본문으로 건너뛰기

최신 포스트

[논문리뷰] Learning Discriminative Geometry for Drifting Models

본 연구는 모델이 학습 후 실제 운영 환경에서 발생하는 Model Drift 문제로 인해 Discriminative 능력을 상실하는 현상을 해결하고자 합니다. 기존의 접근 방식들은 주로 Retraining이나 Fine-tuning에 의존하지만, 이는 많은 컴퓨팅 자원을 소모하며 데이터 효율성이 낮다는 한계가 있습니다.
#Review#Discriminative Geometry#Drifting Models#Model Drift#Representation Learning#Feature Alignment#Domain Adaptation
댓글 수 로딩 중

[논문리뷰] Judged Useless, Queried Anyway: Tool-Using Agents Rarely Turn Their Own Evidence Judgments into Stopping Decisions

본 논문은 Tool-Using Agents가 도구의 정보가 쓸모없음을 인지하면서도 지속적으로 불필요한 검색을 수행하는 문제를 다룬다 . 저자들은 기존의 에이전트들이 정보를 올바르게 판단함에도 불구하고, 그 판단을 검색 중단이라는 행동으로 연결하지 못하는 현상을 지적한다.
#Review#Tool-Using Agents#Sequential Decision Making#Search Failure#Evidence Integration#Stopping Policy#LLM
댓글 수 로딩 중

[논문리뷰] JLD: Perceptual Distance Through A Jacobian Lens

본 논문은 기존의 이미지 품질 평가 지표들이 가진 일반화 성능의 한계와 데이터 의존성 문제를 해결하고자 합니다. 기존의 LPIPS, DISTS 등은 human judgment에 과하게 fitted 되어 있어 해상도 변화에 취약하며, 고전적인 PSNR이나 SSIM은 인간의 시각적 인지 특성을 제대로 반영하지 못합니다 .
#Review#Perceptual Distance#Jacobian Lens#Vision Encoder#Metric Tensor#Sensitivity#Image Quality Assessment
댓글 수 로딩 중

[논문리뷰] HuatuoGPT-3: RL-Only Domain Adaptation from Base Models

본 논문은 기존의 SFT+RL 도메인 적응 파이프라인이 가지는 복잡성과 모델의 탐색 다양성 감소 문제를 해결하고자 합니다. 기존의 SFT+RL은 초기 냉정한 시작(Cold start)에는 유리하나, 다단계 최적화로 인한 성능 저하 및 망각(Catastrophic forgetting)의 위험이 존재합니다.
#Review#Domain Adaptation#Reinforcement Learning#Large Language Models#OnePO#Gradient Starvation#Teacher-Distribution Anchoring
댓글 수 로딩 중

[논문리뷰] Harness Engineering for Software Engineering via Modular Executable Dev-Primitives

본 논문은 기존 소프트웨어 엔지니어링 에이전트가 긴 작업 수행 과정에서 겪는 문맥 폭발(context explosion)과 의미론적 드리프트(semantic drift) 문제를 해결하고자 합니다. 기존 방법론들은 전체 레포지토리의 상태를 반복적으로 재구성해야 하므로 대규모 프로젝트에서 매우 취약한 모습을 보입니다 .
#Review#Software Engineering#Large Language Models#Agentic Workflow#Modular Abstraction#Repository Management#Bug Diagnosis
댓글 수 로딩 중

[논문리뷰] EmbodiedSmith: Scaling Embodied Data through Recursive Self-Improvement Flywheel in Simulation

본 논문은 로봇 Foundation Model의 학습을 위해 필요한 대규모 embodied 데이터를 효율적으로 확보하는 문제를 다룹니다. 기존 시뮬레이션 기반 데이터 생성 방식은 사전 정의된 에셋과 스킬에 의존하여 다양성이 부족하며, 장면 생성과 작업 생성이 분리되어 있어 복잡한 작업에서 성공률이 낮다는 한계가 있습니다.
#Review#Embodied AI#Recursive Self-Improvement#Simulation#Robotic Foundation Models#Task-Conditioned Generation
댓글 수 로딩 중

[논문리뷰] DiffGate: Difficulty-Gated Teacher Guidance for On-Policy Distillation

본 논문은 OPD와 RLVR 방식이 각각 가지는 상호보완적인 한계를 해결하고자 한다. 기존의 OPD는 dense한 토큰 단위의 지도를 제공하지만, 결과의 정확성과 관계없이 학습하는 outcome-agnostic한 특성이 있어 정답 여부와 무관한 토큰 업데이트를 수행할 위험이 있다 .
#Review#On-Policy Distillation#Reinforcement Learning#Language Models#Teacher Guidance#Difficulty Gating#Policy Optimization#Code Generation#Mathematical Reasoning
댓글 수 로딩 중

[논문리뷰] DAEDALUS: Bootstrapping Agent Memory from Self-Generated Tasks

본 논문은 LLM 기반 에이전트가 새로운 환경에서 적절한 운영 지식 없이 반복적인 시행착오를 겪는 문제를 해결하고자 합니다 . 기존 연구들은 주로 사람이 작성한 가이드라인이나 사전에 큐레이션된 학습 과제, 오라클 검증기에 의존하여 메모리를 구축했으나, 이는 환경에 대한 사전 지식과 막대한 비용을 요구합니다.
#Review#LLM Agents#Procedural Memory#Self-Generated Tasks#Agentic Environments#Heuristic Validation#In-context Learning#Training-free Method
댓글 수 로딩 중