본문으로 건너뛰기

최신 포스트

[논문리뷰] PanoWorld: A Generative Spatial World Model for Consistent Whole-House Panorama Synthesis

본 연구는 희소한 건축학적 입력으로부터 몰입감 있는 multi-room indoor environment를 합성하는 데 있어, photorealistic한 파노라마와 cross-view spatial coherence를 동시에 유지하는 문제가 핵심적인 도전 과제임을 지적한다.
#Review#Generative Spatial World Model#Whole-House Panorama Synthesis#3D Gaussian Splatting#Panoramic LRM#Room-aware Group Attention#Topology-aware Progressive Caching#Decoupled Guidance
댓글 수 로딩 중

[논문리뷰] OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond

본 논문은 장문 컨텍스트 추론 및 다중 모드 지능의 발전으로 인해 KV Cache가 추론의 지배적인 메모리 병목으로 부상한 문제를 해결합니다. 기존의 per-channel 양자화 기법은 Key 텐서의 채널별 이상치를 처리하는 데 효과적이나, 압축률이 극도로 높아질 경우 그 효용이 급격히 감소합니다.
#Review#KV Cache Quantization#Token Norm Imbalance (TNI)#Omni-Scaled Canalized Rotation (OScaR)#Extreme Low-bit Quantization#Large Language Models (LLMs)#CUDA Kernel Optimization
댓글 수 로딩 중

[논문리뷰] Mix-Quant: Quantized Prefilling, Precise Decoding for Agentic LLMs

본 논문은 Agentic LLM의 추론 과정에서 발생하는 입력 기반(input-heavy) 오버헤드와 연산 단계 간 성능 저하 문제를 해결합니다. Agentic 워크플로우는 도구 사용 및 메모리 검색으로 인해 컨텍스트가 반복적으로 길어지며, 이는 Prefilling 단계가 전체 추론의 주요 병목이 되게 합니다 .
#Review#Agentic LLMs#Model Quantization#Prefilling#Decoding#NVFP4#Efficiency
댓글 수 로딩 중

[논문리뷰] Mem-π: Adaptive Memory through Learning When and What to Generate

본 논문은 기존 LLM 에이전트의 정적인 메모리 검색 패러다임이 갖는 한계를 극복하기 위해 제안되었습니다. 현재의 메모리 증강 에이전트들은 주로 외부 저장소에서 과거의 경험을 검색하는 방식에 의존하지만, 이러한 검색된 데이터는 현재의 에이전트 맥락과 맞지 않거나 지나치게 특수하여 범용성이 떨어지는 문제가 있습니다.
#Review#Large Language Model Agents#Generative Memory#Reinforcement Learning#Adaptive Memory#Abstention Policy#Decoupled Policy Optimization
댓글 수 로딩 중

[논문리뷰] Mega-ASR: Towards In-the-wild^2 Speech Recognition via Scaling up Real-world Acoustic Simulation

본 논문은 기존의 ASR 기술이 깨끗한 환경에서는 뛰어난 성능을 보이지만, 실제 환경의 복합적인 음향 왜곡(noise, reverberation, far-field, obstruction 등) 속에서는 WER이 급격히 상승하고 할루시네이션(hallucination)이나 문장 누락이 발생하는 'acoustic robustness bottleneck'을 해결하고자 한다.
#Review#ASR-in-the-wild#Compound Acoustic Simulation#Acoustic-to-Semantic#Progressive Supervised Fine-Tuning#Policy Optimization#Robust Speech Recognition#Acoustic Robustness Bottleneck
댓글 수 로딩 중

[논문리뷰] MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization

본 논문은 LLM agent의 skill 최적화가 근본적으로 다목적(multi-objective) 문제임에도 불구하고, 기존 방식들이 이를 단일 목적 함수로 축소함으로써 발생하는 비효율성을 해결하고자 합니다.
#Review#Multi-Objective Optimization#LLM Agents#Skill Optimization#Chebyshev Scalarization#Hypervolume#Prompt Engineering#Constraint Satisfaction
댓글 수 로딩 중

[논문리뷰] IndusAgent: Reinforcing Open-Vocabulary Industrial Anomaly Detection with Agentic Tools

본 논문은 MLLM의 강력한 제로샷 성능에도 불구하고, 고도의 정밀함이 요구되는 산업 환경에서 도메인 불일치 및 구조적 환각(structural hallucination)으로 인해 발생하는 이상 탐지 성능 저하 문제를 해결합니다 .
#Review#Industrial Anomaly Detection#Multimodal Large Language Models#Agentic Framework#Reinforcement Learning#Tool Augmentation#Zero-shot Learning
댓글 수 로딩 중

[논문리뷰] DrawMotion: Generating 3D Human Motions by Freehand Drawing

본 논문은 텍스트 기술만으로는 사용자가 의도한 복잡하고 세밀한 3D 모션을 정밀하게 제어하기 어렵다는 점을 해결하고자 합니다. 기존 연구들은 복잡한 텍스트 묘사에 의존하거나, 추가적인 모델링을 통해 모션을 수정하지만 이는 사용자에게 상당한 시간적 비용과 입력 부담을 초래합니다.
#Review#Diffusion Models#Motion Generation#Human-Computer Interaction#Freehand Drawing#Multi-Condition Fusion#Intermediate Feature Guidance#Neural Collapse
댓글 수 로딩 중