 적용을 입증한다. 우리는 코드를 공개하고 향후 연구를 촉진하기 위해 다중 에이전트 자율 경주 알고리즘의 오픈소스 벤치마크를 제공한다. 프로젝트 페이지: https://sgtp-racing.github.io/.