01
에이전트·메모리
MemOCR: Layout-Aware Visual Memory for Efficient Long-Horizon Reasoning
장기 상호작용 기록을 텍스트 토큰 대신 중요도에 따라 크기와 배치를 달리한 시각 메모리로 압축한다.
~8×유효 컨텍스트 활용
THE SIGNAL MAP
이번 기록에서 가장 크게 들린 다섯 개의 신호
의료와 생명과학은 ‘더 큰 모델’보다 실제 배치 조건과 신뢰성을 묻고 있었고, 에이전트 연구는 학습·기억·도구 사용을 배포 이후까지 확장하고 있었습니다. 각 카테고리는 서로 다른 질문처럼 보이지만 결국 제한된 정보로 어떻게 더 나은 결정을 내리는가로 수렴합니다.
EDITOR'S SHORTLIST
다시 읽고 싶은 연구
02
에이전트·메모리
AI Engram: In Search of Memory Traces in Artificial Intelligence
신경과학의 기억 흔적 개념을 딥러닝 파라미터 공간에 옮겨 특정 지식의 인과적 부분구조인 AI engram을 찾는다.
4신경과학 기억 기준
03
에이전트·메모리
LiveFigure: Generating Editable Scientific Illustration with VLM Agents
래스터 이미지를 뽑는 대신 사람이 계속 수정할 수 있는 벡터형 과학 삽화를 VLM 에이전트가 PowerPoint로 생성한다.
80%≤17회 편집 출판 가능
04
의료 AI
StethoLM: Audio Language Model for Cardiopulmonary Analysis Across Clinical Tasks
심장·폐 청진음을 분류하는 데 그치지 않고 보고서 작성, 추론, 감별진단까지 지시로 수행하는 오디오 언어모델이다.
47.8%임상 정확도
05
NeuroAI
Physiology as Language: Translating Respiration to EEG during Sleep
간편하게 측정할 수 있는 수면 호흡 신호에서 획득이 어려운 EEG 스펙트로그램을 생성한다.
7%EEG 재구성 MAE
06
의료 AI
Salus: Strategic Diagnostic Testing for Complex Diagnosis via Multi-Agent Reinforcement Learning
불완전한 환자 기록에서 어떤 검사를 요청하고 언제 멈춰 최종 진단할지를 다중 에이전트 강화학습으로 푼다.
83.64%고난도 Top-1
ONE LINE FROM THE FLOOR“정확도 다음의 질문이 시작된 곳.”
더 오래 생각할지, 어떤 검사를 다음에 할지, 어떤 기억을 남길지, 어떤 해상도로 볼지. 올해 눈에 들어온 연구들은 계산량을 무작정 늘리기보다 언제 멈추고 어디에 집중할지를 학습하고 있었습니다.
PERSONAL TAKEAWAY · ICML 2026