중심 명제
Poster Session 6의 핵심은 더 큰 foundation model이 아니다. 불완전한 구조를 생성적으로 완성하고, 장기·다중 agent 환경에서 적응하며, objective와 compute를 선택적으로 조절하고, 실제 benchmark와 lifecycle evidence 아래에서 시스템 전체를 검증하는 reliable foundation system이다.
Generative Structure · Adaptive Collaboration · Selective Computation · Valid Evaluation · Lifecycle Governance
ICML 2026 Poster Session 6
세션 원시 목록 684편과 통합 태깅 메타데이터 688편을 교차검토해 structural generation, professional agents, continual adaptation, latent collaboration, factuality, world generation, benchmark validity와 lifecycle governance의 관점에서 재구성한다.
684원시 세션 논문
688통합 태깅 논문
26Research Questions
24Open Problems
01
전체 연구 지형
Poster Session 6은 structure, adaptation, collaboration, selective computation, valid evaluation와 lifecycle accountability를 foundation-system 연구의 통합단위로 제시한다.
Partial Observations→Generative Structure→Adaptive Collaboration→Selective Compute→Valid Evaluation→Lifecycle Governance
Next-Generation Foundation System =
Generative Structure × Adaptive Collaboration × Selective Computation × Valid Evaluation × Lifecycle Governance
02
Definition
Structural intelligence, execution-grounded synthesis, professional agents, latent collaboration, continual adaptation, factuality와 lifecycle governance를 정리한다.
Generative Structural Intelligence
부분관측된 구성요소를 바탕으로 전체 구조와 각 part의 pose·relation을 동시에 추론·생성하는 능력이다.
Execution-Grounded Program Synthesis
생성된 CAD·code·symbolic program을 실제 kernel, compiler와 simulator에서 실행해 검증한다.
Long-Horizon Software-Engineering Agent
대규모 repository에서 여러 파일, dependency, test와 장기 debugging을 처리하는 agent다.
Latent Multi-Agent Collaboration
Agent가 자연어 message 대신 hidden representation과 latent working memory를 직접 공유한다.
Non-Parametric Continual Agent Learning
Weight update 없이 experience memory, retrieval와 logit modulation으로 policy를 개선한다.
Uncertainty-Guided Exploration
많이 탐색하는 대신 uncertainty 감소와 goal progress가 큰 action에 rollout budget을 배분한다.
Reward-Free Multi-Objective Alignment
별도 scalar reward model 없이 objective별 preference gradient를 직접 조정한다.
Modular Perception–Reasoning Architecture
Visual evidence 탐색과 logical reasoning을 분리해 bottleneck과 failure 원인을 독립적으로 진단한다.
Evidence-Bound Factuality Reward
Answer의 모든 claim이 evidence와 일치할 때만 positive reward를 부여한다.
Panoramic World Generation
Agent가 자유롭게 탐색할 수 있는 360도 환경을 spherical geometry에 맞게 생성한다.
Lifecycle Resource Efficiency
Teacher inference, data generation, training, evaluation, serving과 derivative ecosystem의 전체 비용을 평가한다.
Benchmark Semantic Validity
계산된 metric이 연구자가 주장하는 실제 capability와 deployment utility를 측정하는 정도다.
Governance Interoperability
국가·기관·산업 간 machine-readable risk artifact와 lineage evidence를 교환하는 능력이다.
03
Problem Definition
Generation, program execution, long-horizon agents, collaboration, alignment, world generation, efficiency와 benchmark validity의 간극을 정의한다.
Pose Estimation–Holistic Structure Gap
Rigid part alignment만으로 missing geometry, ambiguous pose와 global shape consistency를 해결하기 어렵다.
Visual Geometry–Executable Program Gap
Pixel similarity가 valid symbolic construction program과 execution equivalence를 보장하지 않는다.
Short Coding Benchmark–Professional Engineering Gap
짧은 algorithm task가 large repository, cross-file reasoning와 long debugging을 반영하지 못한다.
Text Communication–Latent Collaboration Gap
Hidden state를 text로 변환하고 다시 encoding하는 과정에서 token cost와 정보손실이 발생한다.
Frozen Deployment–Continual Adaptation Gap
Fine-tuning은 비용, forgetting, version fragmentation과 safety regression을 만든다.
Exploration Volume–Information Gain Gap
Rollout 수와 reasoning token 수가 증가해도 uncertainty와 task progress가 줄지 않을 수 있다.
Scalar Alignment–Conflicting Objectives Gap
Helpfulness, safety, factuality와 privacy를 하나의 reward로 합치면 일부 objective가 희생된다.
Monolithic Visual Reasoning–Error Localization Gap
Perception error와 reasoning error가 긴 CoT 안에서 뒤섞인다.
Factuality–General Capability Trade-off
Hallucination 억제가 과도하면 useful generation, math와 coding capability까지 저하될 수 있다.
Flat World Generation–Spherical Geometry Gap
Planar diffusion prior가 panoramic seam, polar distortion와 long-range geometry를 처리하지 못한다.
Student Efficiency–Pipeline Energy Gap
Student inference cost만 측정하면 teacher, synthetic data, tuning과 failed experiments가 누락된다.
Architecture Novelty–Benchmark Protocol Gap
Time-series 결과가 model architecture보다 split, normalization, horizon과 tuning budget에 좌우될 수 있다.
Metric Popularity–Clinical Utility Gap
널리 쓰이는 metric이 calibration, absolute risk와 clinical decision loss를 반영하지 못할 수 있다.
Efficient Derivative–Cumulative Footprint Gap
개별 derivative가 효율적이어도 ecosystem 전체 사용량과 footprint는 증가할 수 있다.
04
Core Concepts
Joint generation, execution equivalence, latent memory, uncertainty progress, Pareto alignment, abstention와 lineage accounting을 정리한다.
Joint Generation–Inference
Assembly가 generation에 structural prior를 제공하고 generation이 assembly에 holistic context를 제공한다.
Execution Equivalence
Syntax가 달라도 실제 실행결과와 geometry가 같으면 program을 동등하게 본다.
Feedback Amortization
Test-time search와 verifier가 찾은 정보를 training data로 변환해 future inference cost를 줄인다.
Contamination-Resistant Benchmarking
Private repositories, hidden tests, temporal splits와 human verification으로 memorization 위험을 낮춘다.
Latent Working Memory
여러 agent의 hidden representation을 공유하는 continuous collaboration memory다.
Memory-Based Policy Improvement
Experience memory를 retrieval context가 아니라 action advantage estimator로 사용한다.
Uncertainty Progress
현재 uncertainty 절대값보다 action 후 uncertainty가 얼마나 감소했는지 측정한다.
Pareto-Critical Alignment
다른 objective를 악화시키지 않고는 어느 objective도 더 개선할 수 없는 상태다.
Circuit Factorization
Perception, reasoning, retrieval, verification와 action을 독립적으로 scaling·검증 가능한 module로 분리한다.
Binary Evidence Reward
모든 claim이 evidence로 support될 때만 reward를 부여해 partially factual answer를 억제한다.
Calibrated Abstention
Expected utility와 error cost를 고려해 answer·retrieve·abstain을 선택한다.
Sphere-Aware Latent Geometry
Panorama의 좌우 연결과 latitude distortion을 spherical coordinate에서 모델링한다.
Energy–Quality–Throughput Frontier
Efficiency를 energy, quality와 throughput의 Pareto frontier로 평가한다.
Metric–Objective Alignment
Benchmark metric 순위가 실제 deployment utility 순위와 일치하는지 검증한다.
Model-Lineage Accounting
Base model에서 파생된 fine-tune, adapter, quantization, merge와 application의 누적 영향을 추적한다.
05
Introduction
Machine learning은 isolated prediction에서 generative, adaptive, collaborative and lifecycle-governed foundation systems로 발전한다.
Stage 1 — Isolated Prediction
Input–model–prediction 구조에서 accuracy와 likelihood를 최적화한다.
Stage 2 — Foundation Models
Broad transfer capability를 얻지만 execution, adaptation, factuality와 governance는 부족하다.
Stage 3 — Generative Structural Reasoning
Missing structure와 executable program을 생성해 partial observation을 보완한다.
Stage 4 — Long-Horizon Agent Evaluation
Large repository, multi-turn environment와 professional workflow를 평가한다.
Stage 5 — Adaptive Multi-Agent Systems
Text debate를 넘어 latent memory와 specialist coordination을 사용한다.
Stage 6 — Test-Time Continual Intelligence
Memory, search와 uncertainty control로 frozen model도 runtime에 적응한다.
Stage 7 — Modular·Selective Computation
Perception, reasoning, retrieval와 verification budget을 bottleneck별로 배분한다.
Stage 8 — Evidence-Bound Alignment
Evidence, objective conflicts, claim support와 abstention을 명시한다.
Stage 9 — Lifecycle-Governed Intelligence
Data, derivatives, energy, incidents와 risk를 dynamic lineage로 관리한다.
06
Motivation and Background
Partial observation, professional benchmarks, latent communication, continual adaptation, exploration quality, multi-objective alignment, factuality, lifecycle cost와 metric validity를 설명한다.
현실세계는 부분관측 구조
3D assembly, CAD, multimodal reasoning와 geolocation은 보이지 않는 전체 구조를 추론해야 한다.
Agent benchmark는 실제 작업시간을 반영해야 함
Professional software engineering은 repository navigation, regression, maintenance와 수일의 debugging을 포함한다.
자연어는 multi-agent communication 병목
Machine-to-machine collaboration에서는 verbosity, ambiguity와 repeated encoding이 발생한다.
Continual learning은 weight update만이 아님
Memory adaptation과 inference-time simulation으로 low-cost post-deployment adaptation이 가능하다.
Agentic RL의 병목은 exploration quality
Sparse reward뿐 아니라 uncertainty를 줄이지 못하는 반복행동이 rollout을 낭비한다.
Alignment는 본질적으로 다목적 문제
Helpful·safe·factual·private 요구는 동시에 최대화하기 어렵다.
Visual reasoning에는 perception bottleneck이 존재
Wrong visual grounding 위에 reasoning token을 늘리면 confidently wrong output이 생성된다.
Factuality 개선이 utility를 훼손해서는 안 됨
Evidence가 충분하면 answer, 부족하면 retrieval 또는 abstention이 필요하다.
효율성은 전체 lifecycle에서 측정
Distillation과 quantization의 teacher·data·evaluation·derivative 비용을 포함해야 한다.
Benchmark와 metric도 학습시스템의 일부
잘못된 metric은 model과 research agenda 전체를 잘못된 방향으로 최적화한다.
07
Challenges
Structural completion, execution verification, long-horizon evaluation, latent auditability, memory quality, factuality, spherical generation, benchmark validity와 governance가 핵심 난제다.
| 도전과제 | 핵심 문제 | 요구되는 방향 |
|---|---|---|
| Structural completion | Missing part와 ambiguous pose | Joint generation–assembly |
| Executable synthesis | Syntax와 geometry 간 간극 | Kernel-based verification |
| Long-horizon SWE | Cross-file·enterprise context | Realistic private benchmark |
| Contamination | Public solution memorization | Hidden·temporal evaluation |
| Latent collaboration | 효율성은 높지만 설명가능성 저하 | Auditable latent interface |
| Continual agents | Fine-tuning 비용과 forgetting | Memory-based adaptation |
| Memory quality | 잘못된 trajectory 재사용 | Verified experience memory |
| Multi-turn exploration | Low-information action 반복 | Uncertainty-progress control |
| Conflicting alignment | Objective gradient 충돌 | Pareto-aware optimization |
| Visual reasoning | Perception error가 CoT 전체로 전파 | Modular circuits |
| Factuality | Hallucination 감소 시 utility 손실 | Evidence-bound reward |
| Abstention | 과도한 거부와 무모한 guessing | Utility-calibrated threshold |
| Panoramic generation | Spherical distortion와 seam | Sphere-aware diffusion |
| World consistency | 장기 camera trajectory drift | Geometry-grounded model |
| Long-context inference | KV memory와 attention cost | Adaptive compression |
| Time-series evaluation | Split·horizon·protocol 불일치 | Standardized benchmark |
| Survival analysis | Metric과 censoring assumption 불일치 | Objective-aligned metric |
| Medical evaluation | Data sovereignty와 privacy | Local sovereign benchmark |
| Distillation efficiency | Teacher-side cost 누락 | End-to-end accounting |
| Open-source sustainability | Derivative footprint 비가시성 | Lineage-level accounting |
| Governance fragmentation | 국가별 risk artifact 불호환 | ISO-like interoperability |
| Model-card insufficiency | Downstream adaptation risk 미추적 | Dynamic lineage cards |
| Safety evaluation | Prompt·judge 변화에 취약 | Robustness stress testing |
| Human supervision disclosure | Unlabeled와 human-free 혼동 | Supervision manifest |
08
Research Questions
Structural generation, professional agents, latent collaboration, continual adaptation, alignment, factuality, world generation, evaluation와 governance를 중심으로 정리한다.
RQ1
3D generation이 assembly ambiguity를 줄이는 조건과 잘못된 shape prior를 주입하는 조건은 무엇인가?
RQ2
Execution-equivalent하지만 syntax가 다른 program을 어떻게 공정하게 평가할 것인가?
RQ3
Test-time search의 failure와 near-miss를 어떤 기준으로 training data에 포함해야 하는가?
RQ4
Software-engineering agent 성능을 repository size, dependency와 execution horizon으로 어떻게 분해할 것인가?
RQ5
Private benchmark가 contamination을 줄이면서 reproducibility를 유지할 수 있는가?
RQ6
Latent collaboration이 text collaboration보다 항상 information preservation에 유리한가?
RQ7
Latent agent communication을 인간이 감사 가능한 representation으로 변환할 수 있는가?
RQ8
Non-parametric memory adaptation과 parameter fine-tuning을 언제 전환해야 하는가?
RQ9
Memory 기반 action advantage가 nonstationary environment에서도 유효한지 어떻게 판정할 것인가?
RQ10
Token-level uncertainty 변화가 실제 reasoning progress와 얼마나 일치하는가?
RQ11
Multi-turn RL에서 exploration efficiency와 policy diversity를 동시에 유지할 수 있는가?
RQ12
충돌하는 preference objective의 Pareto trade-off를 user에게 어떻게 설명할 것인가?
RQ13
Objective weight가 interaction 중 변할 때 alignment policy를 실시간 조정할 수 있는가?
RQ14
VLM에서 perception과 reasoning circuit를 완전히 분리할 수 있는가?
RQ15
Distribution shift가 perception과 reasoning 중 어느 module을 먼저 훼손하는가?
RQ16
Binary factuality reward의 sparse positive signal 문제를 어떻게 해결할 것인가?
RQ17
Abstention을 factuality, usefulness와 user trust의 공동목표로 어떻게 최적화할 것인가?
RQ18
Explorable world generation의 geometry consistency를 long agent trajectory에서 어떻게 평가할 것인가?
RQ19
Spherical diffusion을 3D geometry·physics-aware world model과 결합할 수 있는가?
RQ20
Distillation 선택에 energy, quality, latency와 hardware lifetime을 함께 반영할 수 있는가?
RQ21
Foundation-model derivative의 cumulative carbon·water footprint를 중복 없이 계산할 수 있는가?
RQ22
Time-series benchmark에서 architecture effect와 tuning-budget effect를 어떻게 분리할 것인가?
RQ23
Survival metric을 실제 clinical decision loss와 직접 연결할 수 있는가?
RQ24
AI risk manifest를 여러 국가와 산업에서 호환 가능한 표준으로 만들 수 있는가?
RQ25
Open-weight model이 fine-tune·merge·quantize된 후에도 lineage를 유지할 수 있는가?
RQ26
Unsupervised라는 표현에 포함된 human prior와 data curation을 어떻게 표준화해 공개할 것인가?
09
Approaches / Methods
대표 연구를 structure, agents, multi-agent, alignment, multimodal reasoning, factuality, world generation, efficiency와 evaluation 기준으로 탐색할 수 있다.
CRAG
3D part assembly와 shape generation을 공동학습해 missing geometry와 ambiguous pose를 상호보완한다.
GIFT
CAD kernel feedback, soft rejection과 failure-driven augmentation으로 image-to-CAD program synthesis를 bootstrapping한다.
SWE-Bench Pro
Private·commercial repository와 hidden tests로 professional long-horizon software engineering을 평가한다.
LatentMAS
Agent hidden state를 shared latent memory에서 직접 결합해 text communication cost를 줄인다.
JitRL
Experience memory에서 action advantage를 추정해 runtime logits를 조절하는 gradient-free continual adaptation을 수행한다.
T²PO
Token uncertainty reduction과 turn-level progress로 low-information exploration을 개입·재표본화한다.
RACO
Objective별 direct preference gradient를 conflict-aware하게 조합해 Pareto-critical alignment를 학습한다.
SPARC
Question-conditioned visual search와 reasoning circuit를 분리해 bottleneck별 test-time compute를 배분한다.
Binary Retrieval-Augmented Reward
모든 claim이 evidence와 일치할 때만 reward를 부여하고 knowledge 부족 시 abstention을 학습한다.
PanoWorld-X
Sphere-aware diffusion과 camera conditioning으로 탐색 가능한 360도 world video를 생성한다.
End-to-End Distillation Accounting
Teacher, synthetic data, student training, evaluation와 deployment energy를 stage별 측정한다.
Time-Series Benchmark Audit
Preprocessing, split, horizon, tuning budget와 baseline implementation을 통제한다.
Survival Metric Alignment
Ranking, calibration, time-dependent risk와 clinical utility에 맞춰 metric을 선택한다.
Data and Impact Accounting
Base model과 모든 derivative의 energy, carbon, water와 lineage를 누적 추적한다.
검색 또는 필터 조건에 맞는 항목이 없다.
10
Key Applications
3D reconstruction, CAD, autonomous software engineering, multi-agent reasoning, factuality, world generation, biomedical intelligence와 governance에 적용된다.
3D Reconstruction·Assembly
Archaeology, manufacturing, furniture, robot assembly, missing-part completion과 digital twins.
Generative CAD·Engineering
Image-to-CAD, sketch-to-program, parametric components, CAD repair와 design automation.
Autonomous Software Engineering
Enterprise maintenance, multi-file features, regression fixing, migration와 dependency updates.
Multi-Agent Scientific Reasoning
Mathematics, hypothesis generation, code synthesis, literature analysis와 specialist orchestration.
Continually Adaptive Agents
Web agents, assistants, text games, customer support와 nonstationary workflows.
Agentic Reinforcement Learning
Web shopping, search QA, planning, tool use와 multi-turn decision-making.
Multimodal Reasoning
Medical images, diagrams, documents, video QA, robotics perception와 OOD visual search.
Factual·Safe Language Models
Knowledge QA, healthcare, education, public policy, research support와 fact checking.
Explorable World Models
Robotics simulation, autonomous driving, VR·AR, games, navigation와 synthetic environments.
Efficient LLM Deployment
Distillation planning, datacenter scheduling, edge serving, model selection와 green AI reporting.
Time-Series Intelligence
Healthcare, energy, finance, industrial sensors, weather와 predictive maintenance.
Biomedical Foundation Models
Survival analysis, EEG, brain modeling, clinical time series와 sovereign medical evaluation.
AI Governance Infrastructure
Risk reporting, model lineage, open-weight governance, incidents, footprint와 compensation.
11
Open Problems
Generative hallucination, benchmark privacy, latent collusion, memory poisoning, abstention gaming, lifecycle boundaries와 governance capture를 해결해야 한다.
Generative Prior Hallucination
Plausible-looking but incorrect missing structure를 생성할 위험이 있다.
Structural Equivalence Verification
CAD program과 3D geometry의 semantic·physical equivalence를 검증하기 어렵다.
Feedback-Induced Dataset Bias
Verifier가 선호하는 solution만 축적돼 diversity와 generalization이 감소할 수 있다.
Long-Horizon Benchmark Cost
Enterprise repository evaluation은 execution, storage와 security 비용이 크다.
Privacy versus Transparency
Private tests는 contamination을 줄이지만 independent reproduction을 어렵게 한다.
Latent Communication Auditability
어떤 agent가 어떤 정보를 제공했는지 추적하기 어렵다.
Latent Collusion
Human-readable channel을 우회한 undesirable coordination 가능성이 있다.
Memory Adaptation Poisoning
잘못된 trajectory가 runtime policy를 지속적으로 왜곡할 수 있다.
Exploration-Progress Misspecification
Uncertainty 감소가 잘못된 answer로의 confident convergence일 수 있다.
Pareto Alignment Usability
User가 복잡한 objective frontier를 이해하고 선택하기 어렵다.
Dynamic Preference Drift
User objective weight가 context에 따라 변할 수 있다.
Perception–Reasoning Interface Error
잘못된 visual summary를 reasoning module이 논리적으로 정교하게 확대할 수 있다.
Binary Reward Sparsity
긴 answer에서 all-or-nothing verification이 positive trajectory를 지나치게 줄인다.
Abstention Gaming
어려운 질문을 과도하게 거부해 factuality metric을 높일 수 있다.
World-Model Physical Consistency
Visual continuity가 object permanence와 physical validity를 보장하지 않는다.
Long-Trajectory World Drift
Camera 이동이 길어질수록 object identity와 topology가 변형될 수 있다.
Lifecycle Boundary Definition
Dataset storage, failed run, hardware manufacture까지 어디를 포함할지 불명확하다.
Rebound Effect
Per-call efficiency 향상이 usage 증가로 상쇄될 수 있다.
Derivative Lineage Fragmentation
Rename, merge와 partial reuse 이후 parent model 추적이 어렵다.
Time-Series Benchmark Overfitting
표준 protocol 자체에 연구가 다시 과적합될 수 있다.
Survival Metric Selection
Clinical objective별 적절한 metric을 자동추천하는 체계가 부족하다.
Governance Protocol Capture
표준이 특정 기업·국가의 이해를 반영할 위험이 있다.
Model-Card Staleness
Rapid downstream adaptation으로 static card가 즉시 낡는다.
Human Supervision Accounting
Selection, filtering와 benchmark design의 human prior를 정량화하기 어렵다.
12
Future Directions
미래 ML은 verifier-amortized models, professional agent stacks, auditable latent collaboration, Pareto alignment, claim-level factuality와 machine-readable governance로 발전한다.
1. Generative Structural World Model
Partial observations, relation graph, generative hypothesis와 physical verification을 반복한다.
2. Verifier-Amortized Foundation Models
Compiler·simulator가 찾은 failure와 solution을 reusable training capability로 전환한다.
3. Professional Agent Evaluation Stack
Task realism, execution, horizon, recovery, security, maintainability와 human utility를 평가한다.
4. Auditable Latent Collaboration
Contribution score, shared-memory provenance, decision summary와 collusion detector를 제공한다.
5. Hybrid Continual Agent
Memory adaptation을 우선 사용하고 반복 검증된 pattern만 selective fine-tuning한다.
6. Information-Gain Agentic RL
Task reward, information gain와 compute cost를 공동최적화한다.
7. Interactive Pareto Alignment
User가 safety, helpfulness, factuality와 privacy weight를 조정하고 behavior 변화를 확인한다.
8. Modular Multimodal Reasoning OS
Perception, grounding, reasoning, verifier와 action module에 독립 budget과 fallback을 부여한다.
9. Claim-Level Factuality Protocol
Long answer를 claim graph로 변환하고 source, support, contradiction과 confidence를 기록한다.
10. Utility-Calibrated Abstention
Answer, retrieve와 abstain 중 expected utility가 가장 높은 행동을 선택한다.
11. Geometry·Physics-Aware World Generation
Spherical diffusion을 3D scene, depth, object permanence와 physical dynamics에 연결한다.
12. Full Lifecycle Model Accounting
Data, training, distillation, serving, derivatives, incidents와 retirement를 하나의 ledger로 관리한다.
13. Benchmark Continuous Integration
Leakage, protocol, baseline, statistics, metric alignment와 shift를 지속검사한다.
14. Decision-Native Biomedical Evaluation
Risk distribution, calibration, horizon, assumptions, action, benefit와 harm을 함께 출력한다.
15. Machine-Readable Governance Manifest
Identity, lineage, capability, risk, footprint, incidents와 mitigations를 교환가능하게 만든다.
16. Human-Supervision Disclosure Standard
Labeling, curation, filtering, synthetic generation와 model prior를 상세 공개한다.
17. Standard System-Level Evaluation
Structure, program execution, agents, alignment, factuality, world generation, efficiency와 governance를 표준화한다.
13
Conclusion
Poster Session 6은 foundation model 연구가 generative structure, adaptive collaboration, selective resources, valid evaluation와 lifecycle accountability를 통합하는 방향으로 이동함을 보여준다.
Recognition → Generative Structural Inference
Observed parts를 분류하는 데서 missing structure와 holistic context를 생성하는 방향으로 이동한다.
Syntax Generation → Execution Verification
CAD, code와 scientific program을 실제 kernel과 simulator로 검증한다.
Algorithmic Coding → Professional SWE
Large repository, dependency, maintenance와 long-horizon debugging을 평가한다.
Text Debate → Latent Collaboration
Agent communication을 shared hidden representation으로 확장한다.
Fine-Tuning → Memory-Based Adaptation
Runtime experience와 retrieval로 low-cost continual intelligence를 구현한다.
More Exploration → Informative Exploration
Rollout volume보다 uncertainty reduction과 task progress를 최적화한다.
Scalar Alignment → Pareto Alignment
Conflicting preferences를 multi-objective frontier로 관리한다.
Monolithic Reasoning → Modular Circuits
Perception과 reasoning bottleneck을 분리하고 compute를 선택적으로 배분한다.
Hallucination Suppression → Evidence-Bound Answering
Answer, retrieval와 abstention을 evidence availability에 따라 선택한다.
Flat Video → Explorable Spherical World
360도 geometry와 long camera trajectory를 지원하는 world를 생성한다.
Inference Efficiency → Lifecycle Efficiency
Teacher, data, derivatives와 deployment를 포함한 total cost를 평가한다.
Popular Benchmark → Semantically Valid Benchmark
Metric과 protocol이 실제 scientific·clinical objective를 측정하는지 검증한다.
Static Model Card → Dynamic Lineage Governance
Fine-tune, merge와 quantization 이후에도 risk·energy·data provenance를 유지한다.
미래의 foundation model은 주어진 입력에 답을 생성하는 독립 model이 아니다. 불완전한 세계를 구조적으로 완성하고, 여러 agent와 objective를 조정하며, 배포 후에도 experience를 통해 적응하고, 필요한 perception·reasoning·retrieval 자원만 선택하며, benchmark·energy·risk와 model lineage까지 검증 가능한 foundation system이다.
14
Sources
세션 메타데이터, structural generation, agents, multi-agent collaboration, alignment, factuality, world generation, efficiency, evaluation와 governance 원문 링크.
ICML 2026 Poster Session 6원문·세션·프로젝트 링크Poster Session 6 전체 제목·초록 목록원문·세션·프로젝트 링크ICML 2026 논문 태깅 메타데이터원문·세션·프로젝트 링크ICML 2026 세션 메타데이터원문·세션·프로젝트 링크CRAG원문·세션·프로젝트 링크CRAG 프로젝트원문·세션·프로젝트 링크GIFT원문·세션·프로젝트 링크SWE-Bench Pro원문·세션·프로젝트 링크SWE-Bench Pro 구현원문·세션·프로젝트 링크Latent Collaboration in Multi-Agent Systems원문·세션·프로젝트 링크LatentMAS 구현원문·세션·프로젝트 링크Just-In-Time Reinforcement Learning원문·세션·프로젝트 링크JitRL 구현원문·세션·프로젝트 링크T²PO원문·세션·프로젝트 링크T²PO 구현원문·세션·프로젝트 링크Reward-Free Alignment for Conflicting Objectives원문·세션·프로젝트 링크Train for Truth, Keep the Skills원문·세션·프로젝트 링크SPARC원문·세션·프로젝트 링크PanoWorld-X원문·세션·프로젝트 링크PanoWorld-X 프로젝트원문·세션·프로젝트 링크End-to-End Energy Accounting of Distillation Pipelines원문·세션·프로젝트 링크Sustainable Open-Source AI and Derivative Footprints원문·세션·프로젝트 링크Data and Impact Accounting 프로젝트원문·세션·프로젝트 링크Stop Chasing the C-index원문·세션·프로젝트 링크Current Benchmarking Hinders Time-Series Progress원문·세션·프로젝트 링크AI Governance Needs ISO-like Interoperability Protocols원문·세션·프로젝트 링크