[논문리뷰] MIMESIS: Learning User Simulators as Training Environments for Interactive Agents본 논문은 기존의 Instruction-tuned 언어 모델을 사용자 시뮬레이터로 사용할 때 발생하는 행동 불일치(behavioral mismatch) 문제를 해결하고자 한다.#Review#User Simulator#Interactive Agents#Reinforcement Learning#Behavioral Fidelity#Multi-turn Interaction#Coached On-Policy Self-Distillation2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Long-WAM: Scaling the Context of World-Action Models본 논문은 로봇 제어에서 시각적 과거(Visual History)가 유용한 자원임에도 불구하고, 이를 처리하는 과정이 오히려 제어 지연(Latency)을 유발하는 문제를 해결하고자 합니다.#Review#World-Action Models#Autoregressive Pretraining#Context Scaling#Real-Time Robot Control#Asynchronous Execution#Streaming VAE2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Learning Multimodal Embeddings with Evidence-Aligned Readout본 논문은 MLLM이 생성한 task-relevant evidence가 어떻게 retrieval embedding에 효과적으로 반영될 수 있는지에 대한 구조적 문제를 해결하고자 합니다 .#Review#Multimodal Embedding#Evidence-Aligned Readout#Semantic Evidence Generation#Boundary Readout#Contrastive Retrieval#MLLM2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Iris-3B: Going Beyond the Latent with Pixel-Space Diffusion Training, Conversion and Fine-Tuning본 연구는 Latent diffusion 모델의 핵심 한계인 VAE 압축 손실 문제를 해결하고자 픽셀 공간(Pixel-space)에서 직접 생성하는 모델의 효율성을 검증합니다.#Review#Pixel-space Diffusion#Iris-3B#Latent-to-Pixel Conversion#Representation Alignment#Monocular Depth Estimation#Image Restoration2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Inverting Multi-Vector Visual Document Indices본 논문은 멀티 벡터 기반의 시각적 문서 검색 시스템에서 저장된 인덱스가 외부 공격자에게 페이지 원본 내용을 노출할 수 있다는 심각한 프라이버시 위협을 제기합니다. 기존 연구들은 인덱스가 사람이 읽을 수 없는 벡터 형태이기에 원본 문서보다 덜 민감하다고 간주해왔습니다.#Review#Document Retrieval#Multi-Vector Index#Embedding Inversion#Privacy Leakage#Conditional Flow-Matching#ViDoRe2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation본 논문은 에이전트 프레임워크(Harness)가 외부에서 제공하는 성능 향상이 모델 자체에는 반영되지 않는다는 문제를 해결합니다. 기존 방식에서는 에이전트가 추론 과정에서 복잡한 프롬프트 개선을 수행해야 하므로, 추론 시마다 반복적인 계산 비용이 발생하고 메모리 및 스킬이 누적됨에 따라 효율성이 저하되는 한계가 있습니다.#Review#Diffusion Model#On-Policy Context Distillation#Agentic Harness#Skill Evolution#Text-to-Image Generation#Co-Evolution#Internalization2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Improving Proactive AI Assistance with Hierarchical Procedural Understanding본 논문은 기존의 Proactive AI Assistant 연구들이 가진 고정된 단위의 가이드 제공 방식이라는 한계를 해결하고자 한다. 기존 모델들은 작업의 진행 상황을 세밀하게 추적하거나 사용자의 숙련도에 맞춰 가이드의 수준(Granularity)을 실시간으로 조정하는 데 어려움을 겪어왔다 .#Review#Proactive AI Assistance#Hierarchical Procedural Understanding#Vision-Language Models#Procedural Assistance#Streaming Setting2026년 10월 7일댓글 수 로딩 중
[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