[논문리뷰] Remembering Has a Price: Learning Memory Worth under Resource Constraints본 연구는 엄격한 자원 제약 환경에서 기존의 많은 lifelong-memory 방식이 단순 검색이나 메모리가 없는 에이전트보다 성능이 저하되거나 미미한 향상만을 보이는 문제점을 해결하고자 합니다. 자원이 제한된 환경에서는 메모리 용량 부족보다 '어떤 경험을 기억하고 재사용할 것인가'에 대한 결정이 더 중요해집니다.#Review#Lifelong Agent#Resource-Constrained Learning#Memory Worth#Recursive Feature Machine#Task Success Rate2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Progress-Aware Distillation for Mitigating Stagnation in Small Language Model Agents본 논문은 SFT 기반으로 학습된 SLM Agent가 실전 환경에서 겪는 Progress Stagnation 문제를 해결하기 위해 제안되었습니다.#Review#Small Language Model Agents#Knowledge Distillation#Progress Stagnation#Reasoning-Action-Observation#Supervised Fine-Tuning#Adaptive Margin2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Policy Is Not Capability: Some Safety Benchmarks Measure Which Definition of 'Unsafe' You Trained On본 논문은 현대의 안전 벤치마크가 모델의 실제 Capability를 측정하는 것이 아니라, 학습 데이터에 반영된 특정 Policy의 정의를 얼마나 준수하는지를 측정하고 있음을 밝힌다.#Review#Guardrail#AI Safety Evaluation#Label Policy#Over-refusal#Benchmark Contamination#Steerability2026년 10월 19일댓글 수 로딩 중
[논문리뷰] OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory본 논문은 Multimodal Large Language Models (MLLMs)가 visual reasoning에서 상당한 발전을 이루었음에도 불구하고, internal reasoning만으로는 접근하기 어려운 real-world visual tasks의 핵심적인 한계점을 해결하고자 한다.#Review#Multimodal Large Language Models#Visual Reasoning#Agentic Tool-Use#Multimodal Memory#Capability Layer#Evidence Rendering#Python Coding Agent#Benchmarking2026년 10월 19일댓글 수 로딩 중
[논문리뷰] OR-License: Evaluating LLM Agents as Real-World Operations Research Practitioners본 논문은 LLM 에이전트가 실제 산업 현장의 불완전한 비즈니스 요구사항을 해석하여 전문가 수준의 OR 솔루션을 도출할 수 있는지에 대한 의문을 해결하고자 한다.#Review#Operations Research#LLM Agents#Benchmark#Deployment-Adjusted Quality (DAQ)#ORSim#Client Interaction#Feasibility2026년 10월 19일댓글 수 로딩 중
[논문리뷰] N-Gram Memories at Two Bits: Quantizing Lookup Tables in Large Language Models본 논문은 LLM의 방대한 파라미터로 인한 높은 Memory Footprint와 Inference Latency 문제를 해결하는 것을 핵심 목표로 합니다. 기존의 파라미터 양자화 기법은 모델의 Perplexity 저하를 유발하거나, 특정 하드웨어 환경에서 기대만큼의 속도 향상을 보여주지 못하는 한계가 있습니다.#Review#Large Language Models#Model Quantization#Lookup Tables#N-Gram#Inference Efficiency#Memory Optimization2026년 10월 19일댓글 수 로딩 중
[논문리뷰] MemT-1.0: Towards Memory-Native EvolutionFoundation Models의 발전은 Reasoning 및 Multimodality와 같은 외부 시스템의 Capabilities를 모델 내부로 내재화하는 방향으로 나아가고 있으며, Memory 역시 모델이 경험을 축적하고 상호작용에 적응하는 데 필수적인 Fundamental Capability이다.#Review#Memory-Native Evolution#Memory Foundation Models#Gated DeltaNet-2#Mixture-of-Storage#Continued Pre-Training#Post-Training#Agentic Tasks#End-to-End Inference Efficiency2026년 10월 19일댓글 수 로딩 중
[논문리뷰] MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents본 논문은 LLM Agent 시스템에서 기존의 query-agnostic 메모리 구성 방식이 초래하는 불필요한 비용 문제와 중요한 정보 유실 문제를 해결하기 위해 MemPilot을 제안합니다.#Review#LLM Agents#Multimodal Memory#On-Demand Curation#Reinforcement Learning#Resource-Aware#Preference Optimization#Model Routing2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Manga2Animate: An Agentic Framework for Faithful Manga Animation with Script and Storyboard Planning기존 망가를 원본에 충실하게(faithful) 일관된(coherent) 애니메이션으로 변환하는 것은 중요하지만 도전적인 과제이다. 현재의 방식들은 두 가지 주요 한계점을 가지고 있다.#Review#Manga2Animate#Multi-Agent Framework#Manga Animation#Script Planning#Storyboard Planning#Generative AI#Content Fidelity2026년 10월 19일댓글 수 로딩 중
[논문리뷰] MT Forcing: Towards Stable and Consistent Multi-Turn Image Editing with Autoregressive DiffusionMulti-Turn Image Editing은 일련의 지침에 따라 이미지를 점진적으로 수정함으로써 사용자에게 보다 효과적인 인터랙티브 시각 콘텐츠 생성을 가능하게 합니다. 그러나 기존 방법들은 몇 번의 편집 턴(turn)만 거쳐도 눈에 띄는 'Drift' 현상을 자주 보이며, 이는 두 가지 측면에서 나타납니다.#Review#Multi-Turn Image Editing#Autoregressive Diffusion#Unified Multimodal Models#Distribution Matching Distillation#Teacher-Forcing Guidance#Exposure Bias#Content Consistency#Visual Quality2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Learning to Discriminate Scene Structures Makes Self-Supervised Depth Learning Scalable본 논문은 기존 SSMDE 모델들이 다양한 도메인의 데이터를 통합 학습할 때 성능이 저하되는 현상을 해결하는 것을 목표로 합니다. 저자들은 모델이 데이터셋 고유의 구조적 편향(structural biases)을 과도하게 인코딩하여, 이기종 데이터 환경에서 최적화 충돌이 발생함을 발견했습니다 .#Review#Self-Supervised Monocular Depth Estimation#Scene-Structure Discrimination#Scalable Learning#Representation Decoupling#Vision Foundation Models#Generalizability2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Learning from Fleet Experience: A Collective Learning Paradigm for Robots본 연구는 로봇 플릿이 배포 환경에서 생성하는 방대한 경험을 활용하여, 추가적인 인간 전문가의 개입이나 교정 행동 수집 없이도 로봇 정책의 신뢰성을 확장 가능하게 개선하는 것을 목표로 합니다.#Review#Collective Experience Learning#Robot Learning#Fleet Learning#Failure-guided Experience Retrieval#Fault-tolerant Asynchronous Training#Policy Fine-tuning2026년 10월 19일댓글 수 로딩 중
[논문리뷰] LIBERO-Industry: Benchmarking Robotic Manipulation under Industrial Process Constraints본 논문은 범용 로봇 정책들이 산업 환경의 고유한 공정 제약 조건을 시스템적으로 평가할 수 있는 프레임워크가 부족하다는 점을 해결하고자 합니다 . 기존의 로봇 학습 벤치마크들은 고정된 환경이나 단순한 조작 작업에 치중되어 있어, 실제 제조 현장의 유동적인 생산 흐름이나 엄격한 공정 타이밍을 반영하지 못합니다.#Review#Robotic Manipulation#Industrial Process Constraints#Generalist Robot Policies#Benchmarking#Material Flow#Simulation2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Kronecker Delta Rule for Long Context Linear Attention본 논문은 기존 선형 어텐션(Linear Attention) 메커니즘의 메모리 성장 제어 및 간섭 문제 해결을 위해 Kronecker Delta Rule 기반의 KronLSTM을 제안한다.#Review#Kronecker Delta Rule#Linear Attention#Long Context#Associative Memory#Recurrent Neural Networks#Language Modeling#Retrieval Tasks#Memory Stability2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Interlock: From Local Correctness to Task Completion in Long-Horizon Agents본 논문은 Long-Horizon Agents가 복잡한 환경에서 태스크를 수행할 때, 개별 요구사항은 충족시키지만 환경 증거, 결과적 결정, 그리고 필요한 효과 간의 관계를 유지하는 데 실패하여 국부적으로는 정확하나 궁극적으로는 불완전한 결과(incomplete outcomes)를 초래하는 핵심 문제를 제기합니다.#Review#Long-Horizon Agents#Task Synthesis#Completion Graph#Rejection-Sampling Fine-Tuning#Agentic Verification#Out-of-Distribution Transfer#Large Language Models2026년 10월 19일댓글 수 로딩 중
[논문리뷰] InfiniDream: Open-Ended Photorealistic 3D Worlds Through Procedural Generation본 논문은 Open-Ended, Photorealistic, Editable하며 Scalable한 3D World 및 Asset Generation의 핵심 문제를 해결하고자 한다.#Review#Procedural Generation#3D World Generation#Photorealistic#VLM-driven#Asset Generation#Semantic Placement#Open-Ended#Editability2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Holi-World: Building Holistic World Intelligence from Human-Ego Experience본 연구는 인간의 egocentric 경험을 대규모 학습 자원으로 전환하여, 물리적 세계의 구조와 상호작용에 따른 변화를 이해하는 World Intelligence를 구축하는 것을 목표로 합니다.#Review#Egocentric Vision#World Representation#3D Scene Reconstruction#Vision-Language Models#Automated Annotation#Spatial Reasoning2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Harnessing Textual Refusal Directions for Multimodal SafetyMultimodal Large Language Models (MLLMs)의 safety는 주로 LLM backbone으로부터 계승되지만, unsafe multimodal training data의 수집 난이도가 높아 dedicate된 multimodal safety training이 부족한 상황이다.#Review#Multimodal LLMs#Safety Alignment#Refusal Directions#Activation Steering#Modality Misalignment#Training-Free#Cross-Modal Transfer#Video Jailbreaking2026년 10월 19일댓글 수 로딩 중
[논문리뷰] HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs기존의 Recursive Self-Improvement (RSI) 방법론들은 AI 에이전트의 태스크 성능을 향상시키지만, 이러한 성능 향상은 종종 더 높은 실행 비용(execution cost), 즉 더 많은 토큰 소비와 증가된 Latency를 수반하는 한계점을 가지고 있습니다.#Review#Harness#Recursive Self-Improvement (RSI)#Pareto Optimization#Performance-Cost Trade-off#Multi-Agent Framework#LLM-generated tests#Trajectory Analysis2026년 10월 19일댓글 수 로딩 중
[논문리뷰] HandsOn: A Large-Scale Simulation Benchmark for Generalizable Dexterous Manipulation본 연구는 dexterous manipulation 분야의 일반화 성능을 정밀하게 평가하기 위한 대규모 벤치마크의 부재 문제를 해결합니다. 기존 벤치마크는 인간 데모 데이터셋의 규모가 작고, 평가를 위해 별도로 예약된 작업 세트가 부족하다는 한계를 가집니다.#Review#Dexterous Manipulation#Benchmark#Simulation Platform#Generalization#Cross-embodiment#Human-demonstration Dataset2026년 10월 19일댓글 수 로딩 중