[논문리뷰] Robostral Navigate본 논문은 기존 embodied navigation 시스템들이 고비용 센서(Depth, LiDAR 등)와 환경별 보정(Calibration)에 과도하게 의존하는 문제를 해결하고자 한다. 이러한 의존성은 다양한 하드웨어 및 환경으로의 확장성을 저해하며, 결과적으로 일반화 능력을 제한한다.#Review#Vision-Language Model#Embodied Navigation#Pointing-based Navigation#Prefix-Caching#Reinforcement Learning#Cross-Robot Generalization2026년 7월 23일댓글 수 로딩 중
[논문리뷰] ReferTrack: Referring Then Tracking for Embodied Visual Tracking본 논문은 Embodied Visual Tracking (EVT) 분야에서 추상적인 공간 Latent를 통한 추론이 실제 이미지 기반 탐지와 불일치하는 문제를 해결하고자 합니다.#Review#Embodied Visual Tracking#Vision-Language-Action Models#Referring Expression#Target Identification#Trajectory Planning#Spatiotemporal Grounding2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Recurrent Sinusoidal INRs for Efficient High-Fidelity Representation본 논문은 기존의 coordinate-based MLP 기반 INR 모델이 직면한 spectral bias 문제와 모델 효율성 한계를 해결하고자 합니다. 기존 연구들은 고주파수 정보를 학습하기 위해 모델의 깊이를 늘리거나 복잡한 인코딩을 도입하지만, 이는 곧 파라미터 수와 계산 복잡도의 증가로 이어집니다.#Review#Implicit Neural Representations#Sinusoidal Recurrence#Harmonic Line Spectrum#Coordinate-based MLPs#Binarized Supervision2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Predictive Divergence Masks for LLM RL본 논문은 LLM RL에서 기존 PPO 스타일의 Direction criterion이 갖는 근본적인 불일치 문제를 해결하고자 합니다.#Review#LLM RL#Trust Region#Predictive Divergence Mask#Policy Optimization#Softmax Policy#Direction Criterion2026년 7월 23일댓글 수 로딩 중
[논문리뷰] NVIDIA-labs OO Agents: Native Python Object-Oriented Agents본 논문은 기존의 에이전트 개발 방식이 프롬프트, 툴 스키마, 워크플로우 그래프 등으로 파편화되어 있어, 개발자에게 새로운 프로그래밍 모델 학습을 강요하고 에이전트의 테스트 및 디버깅을 어렵게 만든다는 점을 문제로 지적합니다.#Review#Object-Oriented Agents#AI Agents#Python Framework#CodeAct#LLM#Agentic Loop#Software Engineering2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Multi-Turn On-Policy Distillation with Prefix Replay본 논문은 에이전트 기반 학습(Agentic Tasks)에서 Multi-Turn On-Policy Distillation (OPD)이 겪는 높은 비용과 효율성 문제를 해결하고자 합니다. 기존 OPD는 매 업데이트마다 학생 모델이 환경과 상호작용하고 교사 모델을 조회해야 하므로, 환경 배포 및 추론 비용이 매우 높습니다 .#Review#On-Policy Distillation#Knowledge Distillation#Multi-Turn#Agentic Tasks#Prefix Replay#Distribution Shift2026년 7월 23일댓글 수 로딩 중
[논문리뷰] LLMs Get Lost in Evolving User Intent본 연구는 대부분의 LLM 평가가 정적인 단일 턴 질의응답 환경에 국한되어 있어, 실제 사용자와의 역동적인 상호작용 능력을 제대로 측정하지 못한다는 한계점을 지적합니다.#Review#LLM#Agentic Interaction#Evolving User Intent#Multi-turn Evaluation#Benchmark#POMDP2026년 7월 23일댓글 수 로딩 중
[논문리뷰] K12-KGraph: A Curriculum-Aligned Knowledge Graph for Benchmarking and Training Educational LLMs본 논문은 기존 교육 벤치마크들이 LLM의 단순한 '사실 회상(factual recall)' 능력만을 측정할 뿐, 교육 과정의 구조적 이해인 Curriculum Cognition을 간과하고 있다는 문제를 제기한다 .#Review#Educational LLMs#Knowledge Graph#Curriculum Cognition#Instruction Tuning#Multimodal Learning#K-12 Education2026년 7월 23일댓글 수 로딩 중
[논문리뷰] GraphVid: Interactive Graph-Controllable Video GenerationGraphVid는 기존의 trajectory-based 혹은 단순 텍스트 기반 비디오 생성 모델이 가진 복잡한 다중 객체 상호작용 제어의 어려움을 극복하기 위해 제안되었습니다.#Review#Graph-Controllable Video Generation#Scene Graphs#Edge-Aware Graph Reasoning#Interaction-Centric#Diffusion Transformer#LoRA#LTX-Video2026년 7월 23일댓글 수 로딩 중
[논문리뷰] FinanceComplexQA: Benchmarking Agentic Reasoning on Industrial-grade Financial Documents본 논문은 금융 도메인에서 LLM 기반 시스템의 복잡한 추론 능력을 평가할 수 있는 신뢰성 있는 벤치마크의 부재 문제를 해결하고자 한다. 기존의 금융 QA 벤치마크들은 주로 단편적인 데이터나 단순화된 표 해석에 집중하여, 실제 금융 현장의 복잡한 문서 구조와 고도화된 분석 요구사항을 충분히 반영하지 못하는 한계가 있다.#Review#Agentic Reasoning#Financial Document QA#Benchmark#Finance-LaTeX#Dual-Context Reasoning#Cross-Layout Reasoning#RAG#Agent-as-a-Judge2026년 7월 23일댓글 수 로딩 중
[논문리뷰] Color Pass-Through via Camera-Display Coupling본 논문은 실세계 장면을 카메라로 캡처하여 디스플레이로 볼 때 발생하는 색상, 밝기, 대비의 왜곡 문제를 해결하고자 합니다.#Review#Color Pass-Through#Camera-Display Coupling#Metamerism#Color Constancy#End-to-End Optimization#Computational Photography2026년 7월 23일댓글 수 로딩 중
[논문리뷰] AREX: Towards a Recursively Self-Improving Agent for Deep Research본 논문은 심층 연구(Deep Research) 과정에서 발생하는 정보 탐색과 검증 간의 불균형 및 장기 탐색의 효율성 문제를 해결하고자 합니다 . 기존 연구 시스템은 단순한 탐색 시간 확장이나 문맥 누적에 의존하여, 초기 단계의 오류가 증폭되거나 중복된 탐색이 반복되는 한계가 있습니다.#Review#Deep Research#Recursively Self-Improving#Agentic Mid-training#Reinforcement Learning#Context-Update#Discovery-Verification Asymmetry2026년 7월 23일댓글 수 로딩 중
[ray] Ray Serve LLM 인그레스 최적화: 로컬 라우팅을 통한 병목 현상 제거단일 글로벌 라우터의 병목을 해결하기 위해 HAProxy와 동일 노드에 위치한 라우터로 요청을 분산하고 가용성을 높이는 아키텍처 개선 사항을 분석합니다.#Ray#Ray Serve#LLM#HAProxy#Optimization#Distributed Systems2026년 7월 22일댓글 수 로딩 중
[hermes-agent] SQLite FTS5 최적화: CJK Bigram 인덱싱으로 검색 성능 개선하기SQLite FTS5의 CJK 언어 검색 한계를 극복하기 위해 커스텀 토크나이저를 도입하여 검색 속도를 획기적으로 개선했습니다.#SQLite#FTS5#Performance#CJK#Database2026년 7월 22일댓글 수 로딩 중
[flashinfer] FlashInfer MoE All-to-All 최적화: TRT-LLM의 성능 비결을 파헤치다FlashInfer의 MoE All-to-All 통신 최적화 PR을 통해 TRT-LLM의 성능 개선 기법을 분석합니다.#FlashInfer#MoE#All-to-All#CUDA#GPU Optimization#TensorRT-LLM#FP8#PDL2026년 7월 22일댓글 수 로딩 중
[vllm] vLLM의 /derender 엔드포인트 성능 개선: CPU 작업 오프로딩으로 이벤트 루프 차단 문제 해결vLLM의 /derender 엔드포인트에서 발생하는 CPU 집약적 작업을 별도 스레드 풀로 오프로딩하여 이벤트 루프 차단을 해결하고 응답성을 개선했습니다.#vLLM#성능 최적화#비동기 프로그래밍#멀티스레딩#Python2026년 7월 22일댓글 수 로딩 중
[vllm] vLLM DeepSeek-V4 최적화: 불필요한 커널 실행 제거를 통한 성능 향상DeepSeek-V4의 SparseAttnCompressC128 커널 실행 전 경계 조건을 미리 확인하여 불필요한 연산을 건너뜀으로써 성능을 약 2배 개선했습니다.#vLLM#DeepSeek-V4#CUDA#KernelOptimization#Performance2026년 7월 22일댓글 수 로딩 중
[논문리뷰] Train the Model, Not the Reader: Decodability Supervision for Verifiable Activation Explanations본 논문은 현재의 NLA가 모델의 내부 상태를 해석하는 데 있어 '충실도(Faithfulness)'를 보장하지 못한다는 구조적 결함을 해결하고자 합니다. 기존 연구들은 Reconstruction 점수를 신뢰성 지표로 사용하지만, 저자들은 이 점수가 실제 모델의 내부 정보를 정확히 반영하지 않는다는 점을 증명합니다.#Review#Natural-Language Autoencoders#Activation Explanations#RECAP#Faithfulness#Decodability Supervision#AI Safety2026년 7월 22일댓글 수 로딩 중
[논문리뷰] Trace: A Taxonomy-Guided Environment for Multidomain Visual Reasoning본 논문은 기존의 시각적 추론 학습 방식이 대규모 데이터셋에 의존하거나 특정 도메인에 국한되어, 범용적이고 재현 가능한 추론 데이터의 부족이라는 한계에 직면해 있음을 지적합니다. 특히 복잡한 시각적 과제에서 학습 데이터의 다양성과 정확한 검증 가능성을 동시에 확보하는 것이 현재 VLM 연구의 핵심 병목 구간입니다 .#Review#Visual Reasoning#Reinforcement Learning#Verifiable Rewards#Multidomain#Taxonomy-Guided#Procedural Generation2026년 7월 22일댓글 수 로딩 중
[논문리뷰] Self Gradient Forcing: Native Long Video Extrapolation본 논문은 Autoregressive Video Diffusion 모델에서 장시간 영상 생성 시 발생하는 일관성 저하 문제를 해결하고자 합니다.#Review#Autoregressive Video Diffusion#Self Gradient Forcing#Historical Context-Gradient Gap#DMD#Long-Horizon Extrapolation#KV Cache#Two-pass Training2026년 7월 22일댓글 수 로딩 중