[논문리뷰] Orchard: An Open-Source Agentic Modeling Framework본 논문은 에이전트 모델링 연구에서 인프라와 훈련 기법 간의 결합도가 높아 재현성과 확장성에 한계가 있다는 점을 지적합니다. 기존 연구들은 에이전트의 하네스(harness)와 훈련 스택이 환경 관리와 강하게 결합되어 있어, 서로 다른 도메인이나 환경에서의 재사용이 어렵습니다.#Review#Agentic Modeling#Kubernetes-native#Orchard Env#Balanced Adaptive Rollout#Credit-assignment SFT#SWE-bench#GUI Agents#Tool-calling2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Nexus : An Agentic Framework for Time Series Forecasting본 논문은 기존 TSFM과 LLM 기반 시계열 예측 연구가 가진 구조적 한계를 해결하기 위해 Nexus를 제안한다.#Review#Time Series Forecasting#Large Language Models#Agentic Framework#Multimodal#Reasoning#Temporal Dynamics#Calibration2026년 5월 14일댓글 수 로딩 중
[논문리뷰] MemLens: Benchmarking Multimodal Long-Term Memory in Large Vision-Language Models본 연구는 LVLM과 Memory-Augmented Agents 간의 기억 능력을 체계적으로 비교할 수 있는 표준화된 벤치마크의 부재를 해결합니다. 기존의 장기 문맥 벤치마크는 주로 텍스트 기반이거나 시각적 정보의 필요성이 낮아 진정한 다중 모달 추론 능력을 검증하지 못한다는 한계가 있습니다.#Review#Multimodal Memory#Large Vision-Language Models#Long-Context#Benchmark#Retrieval-Augmented Generation#Multi-Session Reasoning2026년 5월 14일댓글 수 로딩 중
[논문리뷰] MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory본 논문은 현대의 멀티모달 에이전트가 장기 기억(Long-term memory)을 관리하는 과정에서 시각적 정보가 왜곡되거나 손실되는 문제를 해결하기 위해 고안되었습니다.#Review#Multimodal Agent Memory#Long-term Memory#Visual Evidence Granularity#Memory Reasoning Depth#Vision-Language Models#Benchmarking2026년 5월 14일댓글 수 로딩 중
[논문리뷰] LiSA: Lifelong Safety Adaptation via Conservative Policy Induction본 논문은 배포된 AI 에이전트의 안전 가드레일이 고정된 사전 정의(pre-deployment definition)만으로는 변화하는 환경과 개별적인 로컬 맥락의 안전 위험을 효과적으로 제어하지 못하는 문제를 해결합니다.#Review#Lifelong Safety Adaptation#Guardrails#Conservative Policy Induction#Structured Policy Memory#Confidence-gated Reuse#Conflict-aware Local Refinement#Sparse Feedback2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding본 연구는 대규모 다중 에이전트 시스템에서 충돌 없는 경로 탐색을 효율적으로 수행하기 위한 탈중앙화 MAPF 솔루션의 한계를 극복하고자 합니다.#Review#Multi-Agent Pathfinding#Imitation Learning#Transformer#Decentralized Coordination#Local Communication#Scalability2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Learning to Build the Environment: Self-Evolving Reasoning RL via Verifiable Environment Synthesis본 논문은 언어 모델의 자기 개선(Self-improvement)이 단순히 정적인 데이터셋을 모방하는 것을 넘어, 모델이 자신을 학습시킬 새로운 환경을 스스로 구축해야 한다는 관점에서 출발합니다.#Review#Reinforcement Learning#Reasoning RL#Verifiable Environment Synthesis#Self-Improving LLM#Stable Solve–Verify Asymmetry2026년 5월 14일댓글 수 로딩 중
[논문리뷰] LLM-based Detection of Manipulative Political Narratives본 연구는 소셜 미디어상에서 폭증하는 정치적 조작 서사를 실시간으로 식별하고 구조화하는 계산적 프레임워크의 부재 문제를 해결하고자 합니다.#Review#FIMI#Strategic Narrative#LLM#HDBSCAN#UMAP#Computational Social Science#Manipulation Detection2026년 5월 14일댓글 수 로딩 중
[논문리뷰] IntentVLA: Short-Horizon Intent Modeling for Aliased Robot Manipulation본 논문은 프레임 단위로만 조건을 부여하는 기존 VLA 모델들이 부분 관측성(Partial Observability) 하에서 발생하는 짧은 기간의 의도 모호성 문제를 해결하지 못한다는 점을 지적합니다.#Review#Vision-Language-Action (VLA)#Robot Manipulation#AliasBench#Short-Horizon Intent#Imitation Learning#Inter-chunk Consistency#Partial Observability2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Ideology Prediction of German Political Texts본 논문은 기존의 정치 성향 분석 도구들이 가진 이분법적 분류의 한계를 극복하고, 정치 담론을 연속적인 스펙트럼상에서 정량화하기 위한 새로운 알고리즘을 제안한다 .#Review#Political Ideology Prediction#Transformer-based Models#Continuous Spectrum#Multilabel Classification#German Political Texts2026년 5월 14일댓글 수 로딩 중
[논문리뷰] FutureSim: Replaying World Events to Evaluate Adaptive Agents본 연구는 AI 에이전트가 변화하는 현실 세계 환경에서 적응형 예측을 수행하는 능력을 실질적으로 측정하기 위한 표준화된 시뮬레이션 환경의 부재를 해결하고자 합니다. 기존의 게임 기반이나 정적인 벤치마크는 실제 사회적 진화와 사건의 연대기적 특성을 반영하지 못한다는 한계가 있습니다.#Review#Adaptive Agents#Long-horizon Forecasting#Test-time Adaptation#Chronological Replay#Agentic Search#Brier Skill Score2026년 5월 14일댓글 수 로딩 중
[논문리뷰] FrontierSmith: Synthesizing Open-Ended Coding Problems at Scale본 논문은 open-ended 코딩 훈련을 위한 고품질 데이터의 부족 문제를 해결하기 위해 FrontierSmith를 제안합니다.#Review#FrontierSmith#Open-ended Coding#LLM#Idea Divergence#Automated Data Synthesis#Reinforcement Learning2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Forcing-KV: Hybrid KV Cache Compression for Efficient Autoregressive Video Diffusion Models본 논문은 AR 비디오 확산 모델에서 발생하는 과도한 어텐션 연산 복잡도와 메모리 오버헤드 문제를 해결하고자 합니다. 기존 모델들은 생성된 프레임이 축적될수록 전체 KV Cache를 참조하도록 강제되어, 고해상도 및 장기 비디오 생성 시 효율성이 극도로 저하되는 한계가 있습니다 .#Review#Autoregressive Video Diffusion#KV Cache Compression#Attention Head Specialization#Inference Efficiency#Video Generation2026년 5월 14일댓글 수 로딩 중
[논문리뷰] EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents기존 LLM agent의 기억 시스템은 저장된 데이터(콘텐츠)는 진화하지만, 이를 검색하는 Retrieval 인프라가 배포 시점에 고정되어 있어 시간 경과에 따른 최적화 불일치(Mismatch)가 발생한다.#Review#LLM Agents#Long-term Memory#AutoResearch#Self-evolving Architecture#Retrieval-Augmented Generation2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Dynamic Latent Routing본 연구는 LLM의 post-training 과정에서 기존 discrete latent 주입 방식이 갖는 구조적 파괴와 학습 단계의 비효율성을 해결하고자 합니다.#Review#Dynamic Latent Routing#Markov Decision Processes#General Dijkstra Search#Language Model#Representation Engineering#Policy Composition2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Does Synthetic Layered Design Data Benefit Layered Design Decomposition?본 연구는 고품질 레이어드 그래픽 디자인 데이터를 생성하기 위한 스케일러블(scalable)하고 실용적인 대안으로서 순수 합성 데이터의 효용성을 검증하고자 합니다.#Review#Layered Design Decomposition#Synthetic Data#Graphic Design#Data-Centric Study#VLM-Guided Inference#CLD Baseline2026년 5월 14일댓글 수 로딩 중
[논문리뷰] DiffusionOPD: A Unified Perspective of On-Policy Distillation in Diffusion Models본 논문은 기존의 멀티태스크 강화학습(RL) 방식이 겪는 최적화 간섭(Optimization Interference)과 성능 불균형 문제를 해결하기 위해 고안되었습니다.#Review#Diffusion Models#On-Policy Distillation#Multi-Task Reinforcement Learning#Flow Matching#Preference Alignment2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Darwin Family: MRI-Trust-Weighted Evolutionary Merging for Training-Free Scaling of Language-Model Reasoning본 논문은 대규모 LLM의 추론 성능 향상을 위한 고비용의 post-training(instruction tuning, RL 등) 과정을 배제하고, 기존 Checkpoint 내에 잠재된 능력을 재조합하는 비용 효율적인 대안을 제시합니다.#Review#Model Merging#Evolutionary Optimization#Large Language Models#Reasoning#Diagnostic-Guided#Training-Free2026년 5월 14일댓글 수 로딩 중
[논문리뷰] CurveBench: A Benchmark for Exact Topological Reasoning over Nested Jordan Curves본 논문은 현대의 Vision-Language Models(VLMs)가 시각적 입력으로부터 위상적 위계 구조를 정확하게 파악하는 데 한계를 보인다는 문제를 해결하고자 합니다.#Review#Topological Reasoning#Vision-Language Models#Jordan Curves#Reinforcement Learning#Structured Prediction#Containment Tree2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Causal Forcing++: Scalable Few-Step Autoregressive Diffusion Distillation for Real-Time Interactive Video Generation본 논문은 실시간 인터랙티브 비디오 생성을 위해 Frame-wise 수준의 초저지연 1–2 step 생성 체계로 확장이 필요함을 정의합니다 . 기존의 연구들은 주로 Chunk-wise 4-step 방식을 채택하여 실시간성 확보에 한계가 있었으며, 적절한 Few-step AR 학생 모델 초기화가 병목 현상으로 작용합니다.#Review#Autoregressive Diffusion#Diffusion Distillation#Real-time Video Generation#Causal Consistency Distillation#Few-Step Inference#World Models2026년 5월 14일댓글 수 로딩 중