본문으로 건너뛰기

Review

[논문리뷰] MACaQ: Fast, Model Agnostic Calibrated Quantization for Low-Precision Weights and Activations

이 논문이 다루는 문제는 기존 W4A4 quantization 기법들이 basis transform을 layer 사이로 propagate해서 흡수하기 때문에 생기는 engineering 복잡도와 긴 quantization time입니다. 저자들은 이를 per-layer 방식으로 해결하고자 합니다.
#Review#Post-Training Quantization#MXFP4#W4A4#Hadamard Transform#Hessian-Aware Optimization#Coordinate Descent#LLM Inference
댓글 수 로딩 중

[논문리뷰] FINCOSMOS: An Open-World Evaluation Paradigm for Agents in Finance

이 논문이 다루는 핵심 문제는, 기존 financial agent benchmark들이 intent, data, timeline 중 적어도 하나를 고정(closed)해 두기 때문에 실제 금융 업무에서 생기는 silent failure를 '측정'하지 못하고 '제거'해 버린다는 점입니다.
#Review#LLM Agents#Financial Benchmark#Open-World Evaluation#User Simulation#Look-Ahead Bias#Reference-Free Evaluation#Backtesting#Silent Failure
댓글 수 로딩 중

[논문리뷰] EarthRecord: From Pixels to Land Change with Multimodal Agents over Four Decades of Satellite Imagery

이 논문의 핵심 문제의식은 multimodal agent가 수십 년 분량의 raw 위성 archive를 신뢰할 수 있는 land-change analysis로 바꿀 수 있는지가 아직 측정된 적이 없다는 점입니다.
#Review#Multimodal Agents#Earth Observation#Land Change Analysis#Satellite Time Series#Cross-Sensor Harmonization#Benchmark#Counterfactual Controls
댓글 수 로딩 중

[논문리뷰] Don't Just Trust Your Memory: Evidence-Linked Memory Reduces Memory-Induced Degradation in LLM Agents

이 논문이 다루는 문제는, 기존 agent memory가 lesson만 주고 그 lesson이 나온 trajectory는 주지 않아서 agent가 잘못된 lesson을 검증할 방법이 없다는 점이다. 이 때문에 memory-induced degradation이 생긴다 .
#Review#LLM Agents#Agent Memory#Memory-Induced Degradation#Evidence-Linked Memory#Procedural Memory#Experience Reuse#Trajectory Grounding
댓글 수 로딩 중