1월 30일 AI 주요 논문 소식

1. DynamicVLA: A Vision-Language-Action Model for Dynamic Object Manipulation
   - 동적 객체 조작 문제를 다루기 위한 컴팩트한 비전-언어-행동 모델을 소개합니다.
   - 새로운 벤치마크를 통해 적시적응이 가능하고 시간적 추론을 지원합니다. [자세히 보기](https://arxiv.org/abs/2601.22153)

2. MMFineReason: Closing the Multimodal Reasoning Gap via Open Data-Centric Methods
   - 대규모 멀티모달 추론 데이터셋 MMFineReason를 소개하여 비전-언어 모델의 성능을 개선합니다.
   - 하이 퀄리티 추론 주석을 통해 파라미터 효율성을 보여줍니다. [자세히 보기](https://arxiv.org/abs/2601.21821)

3. Language-based Trial and Error Falls Behind in the Era of Experience
   - SCOUT라는 새로운 프레임워크를 통해 대형 언어 모델의 비언어적 환경에서 탐색 비용을 줄입니다.
   - 감독 학습 및 강화 학습을 통해 성능 향상을 이룹니다. 

[자세히 보기](https://arxiv.org/abs/2601.21754)

4. Qwen3-ASR Technical Report
   - 언어 식별 기능을 가진 음성 인식 모델 Qwen3-ASR 시리즈를 소개합니다.
   - 비자율 강제 정렬 모델을 도입하였으며, 최신 성능과 효율적인 처리 결과를 보여줍니다. 

[자세히 보기](https://arxiv.org/abs/2601.21337)

5. Typhoon-S: Minimal Open Post-Training for Sovereign Large Language Models
   - 감독 fine-tuning 및 강화 fine-tuning을 통해 고품질 독립 언어 모델을 개발할 수 있는 적은 자원 요구량을 달성합니다. 

[자세히 보기](https://arxiv.org/abs/2601.18129)

6. MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models
   - 교차모달 환각 현상을 완화하기 위한 새로운 디코딩 방법을 제안하며, 작업 요구에 따라 적응적으로 디코딩 가지를 조정합니다. 

[자세히 보기](https://arxiv.org/abs/2601.21181)

7. VTC-R1: Vision-Text Compression for Efficient Long-Context Reasoning
   - 텍스트 트레이스를 압축하여 비전-언어 모델에서 활용할 수 있는 새로운 방법을 제시하며, 성능 저하 없이 속도를 향상시킵니다. 

[자세히 보기](https://arxiv.org/abs/2601.22069)

8. ConceptMoE: Adaptive Token-to-Concept Compression for Implicit Compute Allocation
   - 유사한 토큰을 개념 표현으로 통합하여 대형 언어 모델의 성능과 효율성을 동시에 향상시킵니다. 

[자세히 보기](https://arxiv.org/abs/2601.21420)

9. Exploring Reasoning Reward Model for Agents
   - 제시된 Agent-RRM은 에이전트 경로에 대한 구조화된 피드백을 제공하여 다양한 벤치마크에서 우수한 성능을 발휘합니다. 

[자세히 보기](https://arxiv.org/abs/2601.22154)

10. Beyond Imitation: Reinforcement Learning for Active Latent Planning
    - 잠재 토큰 감독을 조건부 VAE로 모델링하여, 강화 학습을 통해 추론 정확성을 향상시킵니다. 

[자세히 보기](https://arxiv.org/abs/2601.21598)