본문으로 건너뛰기

Review

[논문리뷰] Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization

본 논문은 압축된 텍스트 생성 파이프라인에서 발생하는 품질 저하의 근본 원인을 식별하는 문제를 해결합니다 . 2단계 생성 구조에서는 코덱이 정보를 손실하거나 잠재 생성기가 부적절한 코드를 생성하는 등 두 가지 주요 실패 모드가 존재합니다.
#Review#Compressed Short-Text Generation#Bottleneck Localization#VQ-VAE-2#Masked Discrete Diffusion#Staged Validation Protocol
댓글 수 로딩 중

[논문리뷰] Towards Robust Reinforcement Learning for Small-Scale Language Model Agents

본 연구는 70M~500M 파라미터 규모의 SLM을 대상으로 한 PPO 기반 강화학습이 왜 불안정한지 그 기제를 규명하고 해결책을 제시한다. 기존 연구들은 대규모 언어 모델 중심의 RLHF 기법을 소규모 모델에 그대로 적용하면서 발생하는 성능 하락과 학습 불안정을 겪었으나, 그 원인을 체계적으로 분석하지 않았다.
#Review#Reinforcement Learning#Small Language Models#PPO#RLHF#Alignment#Model Stability
댓글 수 로딩 중

[논문리뷰] Shieldstral

본 논문은 기존 안전 모델(guardrail models)이 가진 고정된 분류 체계의 한계를 해결하기 위해 Shieldstral을 제안합니다 . 기존 모델들은 파편화된 데이터셋의 서로 다른 Taxonomy로 인해 범용적인 적용이 어렵고, 배포 환경에 따라 달라지는 유연한 안전 정책을 반영하지 못한다는 문제가 있었습니다.
#Review#Multimodal Safety#Content Moderation#Policy-Adaptive#Question-Answering#Model Merging#Data Unification
댓글 수 로딩 중

[논문리뷰] Projection Pursuit CPCANet for Domain Generalization

본 논문은 기존 CPCANet이 직면한 미니배치(mini-batch) 기반 공분산 추정의 한계인 랭크 결핍(rank-deficiency) 문제를 해결하고자 합니다. 기존 방식은 특징 차원이 배치 사이즈를 초과할 경우 공분산 행렬의 랭크가 제한되어, 도메인 불변 정보를 충분히 복원하지 못하는 치명적인 단점이 있습니다.
#Review#Domain Generalization#CPCA#Projection Pursuit#Stiefel Manifold#Deep Unfolding#Robust Statistics
댓글 수 로딩 중

[논문리뷰] Parallel Decoding Distillation for Fast Image and Video Generation

본 논문은 대규모 Diffusion 및 Flow 모델의 높은 계산 비용과 긴 추론 지연 시간을 해결하기 위해 PDD를 제안합니다 . 기존의 고성능 생성 모델들은 반복적인 Sampling 과정으로 인해 수백 번의 네트워크 평가가 필요하며, 이는 실시간 서비스에 심각한 병목 현상을 유발합니다.
#Review#Parallel Decoding Distillation#Diffusion Models#Flow Matching#Trajectory-based Distillation#Video Generation#NFE#Fast Inference
댓글 수 로딩 중

[논문리뷰] Novel Claim or Déjà Vu? Rethinking 'Contamination-Free'' Dynamic Evaluation for Multimodal Automated Fact-Checking

본 논문은 기존의 Static Benchmark가 시간 경과에 따른 정보 노후화로 인해 LLM의 사전 학습 데이터와 중첩되는 Contamination 문제를 겪고 있으며, 이것이 실제 MAFC 성능을 왜곡한다는 점을 문제로 제기합니다 .
#Review#Multimodal Automated Fact-Checking#Dynamic Evaluation#Contamination#Large Language Models#Evidence Retrieval#Benchmark
댓글 수 로딩 중

[논문리뷰] Mapping CVEs to MITRE ATT&CK Techniques: A Curated Gold-Set Classifier and the Limits of LLM-Assisted Label Expansion

본 논문은 CVE 취약점 설명 텍스트를 MITRE ATT&CK 기법으로 매핑하는 자동화 시스템의 한계를 해결하고자 한다. 기존의 CWE→CAPEC→ATT&CK 체인을 통한 매핑은 table-expansion으로 인한 과도한 잡음이 포함되어 있어 훈련 데이터로 부적합하다 .
#Review#CVE#MITRE ATT&CK#Multi-label Classification#LLM#Label Expansion#Evaluation Noise
댓글 수 로딩 중

[논문리뷰] Mage-VL: An Efficient Codec-Native Streaming Multimodal Foundation Model

본 논문은 기존 VLM들이 오프라인 추론에서는 우수한 성능을 보이나, 연속적인 비디오 스트림 처리 시 발생하는 Moravec’s paradox를 해결하고자 합니다. 기존 연구들은 고정된 프레임 샘플링 방식을 사용하여 배경과 같은 중복 정보를 반복적으로 인코딩함으로써 컴퓨팅 효율성을 저하시키고 실시간 반응성을 제한합니다.
#Review#Multimodal Foundation Model#Codec-Native#Streaming Perception#Video-Language Model#Visual Tokenization#Efficiency#AI4AI Data Pipeline
댓글 수 로딩 중

[논문리뷰] HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

본 연구는 로봇 학습의 핵심 병목 현상인 '고품질 조작 데이터의 부족' 문제를 해결하고자 합니다. 기존 방식은 로봇 직접 조작(Teleoperation)을 통해 데이터를 수집하지만, 이는 비용이 매우 많이 들고 확장이 어렵다는 근본적인 한계가 있습니다.
#Review#Robot Learning#Manipulation Policy#UMI#End-to-End#Data-Production#Deployability
댓글 수 로딩 중