[논문리뷰] One Model to Loop Them All: Elastic Latent Recurrence for Language Models본 연구는 고정된 크기의 체크포인트로 다양한 추론 컴퓨팅 자원을 활용하고자 하는 Latent Recurrent 모델들이 직면한 One-loop tax 문제를 해결합니다.#Review#Elastic Latent Recurrence#Large Language Models#Recurrent Depth#Inference Compute#Mixed-Depth Training#MoE2026년 10월 11일댓글 수 로딩 중
[논문리뷰] MixTok: Adaptive Visual Tokenization with Global 1D Tokens and Sparse 2D Refinement본 논문은 효율적인 시각적 토큰화(Visual Tokenization)를 위해 컴팩트한 표현력과 세부적인 국소 정보 보존 사이의 균형을 맞추는 문제를 해결하고자 한다.#Review#Visual Tokenization#Adaptive Token Allocation#Image Generation#Hybrid Representation#Sparse Refinement2026년 10월 11일댓글 수 로딩 중
[논문리뷰] MetaKernelBench: Measuring GPU Kernel Knowledge Transfer Beyond Code본 논문은 GPU 커널 최적화 에이전트가 축적한 경험(Experience)의 재사용 가치를 측정하는 표준적인 방법이 없다는 문제점을 해결하고자 한다. 기존 벤치마크들은 특정 구현의 정확도와 성능만을 측정할 뿐, 에이전트가 습득한 지식이 다른 환경으로 얼마나 효과적으로 전달되는지는 평가하지 못한다 .#Review#GPU Kernel#Knowledge Transfer#DSL#Agentic Optimization#MetaKernelBench#Skill Distillation2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Mental-Models for Multi-Agent Systems본 논문은 멀티 에이전트 환경에서 에이전트가 상대방의 의도나 신념을 명시적으로 모델링하지 못해 발생하는 비효율성 문제를 해결한다 .#Review#Multi-Agent Systems#Theory of Mind#Latent Mental Models#Amortized Inference#Policy Optimization#Partial Observability2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Less from More: Reinforcing Sparse Video Reasoning from Dense References본 요청과 관련된 논문(https://arxiv.org/html/2610.10893)은 현재 외부 접근 제한 또는 시스템 오류로 인해 본문 내용 및 이미지 정보 추출이 불가능한 상태입니다.#Review2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Learning Representations to Guide Pixel Diffusion Transformers본 연구는 '무엇이 시각적 생성에 유용한 표현인가?'라는 근본적인 질문에서 출발하여, 기존 생성 모델의 표현 학습 방식에 대한 한계를 지적합니다. 저자들은 시각적 표현이 주로 이해(Understanding) 과업에 최적화되어 있어, 픽셀 합성이라는 생성 과업에는 반드시 효과적이지 않다는 점을 발견했습니다.#Review#Pixel Diffusion Transformers#Representation Guidance#Flow Matching#Representation Learning#Generative AI#Computer Vision2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Judging in Latent Space: Efficient Generative Reward Modeling via Semantics-Preserving CompressionGenerative Reward Models(GRMs)는 모델의 평가 결과를 생성형 추론으로 도출하지만, 복잡한 rubric 기반 평가 시 반복적인 텍스트 생성으로 인해 높은 inference cost를 초래함.#Review2026년 10월 11일댓글 수 로딩 중
[논문리뷰] InstantFusion: A Shared Latent Interface for Heterogeneous Image Generators본 논문은 현대의 다양한 이미지 생성 모델들이 고유한 아키텍처와 latent 표현을 가지며 독립적으로 운용되는 폐쇄적 구조의 한계를 해결하고자 합니다.#Review#InstantFusion#Heterogeneous Image Generators#Latent Alignment#Denoising Dynamics#Shared Latent Interface#Flow Matching#Cross-Model Transfer2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Inducing Process Supervision from Outcome-Only Reinforcement Learning본 논문은 강력한 PRM을 학습시키기 위한 비용 효율적인 대안을 제시하는 것을 목표로 합니다. 기존 연구들은 높은 품질의 단계별 주석(step-level annotation)을 요구하거나, Monte Carlo 추정치를 활용하여 많은 비용과 연산 자원을 소비하는 한계를 가지고 있습니다.#Review#Process Reward Models#Reinforcement Learning#Chain-of-Thought#Outcome-Only Supervision#Test-Time Scaling#LLM Reasoning2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Here the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation기존의 Joint Video-Audio (VA) generation 모델들은 시각적 의미(Semantic)와 시간적 동기화(Synchronization) 측면에서 상당한 발전을 이루었으나, AR/VR 및 인터랙티브 게임 환경에서 필수적인 '몰입형 스테레오 오디오' 구현은 여전히 미흡합니다.#Review#Stereo Audio Generation#Dynamic Spatial Correspondence#Visual-Audio Foundation Models#Motion Track#Spatial Alignment2026년 10월 11일댓글 수 로딩 중
[논문리뷰] GraphDecisionBench: Benchmarking System One Models on Graph Tasks본 논문은 System One models이 그래프 관련 과업에서 나타내는 구조적 이해 능력과 정보 활용 성격이 불분명하다는 문제를 해결하기 위해 GraphDecisionBench를 제안한다.#Review#GraphDecisionBench#System One Models#Graph Cognition#Sequential Decision-Making#LLM Baselines2026년 10월 11일댓글 수 로딩 중
[논문리뷰] From Given to Gathered Evidence: Agentic Learning for Longitudinal Medical Reasoning기존 의료 AI 벤치마크는 주로 사전에 고정된 정보나 정적인 데이터셋을 바탕으로 추론 성능을 평가하는 데 초점을 맞추고 있습니다. 그러나 실제 임상 현장에서의 의료적 추론은 환자의 종단적 의료 기록, 여러 시점의 MRI 영상, 그리고 다양한 전문 도구를 활용하여 증거를 직접 수집하고 통합하는 고도의 복합적인 과정입니다 .#Review#Medical Reasoning#Agentic Learning#Multimodal Benchmark#Tool-use#Longitudinal Reasoning#Reinforcement Learning2026년 10월 11일댓글 수 로딩 중
[논문리뷰] EmbodiedCLBench: Evaluating Continual Learning for Self-Evolving Embodied Agents본 논문은 embodied 환경에서 에이전트가 과거의 경험을 누적하고 새로운 작업으로 전이하는 Continual Learning 능력을 체계적으로 평가하기 위해 EmbodiedCLBench를 제안한다.#Review#Embodied AI#Continual Learning#Compositional Generalization#Self-Evolving Agents#Embodied Simulation2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Distributionally Robust Mixture-of-Experts Training본 논문은 기존 MoE 모델이 로드 밸런싱(Load Balancing)을 통해 통계적 균형만을 강조할 뿐, 실제 라우팅 과정에서 발생하는 '비최적 expert 선택' 문제에는 취약하다는 점을 지적합니다 .#Review#Mixture-of-Experts#Distributionally Robust Optimization#Routing Robustness#Sparse LLMs#Expert Specialization#Load Balancing2026년 10월 11일댓글 수 로딩 중
[논문리뷰] DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models본 논문은 온라인 Diffusion RL에서 발생하는 학습 효율성과 안정성 간의 상충 문제를 해결하고자 합니다.#Review#Diffusion Models#Reinforcement Learning#Reward Tilting#Rectified Flow#Credit Assignment#Trust-Region Masking#Drift-Adaptive Restoration2026년 10월 11일댓글 수 로딩 중
[논문리뷰] DataVista: Diagnosing Multimodal LLMs on Data Video Understanding본 논문은 데이터 영상의 급격한 증가에도 불구하고, 이를 체계적으로 이해하고 평가할 수 있는 벤치마크의 부재를 해결하고자 합니다.#Review#Data Video Understanding#Multimodal LLM#Benchmark#Temporal Reasoning#Narrative Understanding#Chart Visualization2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Continually Post-training Small Models via Synthetic Self-distillation본 연구는 소형 언어 모델(Small Language Models)의 Continual Post-training 시 발생하는 성능 저하 문제를 해결하는 데 중점을 둡니다.#Review#Continual Learning#Small Language Models#Self-distillation#Synthetic Data#Rejection Sampling#In-distribution Learning2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Contextual Correction of Parallel Draftsfor Speculative Decoding본 논문은 Parallel Diffusion Drafters(예: DFlash)가 효율적인 병렬 생성에도 불구하고, 토큰 간의 intra-block dependency를 포착하지 못해 draft의 정확도가 낮아지는 문제를 해결하고자 합니다.#Review#Speculative Decoding#Parallel Drafting#Diffusion Models#Contextual Correction#Inference Acceleration#LLM Serving2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Coding-Agent Benchmarks Should Match Their Users' Task Flows본 논문은 현재의 코딩 에이전트 벤치마크가 실제 개발자의 복합적인 작업 흐름을 제대로 반영하지 못한다는 점을 문제로 지적한다.#Review#Coding Agents#Benchmarks#Task Flows#Interactive Evaluation#SWE-Bench Pro#TaskFlow Alignment Score#Prompt Splitting2026년 10월 11일댓글 수 로딩 중
[논문리뷰] Clinician use of language models diverges from how the models are evaluated본 논문은 현재 임상 AI 모델을 평가하는 벤치마크와 실제 임상 현장에서 발생하는 업무 간의 괴리를 분석합니다. 대다수의 AI 모델 성능은 의학 시험 문제나 정제된 사례를 기반으로 한 벤치마크를 통해 평가되지만, 이러한 데이터가 실제 병원 현장에서 의료진이 AI에 요청하는 업무를 얼마나 반영하는지는 검증된 바 없습니다.#Review#Large Language Models#Clinical AI#Benchmarking#Clinical Workflow#Health Informatics#Artificial Intelligence Safety2026년 10월 11일댓글 수 로딩 중