Penghao Zhu์ด [arXiv]์ ๊ฒ์ํ โProbing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmarkโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
์ด [arXiv]์ ๊ฒ์ํ โOffTopicEval: When Large Language Models Enter the Wrong Chat, Almost Always!โ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
์ด [arXiv]์ ๊ฒ์ํ โOceanGym: A Benchmark Environment for Underwater Embodied Agentsโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Limin Wang์ด [arXiv]์ ๊ฒ์ํ โMotionRAG: Motion Retrieval-Augmented Image-to-Video Generationโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Fabian Waschkowski์ด [arXiv]์ ๊ฒ์ํ โMore Thought, Less Accuracy? On the Dual Nature of Reasoning in Vision-Language Modelsโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.