[논문리뷰] LAMAR: An Open Language-Aware Multilingual Alignment Reranker본 논문은 기존의 다국어 Reranker들이 Semantic Relevance만을 주로 고려하여 학습되어, 쿼리 언어와 일치하는 문서(same-language documents)를 일관되게 우선순위로 두지 못하는 문제를 해결하고자 한다.#Review#Multilingual Reranker#Language Coherence#Semantic Relevance#Retrieval-Augmented Generation (RAG)#Cross-Encoder#Knowledge Distillation#Preference Alignment2026년 7월 26일댓글 수 로딩 중
[논문리뷰] IDEAgent: Agentic Quality-Diversity Search for Research Idea Generation본 논문은 기존 AI 기반 연구 아이디어 생성 시스템들이 품질(Quality)과 다양성(Diversity)을 독립적인 최적화 문제로 다루어 발생하는 Conceptual Collapse 문제를 해결하고자 합니다.#Review#LLM#Scientific Discovery#Quality-Diversity Search#Multi-agent Framework#Idea Ideation#Research Lineage2026년 7월 26일댓글 수 로딩 중
[논문리뷰] DataPrep-Bench: Benchmarking LLMs as Training Data Preparators본 논문은 LLM 기반의 데이터 준비(Data Preparation) 과정이 파편화되어 있고, 성능 평가 기준이 모호하다는 문제를 해결하기 위해 DataPrep-Bench를 제안합니다 .#Review#LLM-driven Data Preparation#Data Construction#Data Quality Evaluation#Distributional Alignment Score (DAS)#Downstream-grounded Benchmark#Supervised Fine-tuning (SFT)2026년 7월 26일댓글 수 로딩 중
[논문리뷰] Closing the Loop: Training-Free Revisit Consistency for Autoregressive Generative Rendering본 논문은 장시간의 스트리밍 생성 과정에서 발생하는 revisit inconsistency 문제를 해결하기 위해 제안되었습니다.#Review#Generative Rendering#Autoregressive Video Generation#Loop-Closure#KV Cache#Geometry-Guided Attention#Training-Free2026년 7월 26일댓글 수 로딩 중
[논문리뷰] Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems본 논문은 프로덕션 환경의 AI 에이전트가 겪는 성능 한계가 Reasoning 능력 부족이 아닌, 컨텍스트 관리에 대한 체계 부재에서 기인한다고 정의합니다.#Review#Agentic Context Management#LLM Agents#Context Lifecycle#Validated Compaction#Retrieval-Augmented Generation#Multi-tenant Architecture2026년 7월 26일댓글 수 로딩 중
[논문리뷰] Visual Contrastive Self-Distillation기존의 OPSD는 Teacher와 Student 간의 정보 비대칭성(Asymmetry)을 확보하기 위해 privileged answer, Reasoning trace, 또는 시각적 증거(Visual evidence)와 같은 추가적인 외부 정보에 의존해왔습니다.#Review#On-policy Self-distillation#Vision-Language Models#Visual Grounding#Contrastive Decoding#Knowledge Distillation#Input Conditioning2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction본 논문은 기존 코딩 에이전트 벤치마크들이 직면한 데이터 오염(Contamination)과 평가의 편향성 문제를 해결하고자 합니다. SWE-bench와 같은 기존 공개 벤치마크는 문제와 해결책이 온라인에 공개되어 있어 에이전트가 이를 기억하여 점수를 높이는 Memorization 문제가 발생합니다.#Review#Coding Agent#Benchmark#Contamination-Resistance#Software Engineering#Web Development#Office Workflow#Security Analysis2026년 7월 23일댓글 수 로딩 중
[논문리뷰] TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation본 논문은 일반화 가능한 로봇 조작 정책 학습에 필수적인 대규모 고충실도 시뮬레이션 데이터의 부족 문제를 해결하고자 한다. 기존의 자동화된 시뮬레이션 생성 방식은 텍스트 기반의 단순화된 배치나 가상 데이터에 의존하여 실제 인간 환경의 복잡한 클러터(clutter)와 빽빽한 배치를 재현하지 못하는 한계가 있다.#Review#Real2Sim#Manipulation#Scene Generation#Trajectory Generation#Robotic Manipulation2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers본 논문은 다중 에이전트 환경에서 기존 비디오 확산 모델(Video Diffusion Model)이 겪는 논리적 및 기하학적 일관성 부족 문제를 해결합니다. 기존 모델들은 파편화된 에이전트별 관측치만을 조건부 컨텍스트로 사용하므로, 에이전트 간 공유되는 세계 상태를 유지하는 데 한계가 있습니다 .#Review#World Models#Multi-Agent Generation#Video Diffusion#World State Registers#Mixture-of-Transformers#Autoregressive Modeling2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Show, Don't Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text본 논문은 기존 공간 인지 벤치마크가 텍스트 출력 VLM에 편향되어 있어, 이미지 생성 모델의 공간적 능력을 객관적으로 평가할 수 없는 인터페이스 불일치 문제를 해결하고자 한다 .#Review#Spatial Cognition#Generative Pixels#ProVisE#SpatialGen-Bench#VLM#Answer-Interface Mismatch#Benchmark-Agnostic Framework2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Self-Supervised Learning of Structured Dynamics from Videos본 논문은 비디오 내에서 얽혀 있는 카메라 모션과 객체 모션을 분리하여 구조화된 동역학 표현을 학습하는 것을 목표로 합니다.#Review#Self-Supervised Learning#Structured Dynamics#Video Representation#Future-Feature Prediction#Camera Motion#Object Motion2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Sample-Efficient Learning from Agent Experience본 연구는 실제 환경과의 상호작용이 매우 비용이 많이 드는 상황에서 에이전트가 경험으로부터 효율적으로 학습하지 못하는 문제를 해결하고자 한다. ICL은 샘플 효율적인 학습을 제공하지만, 문맥이 제거되면 학습된 지식이 유지되지 않는 휘발성을 가진다.#Review#Experience Distillation#In-context Learning#Sample Efficiency#Agent Learning#Knowledge Distillation#Interactive Agent Tasks2026년 7월 23일댓글 수 로딩 중
[논문리뷰] SANA-Video 2.0: Hybrid Linear Attention with Attention Residuals for Efficient Video Generation본 논문은 기존의 고해상도 Video DiT 모델들이 사용하는 Full-Softmax Attention의 O(N²) 계산 복잡도로 인해 발생하는 심각한 Latency 및 연산 비용 문제를 해결하고자 한다.#Review#Video Generation#Diffusion Transformer#Hybrid Linear Attention#Attention Residuals#Flow Matching#Efficient Inference#Scaling Law2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Robostral Navigate본 논문은 기존 embodied navigation 시스템들이 고비용 센서(Depth, LiDAR 등)와 환경별 보정(Calibration)에 과도하게 의존하는 문제를 해결하고자 한다. 이러한 의존성은 다양한 하드웨어 및 환경으로의 확장성을 저해하며, 결과적으로 일반화 능력을 제한한다.#Review#Vision-Language Model#Embodied Navigation#Pointing-based Navigation#Prefix-Caching#Reinforcement Learning#Cross-Robot Generalization2026년 7월 23일댓글 수 로딩 중
[논문리뷰] ReferTrack: Referring Then Tracking for Embodied Visual Tracking본 논문은 Embodied Visual Tracking (EVT) 분야에서 추상적인 공간 Latent를 통한 추론이 실제 이미지 기반 탐지와 불일치하는 문제를 해결하고자 합니다.#Review#Embodied Visual Tracking#Vision-Language-Action Models#Referring Expression#Target Identification#Trajectory Planning#Spatiotemporal Grounding2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Recurrent Sinusoidal INRs for Efficient High-Fidelity Representation본 논문은 기존의 coordinate-based MLP 기반 INR 모델이 직면한 spectral bias 문제와 모델 효율성 한계를 해결하고자 합니다. 기존 연구들은 고주파수 정보를 학습하기 위해 모델의 깊이를 늘리거나 복잡한 인코딩을 도입하지만, 이는 곧 파라미터 수와 계산 복잡도의 증가로 이어집니다.#Review#Implicit Neural Representations#Sinusoidal Recurrence#Harmonic Line Spectrum#Coordinate-based MLPs#Binarized Supervision2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Predictive Divergence Masks for LLM RL본 논문은 LLM RL에서 기존 PPO 스타일의 Direction criterion이 갖는 근본적인 불일치 문제를 해결하고자 합니다.#Review#LLM RL#Trust Region#Predictive Divergence Mask#Policy Optimization#Softmax Policy#Direction Criterion2026년 7월 23일댓글 수 로딩 중
[논문리뷰] NVIDIA-labs OO Agents: Native Python Object-Oriented Agents본 논문은 기존의 에이전트 개발 방식이 프롬프트, 툴 스키마, 워크플로우 그래프 등으로 파편화되어 있어, 개발자에게 새로운 프로그래밍 모델 학습을 강요하고 에이전트의 테스트 및 디버깅을 어렵게 만든다는 점을 문제로 지적합니다.#Review#Object-Oriented Agents#AI Agents#Python Framework#CodeAct#LLM#Agentic Loop#Software Engineering2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Multi-Turn On-Policy Distillation with Prefix Replay본 논문은 에이전트 기반 학습(Agentic Tasks)에서 Multi-Turn On-Policy Distillation (OPD)이 겪는 높은 비용과 효율성 문제를 해결하고자 합니다. 기존 OPD는 매 업데이트마다 학생 모델이 환경과 상호작용하고 교사 모델을 조회해야 하므로, 환경 배포 및 추론 비용이 매우 높습니다 .#Review#On-Policy Distillation#Knowledge Distillation#Multi-Turn#Agentic Tasks#Prefix Replay#Distribution Shift2026년 7월 23일댓글 수 로딩 중
[논문리뷰] LLMs Get Lost in Evolving User Intent본 연구는 대부분의 LLM 평가가 정적인 단일 턴 질의응답 환경에 국한되어 있어, 실제 사용자와의 역동적인 상호작용 능력을 제대로 측정하지 못한다는 한계점을 지적합니다.#Review#LLM#Agentic Interaction#Evolving User Intent#Multi-turn Evaluation#Benchmark#POMDP2026년 7월 23일댓글 수 로딩 중