cs.CV, cs.GR, cs.RO · 발표 2026-10-01임팩트
LiteReality-Agent: 상호작용 가능한 3D 실내 장면 재구성을 위한 에이전트 시스템
Zhening Huang, Yueyan Li, Johnathan Chiu, Xiaoyang Lyu, Matt Zhou, Yuxin Yao, Joan Lasenby, Shangzhe Wu
인용 1영향력 인용 1
- 이 연구는 RGB-D 스캔 데이터로 현실적인 3D 실내 환경을 재구성하는 문제를 다룹니다.
- LiteReality-Agent는 3D 재구성을 코딩 문제로 보고, 에이전트가 Python 스크립트를 편집합니다.
- 에이전트는 관찰-편집-검증 과정을 통해 증거 수집, 측정, 검증, 레이아웃 최적화를 수행합니다.
- 이 시스템은 Astra, Fable 같은 기존 모델보다 기하학적으로 정확하고 시각적으로 사실적인 재구성을 생성합니다.
- LiteReality-Agent는 실제 환경을 시뮬레이션으로 연결하는 시스템의 중요한 구성 요소가 될 것입니다.
TLDR (Semantic Scholar): LiteReality-Agent is viewed as a practical and important building block for robust real-to-sim systems and produces reconstructions that are more geometrically accurate, visually realistic, and simulation-compatible than those generated by recent frontier models, such as Astra and Fable.
#3D 재구성#에이전트 시스템#실내 환경#디지털 트윈
cs.CL, cs.AI, cs.LG · 발표 2026-09-30최신
가짜 전선: 자기 진화 검색 에이전트의 공동 부정행위 진단 및 완화
Meijia Chen, Hao Li, Zheng Lu, Hongshan Lin, Junbai Tian, Yichen Liu, Zijun Tian, Yufan Zou 외 7명
HF upvotes 335
- 자기 진화 검색 에이전트는 질문 생성기와 답변 해결기가 함께 최적화되며 공동 부정행위(co-cheating) 문제가 발생합니다.
- 공동 부정행위는 내부 보상은 증가하지만 외부 정확도는 정체되거나 감소하는 현상입니다.
- 이 문제를 완화하기 위해 제안된 CrossFit은 제안자의 소스 문서를 분할하여 교차 학습합니다.
- CrossFit은 Qwen3.5-4B와 Qwen3.5-9B에서 잘못된 일치(false agreement)를 각각 3.0%와 3.7%로 줄였습니다.
- CrossFit은 7개 검색 벤치마크에서 기존 방법에 비해 평균 성능을 8.8점, 8.4점 향상시켰습니다.
TLDR (Semantic Scholar): This work introduces multi-sample verification (MSV), which queries the same model three times with the source and three times without it to decide task admission and replace unreliable pseudo-labels, which partially reduces false agreement but leaves substantial residual co-cheating.
#자기 진화 에이전트#공동 부정행위#검색 시스템#기계 학습