[논문리뷰] Synthetic Pre-pretraining Survives Scale, but Not as a Grammatical Prior본 논문은 기존의 PPT 연구가 소규모 모델(≤1B 파라미터)과 제한된 학습 예산(≤2B 토큰) 하에서만 수행되었다는 한계에 주목합니다 . 저자들은 PPT의 성능 향상 효과가 더 큰 모델 스케일과 실제 환경의 다양한 데이터 혼합물(code, math 포함)에서도 지속되는지 확인하고자 합니다.#Review#Pre-pretraining#Large Language Models#Token Efficiency#Long-range Retrieval#Grammatical Prior#Model Scaling#Synthetic Data2026년 9월 30일댓글 수 로딩 중
[논문리뷰] SkillSeek: Revisiting Agent Skill Retrieval at Marketplace Scale본 논문은 오픈소스 에이전트 스킬 풀이 23만 개 이상으로 확장됨에 따라, 적절한 스킬을 선택하는 문제가 성능의 핵심 병목이 되었음을 지적한다.#Review#Agent Skills#Information Retrieval#Reranker#LLM Agent#Marketplace Scale#Tool-REX2026년 9월 30일댓글 수 로딩 중
[논문리뷰] SeLMRoute: Probabilistic Semantic Evidence for Large Language Model Routing본 논문은 기존의 LLM 라우터들이 Query의 표현(Representation)을 고정된 Embedding이나 단순한 Domain Label에 의존하여, 실제 Query가 요구하는 복잡한 과업 요건을 명확히 설명하지 못한다는 점을 지적합니다.#Review#Large Language Models#Model Routing#Decision Models#Probabilistic Representations#Interpretable Machine Learning#Semantic Evidence2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Scaling Laws for Looped Mixture of Experts본 논문은 Recurrence(Looped)와 Sparsity(MoE)를 결합한 모델의 공동 스케일링 특성을 규명하여 더욱 효율적인 모델 설계 가이드를 제공하고자 합니다.#Review#Looped Transformers#Mixture-of-Experts#Scaling Laws#Recurrence#Sparsity#Parameter Efficiency#Compute-Optimal2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Rubric Rewards from Item Response Theory본 논문은 정답이 고정되지 않은 복잡한 언어 태스크에서 Rubric 기반 보상 합산 방식의 구조적 한계를 해결하고자 합니다.#Review#Reinforcement Learning#Rubric Response Theory#Item Response Theory#Criterion Selection#Fisher Information#Reward Inference#Large Language Models2026년 9월 30일댓글 수 로딩 중
[논문리뷰] RoboCoach: World Models as Active Coaches for Compositional Robot Skills본 논문은 긴 호흡의 로봇 조작(Long-horizon robot manipulation) 작업에서 효율적인 정책 개선이 어렵다는 문제를 해결하고자 합니다.#Review#RoboCoach#World Models#Compositional Robot Skills#Active Coaching#Policy Improvement#Imitation Learning#Modular Adaptation2026년 9월 30일댓글 수 로딩 중
[논문리뷰] RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement본 논문은 LLM 기반의 자율적 게임 생성 모델이 단순 플레이 가능한 수준을 넘어, 고품질의 완성도 높은 게임을 생성하는 데 직면한 한계를 해결하고자 한다. 기존의 단순 반복적인 생성 방식은 소수의 테스트 케이스에만 Overfit되어, 복잡한 버그 해결 실패나 플레이어 상호작용에 대한 일반화 부족이라는 문제를 야기한다 .#Review#Agentic Game Development#Recursive Self-improvement#Large Language Models#Training-Free Optimization#Experience Internalization#GameCraft-Bench2026년 9월 30일댓글 수 로딩 중
[논문리뷰] PivotOPD: Learning to Recover from Pivotal Mistakes in Multi-Turn Agents본 논문은 멀티 턴 에이전트의 학습 과정에서 발생하는 오류 누적(Error Accumulation) 문제를 해결하고, 특히 치명적인 실수 이후의 회복 능력을 개선하고자 합니다 .#Review#Multi-turn Agents#On-policy Distillation#Pivotal Mistake#Recovery Distillation#Language Agents#Reinforcement Learning2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Physis-Lang: Self-Evolving Language as a Physical Representation for Video World Model본 논문은 기존 비디오 월드 모델이 시각적으로는 그럴듯해도 물리 법칙을 빈번히 위반하는 문제를 해결하고자 합니다. 기존 연구들은 물리적 지식을 주입하기 위해 외부 시각 정보, 수치, 혹은 계획 기반 신호를 추가하는 방식을 택했으나, 이는 시스템의 복잡성을 높이고 일반화 성능을 제한합니다.#Review#Video World Models#Physical Plausibility#Self-Evolving Framework#Physics-Aware Representation#Agentic Loop#PhysCapBench2026년 9월 30일댓글 수 로딩 중
[논문리뷰] OSWorld-Science: A Benchmark of Computer Use Agents for Learning and Using Scientific Software본 연구는 기존의 범용 CUA 벤치마크가 과학 연구 분야의 특수한 인터페이스와 복잡한 워크플로우를 충분히 평가하지 못한다는 한계를 극복하기 위해 설계되었습니다. 과학적 소프트웨어는 고도의 도메인 지식과 정밀한 인터페이스 조작을 요구하며, 단순히 질문에 답하는 LLM 에이전트와는 차별화된 능력이 필수적입니다.#Review#Computer-using Agents#Scientific Software#Benchmark#Multimodal Foundation Models#Task-specific Evaluation#Artifact-based Grading2026년 9월 30일댓글 수 로딩 중
[논문리뷰] More Choices, Fewer Decisions: Ordinal-Scale Bias in JEV-like Direct-Decision Models본 연구는 JEV와 같은 Direct-decision models가 높은 Accuracy를 보임에도 불구하고, 사용자가 정의한 Ordinal-scale을 충분히 활용하지 못하는 신뢰성 문제를 해결하고자 합니다.#Review#Direct-decision models#Ordinal-scale bias#Candidate-space compression#Effective support#BA-LoRA2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Mitigating the Length-Scaling Tax with Online Distillation본 논문은 LLM의 RLVR 사후 학습 과정에서 발생하는 불필요한 응답 길이 증가 문제를 해결하고자 합니다. 기존 연구들은 추론 역량 강화의 신호로 응답 길이 성장을 긍정적으로 보았으나, 저자들은 이미 잘 해결되는 쉬운 문제들조차 RL 업데이트 과정에서 불필요하게 길어지는 LST를 확인했습니다 .#Review#Length-Scaling Tax#Reinforcement Learning#Online Distillation#Reasoning Efficiency#Chain-of-Thought#Policy Gradient#Post-training2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents본 논문은 Terminal Agent의 Action 생성 능력이 높더라도 실제 실행 시 발생하는 오류가 Trajectory 성공률을 크게 저해하는 문제를 해결하고자 합니다.#Review#Terminal Agents#Test-time Compute#Action Verification#Action Scaling#Trajectory Scaling#Verifier Distillation2026년 9월 30일댓글 수 로딩 중
[논문리뷰] LoopVL: Recurrent Visual Intelligence본 논문은 recurrent computation을 비전-언어 모델에 효과적으로 확장하여 연산 효율성과 추론 성능을 극대화하는 것을 목적으로 합니다. 기존의 독립적인 Transformer 레이어 스택은 모델의 깊이를 늘리기 위해 파라미터 수를 비례적으로 증가시켜야 하는 한계가 있습니다.#Review#Recurrent Transformers#Vision-Language Models#LoopVL#Parameter Efficiency#Multimodal Reasoning#Visual Aha Moment2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI본 논문은 에이전트의 수행 능력이 모델의 추론 능력뿐만 아니라 그가 활동하는 환경(harness)에 의해 결정된다는 점에 주목하여, 모델 가중치 고정 상태에서 Builder가 더 나은 실행 환경을 구축하도록 학습하는 문제를 정의한다.#Review#AI4AI#Test-Time Adaptation#Meta-Skills#Agentic Systems#Harness Construction#Self-Improvement2026년 9월 30일댓글 수 로딩 중
[논문리뷰] It's Not What the Image Shows: Irrelevant Context Destabilises VLM Judges Without Informing Them본 논문은 VLM이 인간 어노테이터를 대체하는 상황에서, 과업 수행과 무관한 배경 이미지(Irrelevant Context)가 모델의 판단 결과에 의도치 않은 영향을 미치는 문제를 해결하고자 합니다.#Review#Vision-Language Models#LLM-as-a-judge#Substitutability#Context Sensitivity#Idiomatic Expression#Stress Test2026년 9월 30일댓글 수 로딩 중
[논문리뷰] I Have a Stream: Making Self-Supervised Learning Work on Continuous Video본 논문은 일반적인 Self-Supervised Learning(SSL)이 전제하는 i.i.d.(independent and identically distributed) 환경과 달리, 실제 비디오 스트림은 시간적 순서가 강하게 보존되어 있으며 높은 중복성을 가진다는 문제에 주목합니다.#Review#Self-Supervised Learning#Continuous Video Streams#StreamMAE#Masked Autoencoders#Intra-batch Similarity2026년 9월 30일댓글 수 로딩 중
[논문리뷰] False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents본 논문은 Self-evolving search agents에서 나타나는 'Co-cheating'이라는 새로운 실패 모드를 식별하고 이를 해결하는 것을 목표로 한다 .#Review#Self-Evolving Agents#Search Agents#Co-Cheating#Cross-Fitting#Reward Shaping#Curriculum Learning2026년 9월 30일댓글 수 로딩 중
[논문리뷰] EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific DiscoveryLLM 기반의 진화적 탐색(Evolutionary Search)은 외부 지식이 필요한 경우에 정체되는 한계를 보입니다. 기존 연구들은 웹 검색 도구를 단순 삽입하는 방식을 취하지만, 이는 솔루션이 변경되어도 동일한 페이지를 반복적으로 참조하는 비효율성을 야기하며 탐색 과정을 고착화합니다 .#Review#Scientific Discovery#Large Language Models#Evolutionary Search#Bilevel Optimization#Web Searching#Query Evolution2026년 9월 30일댓글 수 로딩 중
[논문리뷰] DyRAD: Radar Novel View Synthesis for Dynamic Driving Scenes본 논문은 자율주행 시스템의 폐루프 평가(Closed-loop evaluation)를 위해 실제 주행 경로를 벗어난 환경에서도 레이더 데이터를 정확하게 재구성할 수 있는 새로운 NVS 프레임워크를 제안한다.#Review#Radar#Novel View Synthesis#Dynamic Driving Scenes#Doppler#Point-Spread Function#Neural Rendering#Autonomous Driving2026년 9월 30일댓글 수 로딩 중