본문으로 건너뛰기

최신 포스트

[논문리뷰] GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis

본 논문은 실세계 작업 에이전트(Working Agents)를 학습시키기 위한 고품질의 검증 가능한 데이터 합성 파이프라인 부재 문제를 해결합니다. 기존 연구들은 가상 데이터를 생성하거나(실재성 부족), 실제 파일을 사용하더라도 체계적인 검증 루브릭이 없어 결과물의 품질을 확인하기 어렵다는 한계가 있었습니다 .
#Review#Working Agents#Evidence Graph#Workspace Synthesis#Instruction Tuning#Rejection Fine-tuning#O*NET#Verifiable Rubrics
댓글 수 로딩 중

[논문리뷰] FlexRouter: Learning Complementary Model Sets for Flexible LLM Routing

본 논문은 현대 LLM 서비스에서 독립적인 모델 스코어링 기반의 라우팅 기법들이 가진 근본적인 한계를 해결하고자 합니다. 기존 방식은 모델 간의 상호 상관관계를 무시하고 가장 높은 점수의 모델들을 선택하여, 동일한 실패 모드(failure mode)를 공유하는 중복된 모델 세트가 구성되는 문제가 발생합니다 .
#Review#LLM Routing#Determinantal Point Processes#Subset Selection#Model Complementarity#Adaptive Inference#Coverage-oriented Objective#RouterEval
댓글 수 로딩 중

[논문리뷰] E-MoE: Enhanced Mixture-of-Experts for Non-Factorized Diffusion Language Models

본 연구는 MDM에서 발생하는 Factorization Error 문제를 해결하여 특히 적은 NFE 환경에서의 생성 품질을 향상시키는 것을 목표로 합니다. 기존의 MDM은 계산 효율성을 위해 토큰 예측을 독립적으로 수행하는데, 이는 생성 시 토큰 간의 의존성을 무시하게 하여 결과물의 일관성을 저해합니다 .
#Review#Masked Diffusion Models#Mixture-of-Experts#Discrete Latent#Factorization Error#Generative Perplexity#Non-Factorized Diffusion
댓글 수 로딩 중

[논문리뷰] Do Audio LLMs Listen Before They Act? Diagnosing Acoustic-Context Gating in Voice Agents

본 논문은 현대의 Audio LLMs가 spoken command를 인식하고 tool을 호출하는 데에는 능숙하지만, 정작 해당 명령이 누구로부터 왔으며 현재 상황에서 실행하는 것이 적절한지에 대한 '상황적 판단' 능력이 부족하다는 문제를 제기합니다 .
#Review#Audio LLMs#Voice Agents#Addressedness#Acoustic-Context Gating#VGBench#Tool Use#Post-training
댓글 수 로딩 중

[논문리뷰] Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding

본 논문은 학습 기반 decentralized MAPF 모델들이 독립적인 행동 샘플링(Independent Action Sampling)으로 인해 발생하는 공동 행동의 부적합성(Incompatibility) 문제를 해결하고자 한다.
#Review#Multi-Agent Pathfinding#Decentralized Execution#Iterative Refinement#Intent Denoising#Multi-Agent Reinforcement Learning#MICPO
댓글 수 로딩 중

[논문리뷰] CorrGRPO: Correlation-Normalized GRPO for Multi-Reward Learning

본 논문은 Multi-Reward 학습 시 GRPO가 보상 스케일과 상관관계(Correlation)를 동일한 방식으로 처리하여 발생하는 불균형 문제를 해결하고자 합니다. 기존 GRPO는 합산된 보상의 분산을 정규화 분모로 사용하는데, 이 분산은 개별 보상의 Covariance 총합으로 표현됩니다.
#Review#GRPO#Multi-Reward Learning#Pearson Correlation#Advantage Estimation#Reinforcement Learning#Alignment
댓글 수 로딩 중

[논문리뷰] AutoDataBench: A Data-centric Testbed for Accelerating Auto Research

본 논문은 현재의 Auto Research 벤치마크들이 훈련 프레임워크, 하이퍼파라미터, 컴퓨팅 자원 등 다양한 성능 개선 요소를 혼재시켜, 에이전트가 데이터 개선(Data Intelligence)에 얼마나 효과적인지 파악하기 어렵다는 문제에서 출발한다 .
#Review#AutoDataBench#Data Intelligence#LLM Benchmarking#Auto Research#Data-centric AI#Iterative Experimentation
댓글 수 로딩 중