[논문리뷰] LMBuild: Evaluating LLM Agents for Generating Buildable and Functional Structures본 논문은 기존의 3D 생성 모델들이 주로 기하학적(geometric) 정교함이나 시각적 품질에만 집중하고 있으며, 실제 물리 세계에서 구축 가능하고 작동하는 구조를 만드는 능력은 부족하다는 문제의식에서 출발한다.#Review#LLM Agents#3D Generation#Functional Structures#Physical Realizability#Benchmark#Buildable2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation본 논문은 이미지 합성에 효과적인 Diffusion Models 및 Flow Matching 방법론이 비디오 생성으로 확장되었음에도 불구하고, 오디오와 동기화된 비디오(T2AV)를 생성하는 것이 훨씬 더 어렵다는 핵심 문제를 해결하고자 한다.#Review#Foundation Models#Text-to-Audio-Video Generation#CrossDiT#Continuous Pretraining#Reinforcement Learning#Distillation#Super-Resolution#Lip-Sync2026년 10월 5일댓글 수 로딩 중
[논문리뷰] In-Distribution Forcing for Long Video Generation at Test Time본 연구는 고품질 비디오 생성을 위한 autoregressive 모델이 훈련 범위를 벗어난 장기 생성 시 발생하는 drifting 문제를 해결하기 위해 고안되었습니다.#Review#Video Diffusion Models#Autoregressive Generation#KV Caching#Drifting#In-Distribution Forcing#Self-Caching#Long-Horizon Generation2026년 10월 5일댓글 수 로딩 중
[논문리뷰] How to Loop MoE: Flatten the Experts, Untie the Attention본 논문은 제한된 메모리와 파라미터 상황에서 모델의 연산 깊이를 효과적으로 늘리기 위한 Looped MoE 모델 설계 최적화 문제를 해결하고자 한다. 기존의 Looped MoE 연구는 고정된 레이어 구조에서 공유된 Attention과 전문가를 재사용함에 따라 성능 향상에 한계를 보인다 .#Review#Looped Transformers#Sparse Mixture-of-Experts (MoE)#Parameter Efficiency#Routing#Expert Flattening#Attention Untying2026년 10월 5일댓글 수 로딩 중
[논문리뷰] HLA-WM: Hybrid Linear Attention for Long-Horizon Video World Models본 논문은 기존의 GDN 기반 비디오 세계 모델(Video World Model)이 겪고 있는 Long-range forgetting 문제를 해결하고자 한다 .#Review#Video World Models#Linear Attention#Long-Range Memory#Gated DeltaNet#Geometry-Guided Retrieval2026년 10월 5일댓글 수 로딩 중
[논문리뷰] GeoSET: Generalist Foundation Model for SAR-to-EO Image Translation본 논문은 기존 SET 연구들이 개별 데이터셋마다 독립적인 모델을 학습해야 하는 한계점을 해결하기 위해 제안되었습니다.#Review#Foundation Model#SAR-to-EO Image Translation#Speckle-Robust Encoder#Flow Matching#LoRA#Heterogeneous Pretraining2026년 10월 5일댓글 수 로딩 중
[논문리뷰] From Knowledge Access to Source Learning: Developing Source-Specific Competence본 논문은 LLM 에이전트가 동일한 외부 소스를 반복적으로 사용함에도 불구하고, 이를 단순한 정보 검색이 아닌 '소스에 대한 전문성 학습' 기회로 활용하지 못하는 문제를 해결합니다 .#Review#Source Learning#Large Language Model Agents#Source-Specific Competence#Persistent Source Model#Self-Directed Source Learning#Task-Guided Source Learning2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Foundations of Proactive Agents: Principles, Technical Layers, and Proactivity-Gym본 논문은 현재의 LLM 기반 에이전트가 주로 사용자 요청에 수동적으로 대응하는 Reactive 상태에 머물러 있어, Proactive한 지원의 잠재력을 충분히 활용하지 못하고 있다는 문제점을 지적한다 .#Review#Proactive Agents#LLM Agents#Task Capability#Temporal Allocation#Trust#Evaluation Benchmark#Human-AI Interaction2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction본 논문은 각 쿼리에 최적화된 멀티 에이전트 시스템을 구축하는 과정에서 발생하는 비효율성 문제를 해결합니다. 기존의 방식은 고정된 워크플로우를 사용하거나, 최적의 설계를 찾기 위해 추론 단계에서 여러 후보를 실제로 실행해 보아야 하므로 높은 비용과 Latency가 발생합니다 .#Review#Multi-Agent Systems#Monte Carlo Tree Search#Agent Harness#Policy-Value Architect#Query-Adaptive#LLM Agent2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Data Unlearning via Inverse Distillation본 논문은 multi-step matching 모델이 가진 높은 inference 비용과 훈련 데이터 내의 불필요한 콘텐츠 재현 문제를 해결하기 위해 고안되었습니다.#Review#Data Unlearning#Inverse Distillation#Flow Matching#Score-based Models#One-step Generation#Generative Models2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Code2Games: Enabling Coding Agents for Gaming World Generation본 논문은 자연어 게임 의도에서 고품질의 상호작용 가능한 게임 월드를 일관성 있게 생성하는 문제를 해결하고자 합니다. 기존의 코딩 에이전트 기반 연구들은 개별 자산이나 스크립트를 생성하는 데는 성공했으나, 장면의 구조, 공간적 배치, 그리고 실행 가능한 게임 로직 간의 통합적인 일관성을 유지하는 데 한계를 보입니다 .#Review#Gaming World Generation#Coding Agents#Unreal Engine 5#Execution-Guided Reconstruction#GameCode4D#Scene-Gameplay Representation2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Certification of Real Images through Calibrated Content Authentication본 논문은 최신 생성 모델의 발전으로 인해 기존 Deepfake Detector들의 성능이 지속적으로 하락하는 문제를 해결하고자 합니다.#Review#Deepfake Detection#Content Authentication#Reconstruction Fidelity#Calibration#Plausible Deniability#Adversarial Robustness2026년 10월 5일댓글 수 로딩 중
[논문리뷰] CANOPY: Adaptive-Granularity Evidence Compression for Multimodal RAG본 논문은 Multimodal RAG 시스템에서 검색된 항목의 불필요한 정보가 LLM의 추론 성능을 저하시키는 문제를 해결하고자 합니다.#Review#Multimodal RAG#Evidence Compression#Adaptive Granularity#Hierarchical Selection#Information Retrieval#Node Encoder2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Base Models Can Reason By Taking a Cue From Training Data본 논문은 베이스 모델이 추론 능력을 발휘하는 메커니즘이, 모델 내부의 잠재적인 추론 능력보다는 학습 데이터 내에 존재하는 특정 패턴의 연상 작용에 기인한다는 가설을 증명하고자 합니다.#Review#Base Models#Reasoning#Token Cues#Reinforcement Learning#Training Data#Interpretability#Causal Intervention2026년 10월 5일댓글 수 로딩 중
[논문리뷰] ASCENT: Online Test-Time Training of Long-Horizon Agents via Self-Distillation of Verified Experience본 연구는 LLM 에이전트가 long-horizon tasks를 해결하는 과정에서 발생하는 핵심 문제를 다룬다. LLM 에이전트는 다수의 추론-액션 턴(reasoning-action turns)을 통해 태스크를 수행하지만, 최종 단계에서 단일 검증 신호(verification signal)만 받게 된다.#Review#Online Test-Time Training#LLM Agent#Self-Distillation#Verified Experience#Long-Horizon Tasks#Parametric Adaptation#LoRA2026년 10월 5일댓글 수 로딩 중
[flashinfer] FlashInfer, Kimi-K3 어텐션의 성능 최적화: SM100/SM103 아키텍처를 위한 중간 크기 라우팅 개선FlashInfer의 Kimi-K3 어텐션 커널에서 중간 크기 토큰 수에 대한 라우팅 전략을 최적화하여 성능을 향상시킨 PR 분석#FlashInfer#AI#GPU#최적화#딥러닝#어텐션 메커니즘2026년 10월 4일댓글 수 로딩 중
[sglang] SGLang FLUX 3 Action 성능 최적화: CUDA Graphs 도입을 통한 Host Launch 오버헤드 제거CUDA Graphs를 도입하여 FLUX 3 Action 모델의 VAE 인코딩 및 디노이징 단계에서 발생하는 Host Launch 병목을 해결하고 최대 11.6%의 지연 시간 개선을 달성했습니다.#SGLang#CUDA Graphs#FLUX#Performance Optimization#LLM2026년 10월 4일댓글 수 로딩 중
[sglang] [SGLang] 10초 걸리던 API를 1초로: JSON Pixel List의 NumPy 변환 최적화SGLang에서 거대 JSON 리스트가 유발하던 IPC 병목을 NumPy 변환으로 해결하여 지연시간을 86% 단축한 사례를 분석합니다.#Python#Performance#NumPy#SGLang#IPC#Optimization2026년 10월 4일댓글 수 로딩 중
[논문리뷰] World Embedding Benchmark비디오 생성 모델을 World Model로 활용하려는 노력에 있어 Physical Fidelity는 핵심적인 요소이다. 현재 비디오 생성 모델은 시각적으로는 그럴듯한 장면을 생성하지만, 물리적 상식(Physical Commonsense) 준수 측면에서는 상당한 격차가 존재한다.#Review#World Models#Video Generation#Physical Fidelity#Video Embeddings#Multimodal Learning#Physics Simulation#Retrieval-Augmented Generation2026년 10월 4일댓글 수 로딩 중
[논문리뷰] World Action Modeling with Progressive Visual Planning기존 World Action Models (WAMs)는 Dense Video Rollouts 생성의 비효율성으로 인해 Long-Horizon Prediction에 어려움을 겪고 있다.#Review#World Action Models (WAMs)#Robotic Control#Progressive Visual Planning#Visual Sub-goals#Diffusion Transformers#Long-Horizon Tasks#Out-of-Distribution Generalization#Zero-shot Learning2026년 10월 4일댓글 수 로딩 중