[논문리뷰] AutoSciBench: Autonomous Benchmark Generation for Evaluating Scientific Agents본 논문은 과학적 도메인에서 에이전트의 발전 속도를 평가 벤치마크가 따라가지 못하는 문제를 해결하기 위해 고안되었습니다. 기존의 벤치마크는 수동으로 구축되어 많은 시간과 비용이 소요되며, 에이전트의 성능이 향상됨에 따라 빠르게 포화(Saturation)되어 차별적인 평가가 어렵다는 한계가 있습니다.#Review#Scientific Agents#Benchmark Generation#Autonomous Evaluation#Feedback-guided Refinement#Agentic Task Construction#Scientific Reasoning2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents본 논문은 장기적인 목표 수행을 위해 필수적인 Embodied agent의 연속적 태스크 실행 능력을 개선하는 데 중점을 둡니다.#Review#Embodied Agents#Long-Horizon Control#Goal-Conditioned Policy#State Continuity#Skill Hand-off Gap#Visuomotor Control2026년 10월 6일댓글 수 로딩 중
[논문리뷰] AdvSim2Real : Training Web Agents Against Adaptive Prompt Injection in a Web World Model본 논문은 Web Agent가 실질적인 환경에서 Indirect Prompt Injection 공격에 취약하며, 기존 방어 기법들이 고정된 공격 시나리오에만 학습되어 적응형 공격자에게 쉽게 우회된다는 문제를 해결하고자 합니다.#Review#Web Agents#Prompt Injection#Adversarial Training#World Model#Curriculum Learning#Robustness#Sim-to-Real2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Adaptive Latent Capacity for World Models기존의 World Models는 고정된 크기의 잠재 공간을 사용하여 다양한 복잡도를 가진 환경에 대해 최적화되지 못하는 한계를 지닙니다. 정적인 잠재 공간은 단순한 환경에서는 과도한 모델 용량으로 인한 과적합(Overfitting)을 유발하고, 복잡한 환경에서는 표현력 부족(Underfitting) 문제를 야기합니다.#Review#World Models#Latent Representation#Adaptive Capacity#Representation Learning#State Space Model#Information Bottleneck2026년 10월 6일댓글 수 로딩 중
[논문리뷰] Accent Analogy Guidance: More Speaker Similarity at Equal Accent in Cross-Lingual Voice Cloning본 논문은 Cross-lingual Zero-shot TTS 환경에서 발생하는 불필요한 accent 전이 문제를 해결하고자 합니다.#Review#Zero-shot TTS#Cross-lingual Voice Cloning#Accent#Classifier-free Guidance#Dubbing2026년 10월 6일댓글 수 로딩 중
[논문리뷰] ALIVE: Interaction-Aligned Object Insertion for First-Frame-Guided Video Editing본 논문은 비디오 내 객체 삽입 시 단순히 객체를 배치하는 수준을 넘어, 소스 비디오의 물리적 동작에 반응하는 ‘살아있는(Alive)’ 객체 구현을 목표로 합니다.#Review#Video Editing#Object Insertion#First-Frame-Guided#Interaction-Aligned#Vision-Language Model (VLM)#Diffusion Model#Interaction Fidelity2026년 10월 6일댓글 수 로딩 중
[논문리뷰] AGO AI Quality Gate: Evidence-First Release Decisions for Retrieval-Augmented Generation본 논문은 엔터프라이즈 환경에서 RAG 시스템을 운영할 때 발생하는 모호한 배포 결정 문제를 해결하기 위해 AGO를 제안한다. 기존의 평가 방식은 불완전한 증거, LLM judge의 오류, 그리고 통계적 불확실성을 충분히 고려하지 못한다는 한계가 있다.#Review#Retrieval-Augmented Generation#LLM-as-a-Judge#Quality Gates#Evaluation#Uncertainty Quantification#Evidence-based Decision Making2026년 10월 6일댓글 수 로딩 중
[논문리뷰] A Safe Action Is Not Enough: Feasible-Future Decoding for Vision-Language-Action Policies본 논문은 VLA 정책이 로컬에서는 안전해 보이는 동작을 수행하더라도, 장기적으로는 안전한 과업 완수가 불가능한 '죽은 끝(Dead end)' 상태로 빠질 수 있는 문제를 해결하고자 합니다.#Review#Vision-Language-Action (VLA)#Feasible-Future Decoding#Safe Reinforcement Learning#Constrained Decoding#Robot Control#Viability2026년 10월 6일댓글 수 로딩 중
[flashinfer] FlashInfer: Rubin(SM107) 아키텍처를 위한 네이티브 확률적 반올림(Stochastic Rounding) 최적화Rubin(SM107) GPU에서 네이티브 확률적 반올림을 활성화하여 Mamba 상태 업데이트 성능을 최대 36% 향상시켰습니다.#FlashInfer#CUDA#GPU#Mamba#StochasticRounding#Optimization2026년 10월 5일댓글 수 로딩 중
[flashinfer] FlashInfer Cake Sampling 최적화: Leader-Push Exchange와 Graph-Replay 개선FlashInfer의 Cake Sampling 커널 성능을 대폭 향상시킨 Leader-Push Exchange와 Graph-Replay 최적화를 분석합니다.#FlashInfer#CUDA#Kernel Optimization#Performance#LLM2026년 10월 5일댓글 수 로딩 중
[flashinfer] FlashInfer, RTX PRO 6000 Blackwell을 위한 Warp-Specialised Attention 커널로 성능 향상FlashInfer가 새로운 Warp-Specialised Attention 커널을 도입하여 RTX PRO 6000 Blackwell에서 성능을 3% 이상 향상시켰습니다.#GPU#CUDA#Attention#Optimization#FlashInfer#Transformer2026년 10월 5일댓글 수 로딩 중
[flashinfer] [FlashInfer] Hopper SM90을 위한 MegaMoE 최적화: Combine Wire 및 GEMM 에필로그 개선FlashInfer의 Hopper 전용 BF16 MegaMoE 백엔드에서 통신 대역폭을 줄이는 prereduced combine 방식과 GEMM 에필로그 최적화 기법을 분석합니다.#FlashInfer#MoE#CUDA#Hopper#SM90#Optimization2026년 10월 5일댓글 수 로딩 중
[onnxruntime] ONNX Runtime MLAS, AVX-512 NCHWc Depthwise Convolution 최적화: Sliding Window 커널 도입ONNX Runtime MLAS가 AVX-512 NCHWc Depthwise Convolution 연산에 Sliding Window 기법을 도입하여 성능을 크게 향상시킨 PR을 분석합니다.#ONNX Runtime#MLAS#AVX-512#Optimization#Depthwise Convolution#Performance2026년 10월 5일댓글 수 로딩 중
[논문리뷰] World Editing: Intervening on Executable Worlds at Increasing Depth본 논문은 현대 AI 에이전트가 세계를 생성(Generation)하거나 그 안에서 상호작용하는 능력은 크게 발전했으나, 이미 존재하는 세계를 의도적으로 수정(World Editing)하는 능력은 체계적으로 연구되지 않았다는 문제의식을 바탕으로 합니다.#Review#World Editing#Executable Worlds#Game Modding#Intervention Depth#IGMBench#Coding Agents2026년 10월 5일댓글 수 로딩 중
[논문리뷰] When to Switch: Reliable Action-Chunk Extension for Vision-Language-Action Models본 논문은 VLA 모델의 inference 비용으로 인해 발생하는 끊김 현상(stop-and-go execution)을 해결하기 위해, Action Chunking 길이를 확장할 때 발생하는 신뢰성 문제를 해결하고자 한다.#Review#Vision-Language-Action Models#Action Chunking#Subskill Transition#Transition-timing Prediction#Robotic Manipulation#Flow-matching2026년 10월 5일댓글 수 로딩 중
[논문리뷰] What Matters for Latent Reasoning with Flow Matching본 논문은 Explicit CoT가 가진 높은 생성 비용과 추론 경로의 경직성 문제를 해결하기 위해 Latent reasoning의 최적화 방법을 탐구합니다.#Review#Latent Reasoning#Flow Matching#Chain-of-Thought (CoT)#Variational Autoencoder (VAE)#Test-time Scaling2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Training Numerical Intelligence via Auto-Diagnosis and Skill Discovery본 논문은 최신 LLM 기반 과학 에이전트들이 수치 해석 솔버를 생성할 수는 있지만, 성능 저하의 근본 원인을 파악하지 못해 반복적인 시행착오(trial-and-error)에 의존한다는 문제점을 해결하고자 합니다.#Review#Numerical Intelligence#Auto-Diagnosis#Skill Discovery#Scientific Computing#AI Agents#Numerical Solvers#Power Flow2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Towards Looped Models Done Right, Part II: Rethinking at Fixed PointsLooped 모델은 재귀적으로 동일한 층을 반복 적용하여 효율성을 극대화하려 하지만, 매 재귀마다 발생하는 학습, 디코딩, 프리필(prefill) 및 강화학습(RL) 비용이 여전히 모델 확장성(scalability)의 걸림돌이 되고 있습니다 .#Review#Looped Language Models#Fixed-Point Shaping#Terminal KV Sharing#Truncated Backpropagation#Distilled Prefill#Rollout-State Reuse#Depth Prior2026년 10월 5일댓글 수 로딩 중
[논문리뷰] The Missing Primitive: Diagnosing and Repairing Mathematical Reasoning in Large Language Models본 논문은 LLM이 수학 문제를 성공적으로 해결하더라도 문제의 구조적 원리를 실제로 이해하는지, 아니면 단순히 절차적 수행(procedural execution)을 반복하는지 불분명하다는 문제를 제기합니다 .#Review#Mathematical Reasoning#Large Language Models#Mathematical Primitive#Structural Understanding#Self-Distillation#Post-Training#Knowledge Internalization2026년 10월 5일댓글 수 로딩 중
[논문리뷰] TextReg: Mitigating Prompt Distributional Overfitting via Regularized Text-Space Optimization본 논문은 LLM의 프롬프트 최적화 과정에서 발생하는 Prompt Distributional Overfitting 문제를 해결하고자 합니다. 최근의 프롬프트 최적화 기법들은 학습 과정에서 프롬프트의 길이를 무분별하게 늘리거나, 특정 사례에만 적용되는 좁은 규칙들을 누적시킴으로써 일반화 성능을 떨어뜨리는 경향이 있습니다 .#Review#Prompt Optimization#Distributional Overfitting#Representation Efficiency#Regularization#LLM#Out-of-Distribution Generalization2026년 10월 5일댓글 수 로딩 중