[논문리뷰] Cognitive Episodes in LLM Reasoning Traces Enable Interpretable Human Item Difficulty Prediction본 연구는 문항 난이도 예측을 문항 텍스트 기반의 정적 정보에서 벗어나, 학습자가 문항을 해결할 때 겪는 인지적 부하(Problem-solving burden)라는 동적 관점으로 전환하고자 합니다.#Review#Large Reasoning Models#Item Difficulty Prediction#Schoenfeld’s Episode Theory#Interpretability#Educational Assessment#Reasoning Traces2026년 6월 29일댓글 수 로딩 중
[논문리뷰] Bridging VideoQA and Video-Guided Agentic Tasks via Generalized Keyframe Extraction본 논문은 현대의 MLLM(Multimodal Large Language Models)이 VideoQA와 같은 피상적인 시각적 단서 인식에는 뛰어나지만, 영상 튜토리얼로부터 깊은 절차적 지식을 습득하고 이를 복잡한 하위 작업에 일반화하는 능력은 부족하다는 점을 문제로 제기합니다 .#Review#VideoQA#Video-Guided Agent#Keyframe Extraction#In-Context Learning#GUI Agents#Procedural Knowledge#Temporal Reasoning2026년 6월 29일댓글 수 로딩 중
[논문리뷰] Beyond IID: How General Are Tabular Foundation Models, Really?본 논문은 현재 테이블 데이터 예측 머신러닝 분야의 평가가 지나치게 IID 환경에만 편중되어 있어, 실제 실무 환경에서 요구되는 복잡하고 다양한 도메인 문제를 반영하지 못한다는 한계를 지적합니다.#Review#Tabular Foundation Models#BeyondArena#DataFoundry#Non-IID#Benchmarking#In-Context Learning#Predictive Machine Learning2026년 6월 29일댓글 수 로딩 중
[논문리뷰] Beyond Drug Discovery: The Nanotechnology Molecular Optimization (NMO) Benchmark본 논문은 기존의 분자 설계 벤치마크들이 제약 분야의 데이터셋 편향(Dataset Bias)에 의존하고 있어, 실제 물리적 타겟에 대한 전이 가능성(Transferability)이 낮다는 문제를 해결하고자 합니다.#Review#Molecular Optimization#Nanotechnology#Quantum Simulations#Benchmarking#Generative Models#Graph Group SELFIES2026년 6월 29일댓글 수 로딩 중
[논문리뷰] AsyncOPD: How Stale Can On-Policy Distillation Be?본 논문은 LLM 사후 학습에서 OPD가 겪는 On-policy systems bottleneck 문제를 해결하기 위해 비동기식 학습 파이프라인의 도입 필요성을 제기한다. 기존의 동기식 학습은 rollout 생성이 완료될 때까지 학습기를 대기시켜 하드웨어 활용률을 저하시킨다.#Review#On-policy Distillation#Asynchronous RL#Reverse KL#Staleness#Teacher Cache#Multi-sample MC#Large Language Model2026년 6월 29일댓글 수 로딩 중
[논문리뷰] Agentic Abstention: Do Agents Know When to Stop Instead of Act?본 논문은 LLM 기반 에이전트가 불가능하거나 모호한 작업을 수행할 때 무분별하게 액션을 지속하는 문제를 해결하고자 한다.#Review#Agentic Abstention#LLM Agents#Context Engineering#Sequential Decision Making#Tool Use#Timely Recall2026년 6월 29일댓글 수 로딩 중
[논문리뷰] Translation as a Bridging Action: Transferring Manipulation Skills from Humans to Robots본 논문은 인간의 풍부한 동작 데이터를 로봇 학습에 활용할 때 발생하는 데이터 간 불일치 및 품질 문제를 해결하고자 한다.#Review#Robotics#Imitation Learning#Vision-Language-Action Models#Cross-Embodiment#Manipulation Skills#Bridging Action2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Towards Automating Scientific Review with Google's Paper Assistant Tool본 논문은 급증하는 AI 기반 과학 논문 제출량으로 인해 전통적인 인간 피어 리뷰 시스템이 한계에 도달한 'Scientific Validation Bottleneck' 문제를 해결하고자 합니다.#Review#Paper Assistant Tool#Inference Scaling#Scientific Review#AI Automation#Error Detection#Peer Review2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Thinking While Speaking: Inference-Time Knowledge Transfer for Responsive and Intelligent Conversational Voice Agents본 논문은 클라우드 기반 LLM의 높은 추론 능력과 온디바이스 모델의 즉각적인 반응성이라는 이중적 요구사항을 동시에 만족하기 위한 새로운 하이브리드 아키텍처를 제안합니다.#Review#Conversational Infill#On-device AI#Model Collaboration#Latency#Streaming Knowledge#LLM2026년 6월 28일댓글 수 로딩 중
[논문리뷰] The Tatoxa System for Text Detoxification in Low-Resource Languages: The Case of Tatar본 논문은 Tatar와 같이 데이터 자원이 부족한 언어에서 발생하는 자동화된 텍스트 정화(detoxification) 성능 저하 문제를 해결합니다. 기존의 다국어 대규모 언어 모델(LLM)은 저자원 언어에 대한 이해도가 낮고, 문화적 맥락이나 언어적 미묘함을 반영하지 못해 정화 성능이 제한적입니다.#Review#Text Detoxification#Low-Resource Languages#Tatar#Machine Translation#LoRA#Cross-lingual Transfer2026년 6월 28일댓글 수 로딩 중
[논문리뷰] SingGuard: A Policy-Adaptive Multimodal LLM Guardrail with Dynamic Reasoning기존의 다중 모달 가드레일 모델들은 대부분 고정된 분류 체계(Static Taxonomy)에 의존하며, 배포 환경이나 정책 변화에 따라 유연하게 대응하지 못하는 한계가 있습니다. 특히 고정된 레이블을 사용하는 기존 모델은 미학습된 규칙이나 새로운 정책 상황에서 성능이 급격히 저하되는 문제가 발생합니다.#Review#Multimodal LLM#Guardrail#Policy-Adaptive#Dynamic Reasoning#Fast-Slow Decoupled RL#Safety Benchmark2026년 6월 28일댓글 수 로딩 중
[논문리뷰] SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation본 논문은 로봇 정책 학습 및 평가를 위한 대규모 데이터 확보의 어려움과 복잡한 환경에서의 시뮬레이션 구축 비용 문제를 해결하기 위해 SimFoundry를 제안한다.#Review#Real2Sim#Sim2Real#Scene Generation#Policy Learning#Policy Evaluation#Digital Twins#Digital Cousins2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Qwen-Image-2.0-RL Technical Report본 연구는 Qwen-Image-2.0 diffusion 모델이 가진 생성 품질과 지시 이행 능력 사이의 간극을 좁히고, 복잡한 편집 태스크에서 일관된 성능을 확보하기 위해 수행되었다.#Review#RLHF#On-policy Distillation#Diffusion Models#Reward Modeling#Flow Matching#GRPO#Qwen-Image-Bench2026년 6월 28일댓글 수 로딩 중
[논문리뷰] ProMSA:Progressive Multimodal Search Agents for Knowledge-Based Visual Question Answering본 논문은 KB-VQA의 고질적인 문제인 정적인 파이프라인의 한계를 극복하고, 모델이 예산 효율적으로 정보를 검색하며 스스로 추론하는 에이전트 시스템을 구축하는 것을 목적으로 한다. 기존 연구들은 고정된 top-k 설정에 의존하여 검색된 정보가 불충분하거나 잘못된 경우 이를 수정할 수 없는 고착 상태에 빠지기 쉽다 .#Review#Knowledge-Based Visual Question Answering#Multimodal Search Agent#Progressive Retrieval#Reinforcement Learning#Tool-Normalized GSPO2026년 6월 28일댓글 수 로딩 중
[논문리뷰] PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation본 논문은 최신 비디오 생성 모델들이 로봇 조작 과업에서 나타내는 물리적 불일치(Physical implausibility) 문제를 해결하고자 합니다.#Review#Embodied Intelligence#Video Generation#World Models#Physics-aware#Robotic Manipulation#Hierarchical Alignment2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Parallel Rollout Approximation for Pixel-Space Autoregressive Image Generation본 논문은 픽셀 공간에서 직접 수행되는 Autoregressive 이미지 생성의 낮은 효율성과 오차 누적 문제를 해결하는 것을 목적으로 합니다.#Review#Autoregressive Generation#Pixel-Space#Parallel Rollout Approximation#Continuous-Token#Diffusion Head#Intermediate States#Train-Inference Mismatch2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Object-Centric Residual RL for Zero-Shot Sim-to-Real VLA Enhancement본 논문은 imitation learning 기반의 VLA가 실제 로봇의 정밀한 물리적 상호작용에서 발생하는 오차 누적으로 인해 빈번히 실패하는 문제를 해결하고자 한다.#Review#Vision-Language-Action Models#Reinforcement Learning#Sim-to-Real Transfer#Robot Manipulation#Object-Centric#Residual RL2026년 6월 28일댓글 수 로딩 중
[논문리뷰] NormGuard: Reward-Preserving Norm Constraints in Flow-Matching Reinforcement Learning본 연구는 Flow-matching 모델의 RL post-training 시 발생하는 reward over-optimization과 그에 따른 지각적 품질 저하 문제를 해결합니다.#Review#Reinforcement Learning#Flow-Matching#Norm Inflation#Reward-Preserving#Perceptual Quality#Regularization2026년 6월 28일댓글 수 로딩 중
[논문리뷰] MultiHashFormer: Hash-based Generative Language Models본 연구는 고정된 어휘 사전 크기로 인해 발생하는 vocabulary bottleneck 문제를 해결하고, 파라미터 효율적인 causal language modeling을 가능하게 하는 것을 목표로 합니다.#Review#Generative Language Models#Token Hashing#Vocabulary Bottleneck#Multi-ID Signature#Causal Language Modeling2026년 6월 28일댓글 수 로딩 중
[논문리뷰] Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)본 연구는 고정된 공간 내에서 가구를 가장 효율적으로 배치하고 조립 순서를 최적화해야 하는 NP-hard 범주의 복합적 문제를 해결하고자 합니다. 기존의 단순 배치 알고리즘은 가구 간의 기하학적 간섭(Interference)과 조립 단계의 Latency를 적절히 처리하지 못하는 한계가 있었습니다.#Review#Furniture Assembly#Optimization#Heuristic Search#LeHome Challenge#Computational Geometry2026년 6월 28일댓글 수 로딩 중