[논문리뷰] Gains and Collapse in On-Policy Distillation:A Reinforcement Learning Perspective본 논문은 OPD가 널리 사용됨에도 불구하고, 모델의 성능 향상과 동시에 발생하는 과도한 생성 길이 및 반복적 출력과 같은 'collapse' 현상의 원인을 규명하고자 합니다.#Review#On-policy Distillation#Reinforcement Learning#Reward Hacking#Policy Gradient#Language Model Post-training#Sampling Efficiency#Implicit Reward2026년 10월 7일댓글 수 로딩 중
[논문리뷰] GRACE: Generation-aware latent compression for efficient video generation본 논문은 비디오 생성 모델의 고비용 문제를 해결하기 위해, pretrained 비디오 오토인코더의 효율적 압축과 DiT의 호환성 유지라는 두 가지 핵심 문제를 다룹니다 .#Review#Video Generation#Latent Compression#Diffusion Transformer#Asymmetric Denoising#Generation-aware Alignment#Model Efficiency2026년 10월 7일댓글 수 로딩 중
[논문리뷰] From Pareto to Preference: Personalized Test-Time Scaling via Amortized Agentic Policy Discovery본 논문은 기존의 TTS 연구가 Accuracy와 단일 자원(예: Cost 또는 Latency) 간의 Pareto frontier 최적화에만 치중하여 실제 사용자의 복합적인 요구사항을 반영하지 못한다는 점을 해결합니다 .#Review#Test-Time Scaling#Agentic Discovery#Personalized#Joint Satisfaction#Amortized#Policy Discovery2026년 10월 7일댓글 수 로딩 중
[논문리뷰] EngramEdit: Decoupled Knowledge Updates in LLMs through Conditional Memory본 논문은 LLM의 사실적 지식을 업데이트하는 과정에서 발생하는 성능 저하와 비효율성 문제를 해결하기 위해 EngramEdit을 제안한다. 기존의 LLM 지식 업데이트 방식은 모델 전체 가중치를 미세 조정하는 방식을 주로 사용하여, 연산 복잡도가 높고 의도치 않은 지식 손상을 초래하기 쉽다.#Review#LLM#Knowledge Editing#Conditional Memory#nn-gram Embeddings#Knowledge Updating#Decoupled Architecture2026년 10월 7일댓글 수 로딩 중
[논문리뷰] DecepEval: A Benchmark for Evaluating Deception in LLM Agents본 논문은 LLM 에이전트가 목표 달성을 위해 기만적인 행동을 선택할 위험이 증가함에 따라 이를 체계적으로 평가하고 이해해야 할 필요성을 제기합니다.#Review#LLM Agents#Deception#Benchmark#Safety#Trustworthy AI#Alignment#Fraud Theory2026년 10월 7일댓글 수 로딩 중
[논문리뷰] DLoop: Looped Speculative Decoding본 연구는 기존 speculative decoding의 고정된 drafting-verification alternating 구조가 유발하는 불필요한 target model의 forward pass 오버헤드를 해결하는 것을 목표로 합니다.#Review#Speculative Decoding#Looped Speculative Decoding#Adaptive Draft Length#Loop-aware Training#Large Language Models#Parallel Drafting2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Composing What Each Teacher Learned: Multi-Teacher On-Policy Distillation through Teacher-Relative Shifts본 논문은 MOPD 설정에서 교사 모델의 최종 정책(Endpoint)을 사용할 때 발생하는 불균형한 학습 신호 문제를 해결하고자 한다. 기존의 Endpoint Supervision 방식은 교사가 학습을 통해 얻은 새로운 지식과 베이스 모델로부터 상속받은 편향을 구분하지 못하고 그대로 학생 모델에 전이한다 .#Review#Multi-Teacher On-Policy Distillation#Language Model Post-training#Logit Shift#Teacher-Relative Shifts#Composition Geometry#Target Construction2026년 10월 7일댓글 수 로딩 중
[논문리뷰] CADFather: Autonomous CAD Reconstruction through Coordinated Tool Use본 논문은 3D 메쉬를 수정 가능한 파라메트릭 CAD 프로그램으로 복구하는 자동화된 역공학 문제를 해결합니다. 기존의 단일 접근 방식들은 특정 지오메트리나 재구성 단계에서는 유효하지만, 다양한 파트 형상과 복잡한 재구성 과정 전반을 포괄하기에는 한계가 있습니다.#Review#CAD reconstruction#vision-language agents#parametric modeling#tool-using agents#CAD reverse engineering2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Agentic RAG Evaluation: Budget Allocation Across Questions, Trajectories, and Reads본 논문은 Agentic RAG 평가 시 제한된 자원을 효율적으로 배분하여 모델 성능 비교의 정밀도(Precision)를 극대화하는 방법을 제안합니다. 기존 연구들은 단순히 고정된 표본을 사용하거나 비용 최적화에 대한 고려가 부족하여, 평가 정밀도가 낮거나 자원 낭비가 발생하는 문제가 있었습니다 .#Review#Agentic RAG#Evaluation budget#Generalizability theory#Repeated sampling#Search trajectories#Budget allocation2026년 10월 7일댓글 수 로딩 중
[논문리뷰] AdSpark: A Large-Scale Dataset and Benchmark for Product-Centric Advertisement Video Generation본 논문은 현대의 제품 중심 광고 비디오 생성(PC-AVG) 분야가 직면한 대규모 데이터셋의 부재와 체계적인 평가 프레임워크의 결여 문제를 해결하고자 한다.#Review#Product-Centric Advertisement#Video Generation#Large-Scale Dataset#Benchmarking#Product Fidelity#Multi-shot Narrative2026년 10월 7일댓글 수 로딩 중
[논문리뷰] A self-learning scientific agent for X-ray diffraction본 논문은 X-ray 회절 분석에서 발생하는 구조 해석의 불확실성과 분석 경험의 단절 문제를 해결하기 위해 고안되었다 . 기존의 데이터 기반 머신러닝 방법들은 개별 샘플 해석에는 성공하더라도, 분석 과정에서 발생한 실패 사례나 전문가의 수정 사항을 다음 분석으로 전이하는 학습 구조가 부족하다는 한계가 있다.#Review#Scientific Agent#X-ray Diffraction#Self-learning#Workflow Optimization#Phase Identification#Materials Informatics2026년 10월 7일댓글 수 로딩 중
[논문리뷰] World Models' Last Exam in Physics본 논문은 최신 비디오 생성 모델들이 시각적으로는 정교하지만 물리적으로 일관되지 않은 결과를 생성하는 문제를 해결하기 위해 World Models’ Last Exam in Physics를 제안한다.#Review#World Models#Video Generation#Physics-Grounded Benchmark#Embodied AI#Physical Consistency#Quantitative Evaluation2026년 10월 6일댓글 수 로딩 중
[논문리뷰] World Action Learning via Interaction-Centric Spectral Latent Guidance본 논문은 egocentric video에서 인터랙션 지식을 추출하여 로봇 제어(robot control)에 효과적으로 활용하는 문제를 다룬다.#Review#Egocentric Video#Robot Learning#Latent Action#Spectral Guidance#Cross-Embodiment Transfer#Interaction-Centric2026년 10월 6일댓글 수 로딩 중
[논문리뷰] VeriFine: Scaling Verification for Self-Improvement in Embodied Reasoning본 논문은 기존의 정적인(Static) Judge 체계가 Policy의 성능 향상을 저해하는 병목(Bottleneck)이 되는 문제를 해결하고자 합니다.#Review#Embodied Reasoning#Self-Improvement#Scaling Verification#Agent Harness#Policy Optimization#Coactive Calibration#Reference-Free Judge2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Understanding and Enhancing Backdoor Persistency in LLM Agent Post-Training본 논문은 LLM Agent를 구축하는 공급망(Supply-chain) 환경에서 제3자가 제공한 모델에 포함된 Backdoor가 개발자의 Benign Post-Training을 거친 후에도 살아남는지 여부를 탐구합니다 .#Review#LLM Agents#Backdoor Attacks#Post-Training#Persistency#Supervised Fine-Tuning (SFT)#Reinforcement Learning (RL)2026년 10월 6일댓글 수 로딩 중
[논문리뷰] UNREAL: Unifying Retrieval and Long-Context with a Single Model본 논문은 코퍼스 수준의 Retrieval-Augmented Generation (RAG)과 Long-Context 추론이 사실상 동일한 '질의 조건부 증거 선택' 작업임에도 불구하고, 규모에 따라 서로 다른 파이프라인을 사용하는 문제를 해결하고자 합니다.#Review#Retrieval-Augmented Generation#Long-Context#Decoder-only LLMs#Intrinsic Retrieval#Evidence Selection2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Towards In-Parameter Memory Augmentation for Large Language Models본 논문은 LLM이 pretraining 이후 습득한 지식을 효율적으로 활용하는 과정에서 발생하는 In-Context Learning (ICL)의 한계를 해결하기 위해 In-Parameter Memory (IPM) 접근 방식을 제안합니다.#Review#Large Language Models#In-Parameter Memory#Parameter Placement#Parameter Acquisition Time#In-Context Learning#Transformer#Memory Augmentation2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Taming VLAs under Robot Execution Errors: Self-Compensation and Stress Testing본 논문은 실제 로봇 배포 환경에서 발생하는 기계적 오차로 인해 VLA 모델이 명령한 동작과 실제 로봇의 움직임이 일치하지 않는 문제를 해결하고자 한다 .#Review#Vision-Language-Action (VLA)#Robot Execution Errors#Self-Supervised Adaptation#LoRA#Flow-Matching#RoboStress#Deployment-Time Adaptation2026년 10월 6일댓글 수 로딩 중
[논문리뷰] TRACE: Rollout-Guided Quantization-Aware Training for FP4 Reinforcement Learning of MoE Language Models본 논문은 RL 기반 LLM 학습 시 발생하는 비용 문제를 해결하기 위해 도입된 FP4 rollout 기법이, 학습-추론 경로 간의 심각한 수치적 불일치로 인해 오히려 정책 불일치와 학습 불안정을 초래한다는 점을 지적합니다.#Review#Reinforcement Learning#MoE#FP4 Quantization#Quantization-Aware Training#Numerical Discrepancy#Rollout-Guided2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Stepped MoE: Segment-Level Routing with Configurable Inference Complexity본 논문은 기존 MoE 모델의 per-token 라우팅이 온디바이스 환경에서 초래하는 심각한 I/O 병목 현상을 해결하고자 합니다 . 기존 MoE 모델은 매 토큰마다 전문가가 변경되어 빈번한 메모리 스와핑을 유발하며, 이는 DRAM이 제한된 엣지 디바이스에서 성능 저하의 주원인이 됩니다.#Review#Mixture-of-Experts#On-device Inference#Segment-level Routing#Configurable Complexity#Model Elasticity#LLM2026년 10월 6일댓글 수 로딩 중