[논문리뷰] Imprint Reader: From Weight-Update Readout to Behavioral Intervention본 논문은 현재 Large Language Models (LLMs)이 자신들의 학습 과정을 인간처럼 성찰하거나, parameter level에 남아있는 learning trace를 직접적으로 해석할 수 없다는 문제점을 제기합니다.#Review2026년 9월 28일댓글 수 로딩 중
[논문리뷰] How Far Are We from Removing the Visual Encoder? Scaling Laws for Encoder-Free Multimodal Pretraining본 논문은 Visual Encoder 유무에 따른 MLLM의 스케일링 거동 차이를 체계적으로 규명하고, Encoder-Free 아키텍처가 거대 모델 스케일에서 실질적인 대안이 될 수 있는지 분석합니다 .#Review#Encoder-Free MLLM#Scaling Laws#Multimodal Pretraining#Compute-Optimal Allocation#Vision-Specific Adaptation#IsoFLOP Profiles2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Hard Vision, Easy Vision: What GPT-6 Astra Reveals Across Computer Vision본 연구는 frontier general-purpose systems의 부상에 따른 컴퓨터 비전 분야의 변화하는 landscape를 이해하는 것을 핵심 문제로 다룹니다.#Review#GPT-6 Astra#Computer Vision#Multimodal LLMs#Frontier Models#Visual Reasoning#Structured Prediction#General-purpose AI2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL현재 코드 에이전트 Reinforcement Learning (RL)은 주로 실행 가능한 테스트를 통해 binary rewards를 제공한다.#Review#Reinforcement Learning#Code Agents#Agentic Grading#Advantage Redistribution#Implementation Quality#Credit Assignment#DeepSWE#SWE-bench Pro2026년 9월 28일댓글 수 로딩 중
[논문리뷰] GeoVerse: World-Consistent Novel View Synthesis in Geometric Latent Space본 연구는 기존 Novel View Synthesis (NVS) 기술이 직면한 기하학적 일관성과 상세한 생성 품질 사이의 불균형을 해결하기 위해 고안되었습니다.#Review#Novel View Synthesis#Geometric Latent Diffusion#Spatial Memory#Video Generative Prior#Few-Step Inference2026년 9월 28일댓글 수 로딩 중
[논문리뷰] FlowTool: Controlling Tool Parameter in Image Retouching via Flow Matching현재 tool-based image editing의 주류인 autoregressive MLLMs 접근 방식은 Image Retouching (IR) 문제와 근본적인 불일치를 보입니다.#Review2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Fewer Tokens, More Self-Teaching: On-Policy Self-Distillation for Extreme Visual Token Reduction본 논문은 극한의 visual token 압축(예: 5% 보존) 상황에서 발생하는 예측 분포 불일치 문제를 해결하고자 합니다.#Review#Multimodal Large Language Models#Visual Token Reduction#On-Policy Self-Distillation#Curriculum Learning#Efficiency2026년 9월 28일댓글 수 로딩 중
[논문리뷰] EmbodiedMemory-Bench: Benchmarking Embodied Memory for Long-Horizon Embodied Tasks본 논문은 현재 Embodied Agent들이 Long-Horizon Embodied Interaction 시 Memory를 안정적으로 유지하는 데 어려움을 겪는다는 핵심 문제를 제기합니다.#Review#Embodied Memory#Long-Horizon Tasks#Benchmarking#MLLMs#World State Tracking#External Memory Systems#Embodied AI2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Duplex-MPE: Benchmarking Multi-Party Interaction in Full-Duplex Dialogue본 논문은 기존의 풀-듀플렉스(full-duplex) 음성 모델 벤치마크가 다자간 대화(multi-party dialogue) 환경에서 어시스턴트의 선별적 참여(selective participation) 능력을 충분히 평가하지 못하는 문제를 제기한다.#Review#Full-Duplex Dialogue#Multi-Party Interaction#Benchmark#Speech Control#Addressee Recognition#Silence Preservation#Turn-Taking#Conversational AI2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Diffusion Reward Models본 논문은 기존 Reward Model(RM)들이 인간 선호도의 본질적인 Multimodality를 제대로 반영하지 못하는 문제점을 지적합니다.#Review#Diffusion Reward Model#Conditional Density Estimation#Multimodal Reward#RLHF#Diffusion Transformer#Human Preference#Reward Modeling2026년 9월 28일댓글 수 로딩 중
[논문리뷰] DepthBench: Measuring How Residual Connections Enable More Computational Depth본 논문은 Transformer에서 Depth 스케일링이 연산 Capacity를 증가시키는 근본적인 방법임에도 불구하고, 현재 LLM들이 Curse of Depth 문제로 인해 아키텍처적 Depth 증가가 효과적인 Computational Depth로 이어지지 않는다는 문제의식에서 출발합니다.#Review#Computational Depth#Residual Connections#Transformer Architectures#Width-Depth Aspect Ratio#DepthBench#Layer Utilization#Pre-training Loss2026년 9월 28일댓글 수 로딩 중
[논문리뷰] CompoWorld: Compositional Environment Scaling for General Agents본 논문은 대규모 언어 모델(LLM) 에이전트 훈련을 위한 환경 스케일링의 핵심적인 문제를 해결하고자 합니다. 기존의 접근 방식은 주로 단일 환경 내에서 작업을 생성하여 에이전트에게 상호작용 데이터를 제공했지만, 실제 워크플로우는 에이전트가 여러 서비스에 걸쳐 정보와 행동을 연결하는 복합적인 능력을 요구합니다.#Review#Compositional Environment Scaling#General Agents#Reusable Services#Cross-Environment Tasks#Supervised Fine-tuning (SFT)#Reinforcement Learning (RL)#Completion-Focused Rubric Reward2026년 9월 28일댓글 수 로딩 중
[논문리뷰] CoWindow Attention: Full Causal Coverage Is a Collective PropertyLong-context full attention (FullAttn)은 IO-efficient dense kernels을 사용함에도 불구하고 상당한 redundant computation 및 memory traffic을 발생시키며, 저자들은 이 문제를 해결하고자 한다.#Review#CoWindow Attention#Sparse Attention#Causal Coverage#Long-Context LLMs#Training Efficiency#Inference Latency#Tensor Parallelism2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Change the Product, Keep the Parameters: Associative Algebra Layers for Transformers본 연구는 Transformer의 학습된 가중치를 유지하면서도 연산 복잡도를 줄일 수 있는 더 효율적인 행렬 곱셈 규칙을 탐색하고자 한다.#Review#Transformer#Associative Algebra#Matrix Multiplication#Bilinear Rank#Inference Throughput#Computational Complexity#Feed-Forward Network2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Beyond Teacher Assignment: Domain-Normalized Multi-Teacher On-Policy DistillationLarge Language Models (LLMs)의 post-training 과정에서 reinforcement learning (RL)을 통해 수학, 코딩, instruction following (IF)과 같은 특정 기술에 특화된 specialists를 생성할 수 있지만, 사용자들은 이 모든 기술을 통합한 단일 모델을 필요로 한다.#Review#Reinforcement Learning#Multi-Teacher Distillation#On-Policy Distillation#Domain Normalization#Language Models#Capability Integration#Feedback Scaling#Log-Ratio Spread2026년 9월 28일댓글 수 로딩 중
[논문리뷰] BaRe-Mem: Bayesian Reliability Memory for Robust and Adaptive Agent Consultation본 논문은 멀티 에이전트 시스템에서 상담원의 역량이 작업마다 다르며, 특히 Misleading Information이 상담 결과에 악영향을 미치는 문제를 해결하고자 합니다. 기존의 단순 상담 방식은 상담원이 잘못된 정보를 제시할 경우 중앙 모델(Central Model)의 자율적인 판단력까지 저해하는 한계가 있습니다.#Review#Multi-agent Systems#Bayesian Reliability#Agent Consultation#Robustness#Adaptive Reasoning#Online Learning2026년 9월 28일댓글 수 로딩 중
[논문리뷰] An RL View of OPD: Least Square Policy Distillation for Sample-Efficient LLM Reasoning본 논문은 기존 OPD 방식이 갖는 낮은 샘플 효율성과 탐색 제한 문제를 해결하는 것을 목표로 합니다. 기존의 PPO 기반 OPD 구현은 매번 새로운 롤아웃(rollout)을 생성해야 하는 온-정책(on-policy) 특성으로 인해 학습 시간이 길고 데이터 재사용이 불가능하다는 한계가 있습니다.#Review#Large Language Models#On-Policy Distillation#Reinforcement Learning#Least-Square Policy Distillation#Off-policy Learning#KL-regularization#Sample Efficiency2026년 9월 28일댓글 수 로딩 중
[논문리뷰] AdaTutoRank: Learning to Rerank Document Sets via Adaptive Tutoring Optimization for RAG and Deep Research기존 Document Reranker들은 주로 개별 문서의 Relevance 매칭에 기반하여 상위 k개의 문서를 선택하며, 이로 인해 Downstream Model (예: RAG 시스템이나 Deep Research Agent)에 전달되는 문서 Set은 Completeness, Complementarity, Non-Redundancy 등 복합적인 정보 요구를 충족하지 못하는 한계가 있습니다.#Review#Setwise Reranking#Adaptive Tutoring Optimization#RAG#Deep Research#Rubrics#Reinforcement Learning#Distillation#Document Selection2026년 9월 28일댓글 수 로딩 중
[flashinfer] FlashInfer SM110 XQA 최적화: register_mma_split 도입으로 FP16 Paged Attention 성능 향상NVIDIA Thor GPU를 위한 새로운 register_mma_split 커널을 도입하여 FP16 Paged KV 캐시 환경에서 최대 1.08배 성능 향상을 달성했습니다.#FlashInfer#CUDA#GPU#Attention#Optimization#SM1102026년 9월 27일댓글 수 로딩 중
[flashinfer] FlashInfer, Qwen3-30B 모델의 성능 향상을 위한 CUDA 커널 최적화: L2 캐시 힌트 도입FlashInfer의 Qwen3-30B 모델 추론 성능을 향상시킨 CUDA 커널 최적화 분석#CUDA#Optimization#Deep Learning#LLM#FlashInfer#Qwen3-30B2026년 9월 27일댓글 수 로딩 중