[논문리뷰] Mage-VL-Cowork: A Full Training Recipe to Learn Hybrid Computer Use From Evolved Harnesses본 논문은 기존의 Computer-use agents가 GUI 채널에만 과도하게 의존하여 발생하는 비효율성과 낮은 정확도 문제를 해결하고자 합니다. 기존의 방식은 스크린샷 내 요소 grounding에 수천 개의 토큰을 소모하며, 복잡한 작업을 처리할 때 터미널 도구 활용 능력이 부족하다는 한계가 있습니다.#Review#Computer-Use Agent#Hybrid Execution#Progressive Curriculum#Harness Evolution#Reinforcement Learning#GUI Grounding2026년 11월 3일댓글 수 로딩 중
[논문리뷰] LOLPlay: Benchmarking Real-Time Visual Agents in League of Legends본 논문은 Visual Agent가 실시간으로 변화하는 환경에서 어떻게 일관성 있는 의사결정을 내리고 시의적절한 행동을 수행할 수 있는지를 탐구합니다.#Review#Visual Agents#League of Legends#Benchmark#Real-Time Control#Subgoal Analysis#Latency#Action-Observation Mismatch2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Kierston & KierstonBench: Simulation of Allentown, PA and Evaluation of Language Models in Crime Investigation and Surveillance Tasks기존의 수사 데이터 분석 연구는 실제 범죄 기록의 접근성 제한과 'Ground Truth'의 부재로 인해 LLM의 실질적인 수사 역량을 평가하는 데 한계가 있었다.#Review2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Is Your Long-Horizon Benchmark Really Deep? Measuring and Synthesizing Depth in Terminal Tasks본 논문은 기존의 긴 호라이즌(Long-horizon) 터미널 벤치마크들이 실제로 '깊이(Depth)' 있는 작업인가에 대한 의문을 제기하며, 작업의 길이를 턴 수로만 측정하는 기존 연구의 한계를 지적한다.#Review#Terminal Task#Long-Horizon#Task Depth#Benchmark Synthesis#Work-Depth Analysis#Agent Evaluation#LLM2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Is Forgetting Unified? Exploring Concept Unlearning in Unified Multimodal Models본 논문은 통합형 멀티모달 모델(UMM)에서 기존의 단일 경로(Single-Pathway) 삭제 방식이 양방향 삭제를 보장하지 못한다는 문제를 해결합니다. 생성 모델 위주의 삭제 기법은 타겟 개념 생성을 억제할 수 있으나 시각적 이해 경로에서의 식별을 막는 데 한계가 있으며, 반대의 경우도 마찬가지입니다 .#Review#Unified Multimodal Models#Concept Unlearning#Cross-Pathway#Machine Unlearning#Diagnostic Benchmark2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Going Deeper With Memories본 논문은 기존의 고정된 토크나이저(Tokenizer) 사용이 언어 모델의 유연성을 저해하고 희귀 단어 처리에 취약하다는 한계를 지적하며, 이를 해결하기 위한 Byte-level 모델링의 효율성 문제를 다룬다.#Review#Byte-level Language Modeling#Causal Architecture#Multiscale Representation#Fast-Weight Memory#Subband Transform#Lossless Carrier2026년 11월 3일댓글 수 로딩 중
[논문리뷰] GigaSpeech 3: Scaling Multi-Dialect Arabic Speech Recognition with Weakly Labeled Data본 논문은 풍부한 웹 음성 데이터에도 불구하고 방언별로 정제된 전사 데이터(transcribed speech)가 부족하여 발생하는 아랍어 음성 인식의 고질적인 데이터 희소성 문제를 해결하고자 한다.#Review#Automatic Speech Recognition#Arabic Dialects#Weakly Labeled Data#Self-Supervised Learning#Noisy-Student Training#GigaSpeech2026년 11월 3일댓글 수 로딩 중
[논문리뷰] FlowTranslator: Training-Free In-Image Machine Translation with Flow-Based Editing본 논문은 기존 IIMT 시스템이 고비용의 학습 데이터와 복잡한 훈련 과정에 의존하는 문제를 해결하기 위해 학습이 필요 없는 FlowTranslator를 제안합니다.#Review#In-image Machine Translation#Flow-based Editing#Training-free#Trajectory Controls#Diffusion Model#Region Coupling Release#Coupling Expansion2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Factorized MLLM Embeddings for Composed Image Retrieval기존 Composed Image Retrieval (CIR) 연구에서 Multimodal Large Language Models (MLLMs)는 강력한 성능을 보여주었지만, MLLM의 내재된 구성적 이해(compositional understanding) 능력이 충분히 활용되지 못하는 한계가 있었다.#Review#Composed Image Retrieval#Multimodal Large Language Models#Factorized Embeddings#Target Imagination#Contrastive Learning#Optimal Transport#Attention Distillation2026년 11월 3일댓글 수 로딩 중
[논문리뷰] EvoTeam: Multi-Agent Collaboration via Evolving Teams본 논문은 LLM 기반의 Multi-Agent Systems (MAS)에서 개별 에이전트의 성능 향상이 반드시 팀 전체의 협업 효율성 개선으로 이어지지 않는다는 한계를 지적합니다.#Review#Multi-Agent Systems#Collaboration Evolution#Experience Reuse#Team-Scoped Collaboration#Adaptive Team Composition2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Every Token Needs Its Own Teacher: Multi-teacher Adaptive On-policy Self-distillation본 논문은 기존의 OPSD 접근 방식이 응답 레벨(response-level)의 고정된 교사만을 사용하여 토큰 간의 서로 다른 학습 요구사항을 충족하지 못하는 문제를 해결하고자 합니다.#Review#On-policy Self-distillation#Multi-teacher#Token-level Adaptive#Knowledge Distillation#Language Model Post-training#Mathematical Reasoning2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Every Pixel Is an Option: A System One Model for Medical Ultrasound Biometry본 논문은 초음파 측정 과정에서 발생하는 고질적인 문제인 interoperator variability와 자동화된 캘리퍼 배치(caliper placement)의 한계를 해결하는 것을 목표로 합니다.#Review#Ultrasound Biometry#Vision-language Models#Landmark Detection#System One Model#Spatial Probability Map#Clinical Measurement2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Enhancing Stock Market Information Retrieval with Retrieval-Augmented Generation본 논문은 급변하는 금융 환경에서 기존 LLM이 겪는 환각 현상과 최신 데이터 업데이트의 어려움을 해결하기 위해 RAG 기반의 정보 검색 시스템을 제안한다.#Review#Retrieval-Augmented Generation#Stock Market#Information Retrieval#Large Language Models#LaBSE#FAISS#ROUGE2026년 11월 3일댓글 수 로딩 중
[논문리뷰] DreamX: Video Diffusion Model is a Universal Latent Action LearnerDreamX는 다양한 embodiment에 걸쳐 일관되고 appearance에 불변하는 universal action representation 학습의 어려움을 해결하고자 합니다.#Review2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Dory1.0-4B: A Looped Normalized-GPT본 논문은 LLM의 성능 향상을 위한 test-time compute 확장이 주로 생성된 토큰 길이를 늘리는 방향으로 치중되어, 레이턴시와 메모리 비용을 증대시키는 문제를 해결하고자 한다.#Review#Looped Language Model#Latent-Recurrent#Normalized Transformer#nGPT#Test-Time Compute#NVFP4#Difficulty-Aware Loop Curriculum2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Do We Need an LLM to Know Why Sources Conflict? Decision Models for Knowledge-Conflict Typing in RAG본 논문은 RAG 시스템에서 검색된 소스 간의 불일치를 파악하는 핵심적이고 비용 효율적인 분류기를 구축하는 문제를 해결하고자 한다.#Review#Retrieval-Augmented Generation#Knowledge Conflict#Decision Model#Typed Decision Model#Conflict Typing#Cascading#Calibration2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Can AI Reviewers See Your Efforts to Improve Your Paper? A Large-Scale Study of Paper Revision Trajectories본 연구는 AI Reviewer들이 저자들이 수행한 논문 수정 노력과 그로 인한 실질적인 품질 개선을 정확히 반영하는지 조사합니다. 기존 연구들은 AI의 피드백 품질이나 리뷰 생성 기능에 집중했으나, 수정된 논문 버전 간의 품질 변화를 AI가 점수로 얼마나 잘 반영하는지에 대한 체계적인 분석은 부족했습니다 .#Review#AI Reviewers#Paper Revision#Scientific Manuscripts#LLM Evaluation#Review Scores#PaperTrajectory-20262026년 11월 3일댓글 수 로딩 중
[논문리뷰] Behind Video Generation: Observations and Insights on Multimodal Understanding from KlingThe field of video generation has rapidly advanced from isolated clips to coherent short-form audiovisual sequences, shifting the primary bottleneck from rendering quality to precise semantic control.#Review#Multimodal Understanding#Video Generation#Omni Captioning#Prompt Enhancement#Text Encoder#Reward Model#Evaluation & Benchmark2026년 11월 3일댓글 수 로딩 중
[논문리뷰] BEND 2.0: Benchmarking the Capabilities Needed to Design DNA본 논문은 기존의 genomic foundation model 평가 방식이 실제 생물학적 DNA 설계(design)에 필요한 정밀한 기능 예측 능력을 충분히 측정하지 못한다는 문제의식에서 출발합니다.#Review#Genomic Foundation Models#DNA Design#Benchmark#Variant Effect Prediction#Genetic Interactions#Gene Expression#Computational Biology2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Axion 1.0: Open Agent Foundation Models, Simplified본 논문은 현대의 Agent Foundation Models 훈련 방식이 지나치게 복잡해지면서 발생하는 재현성 저하와 비용 문제를 해결하기 위해, 단순하고 재현 가능한 훈련 레시피를 제안한다.#Review#Agent Foundation Models#Supervised Fine-Tuning#Reinforcement Learning#Data Construction#Tool-Dependent Reasoning#Self-Contained Reasoning2026년 11월 3일댓글 수 로딩 중