[논문리뷰] SpectralShift: Effective Context Window Extension of Gated DeltaNet via Spectral Reparameterization본 논문은 현대 LLM에서 요구되는 긴 컨텍스트 처리를 위해 Gated DeltaNet의 컨텍스트 윈도우를 확장하는 과정에서의 근본적인 한계를 해결하고자 한다.#Review#Gated DeltaNet#Long-Context Extension#Spectral Reparameterization#Continual Pretraining#Linear Attention#Spectral Dynamics#Information Decay2026년 9월 16일댓글 수 로딩 중
[논문리뷰] ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments본 논문은 과학적 소프트웨어의 방대한 지식과 전문성을 AI 에이전트가 학습할 수 있는 형태로 변환하지 못하는 Scientific Experience Bottleneck 문제를 해결하고자 합니다.#Review#Scientific Codebase#Agent Learnable Environments#Scientific Intelligence#Reinforcement Learning#Supervised Fine-tuning#Executable Verification2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Rethinking Critic Learning in PPO: Understanding and Mitigating Value Flattening본 논문은 대규모 언어 모델(LLM)의 PPO 학습 과정에서 critic이 겪는 Value Flattening 현상을 분석하고 이를 해결하고자 합니다.#Review#Proximal Policy Optimization#Reinforcement Learning#Large Language Models#Value Flattening#Sparse Supervision#Critic Learning2026년 9월 16일댓글 수 로딩 중
[논문리뷰] ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks본 논문은 기존의 Coding agent 평가 방식이 가진 정적인 문제 정의의 한계를 극복하고, 실제 소프트웨어 개발 환경과 유사한 Reference-guided 환경을 도입하고자 합니다 .#Review#Software Engineering#Coding Agents#Web Applications#Program Distillation#Reference-Guided#Benchmark2026년 9월 16일댓글 수 로딩 중
[논문리뷰] PANORAMA: Panoptic Grounded Captioning via Mask Proposal Selection본 논문은 기존의 Grounded Captioning 모델들이 가지는 정밀한 영역 분할(Segmentation)과 텍스트 생성 간의 불일치 문제를 해결하고자 합니다. 기존 연구들은 주로 Bounding Box에 의존하여 객체의 형태를 정교하게 묘사하지 못하거나, 고정된 객체만을 인식하는 한계가 있었습니다.#Review#Panoptic Grounded Captioning#Mask Proposal Selection#Vision-Language Models#Panoptic Segmentation#Object-Centric Representation#Grounding2026년 9월 16일댓글 수 로딩 중
[논문리뷰] LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence본 논문은 구조화된 데이터(Structured Data)를 범용적으로 학습하고 추론하는 인공지능 모델의 개발을 목표로 합니다. 기존 연구(PFN 등)는 데이터셋 내 특정 타겟 컬럼을 예측하는 p(y|x, D_context) 최적화에 국한되어 있어, 변수 간의 복잡한 공동 분포를 포착하는 데 한계가 있습니다.#Review#Contextual Mechanism Networks#Structured-Data Intelligence#In-context Learning#Context-Conditional Masked Modeling#Structural Causal Models#Tabular Foundation Models2026년 9월 16일댓글 수 로딩 중
[논문리뷰] In-Context Robot Learning with VLM Agents본 연구는 대규모 로봇 학습 데이터셋 확보의 어려움과 새로운 태스크에 대한 로봇의 낮은 Generalization 성능 문제를 해결하고자 합니다. 기존의 로봇 학습 방식은 특정 작업에 대해 방대한 양의 Fine-tuning 데이터를 요구하며, 이는 계산 비용과 시간 측면에서 비효율적입니다.#Review#Vision-Language Model#In-Context Learning#Robot Learning#Policy Optimization#Few-Shot Learning#Embodied AI2026년 9월 16일댓글 수 로딩 중
[논문리뷰] HypoEvolve: Genetic Algorithms Enable Multi-Agent LLMs to Discover Scientific Hypotheses본 논문은 다양한 형태의 agent collaboration이 과학적 가설의 품질에 미치는 영향을 명확히 이해하고자 합니다.#Review#Scientific Hypothesis Discovery#Multi-Agent LLMs#Genetic Algorithms#Drug Repurposing#Population Search#Comparative Fitness#Evolutionary Search#AI Research Teams2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Gaze as Evidence for Common Grounding: A Cross-Corpus Analysis of MapTask and MUNDEX죄송합니다. 요청하신 논문(arXiv:2609.18011)은 현재 외부 접근이 제한된 상태이거나, 공개된 HTML 페이지를 통해 내용을 추출할 수 없는 것으로 확인됩니다. 해당 URL에 대한 기술적인 접근이 불가능하여 논문의 상세 내용, Figure 정보 등을 파악할 수 없습니다.#Review2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Flattening Every Memory Peak in Long-Context Mixture-of-Experts Training본 연구는 Long-Context 환경에서 MoE 모델을 학습할 때 발생하는 Memory Peak 현상이 모델 확장성을 심각하게 저해하는 문제를 해결하고자 합니다.#Review#Mixture-of-Experts#Long-Context#Memory Optimization#Activation Checkpointing#Gradient Sharding#Training Efficiency2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Fathom: Per-Query Read Depth for Sparse Decoding over Offloaded KV Caches본 연구는 고성능 LLM inference 환경에서 KV Cache의 방대한 메모리 점유와 이에 따른 Latency 증가 문제를 해결하기 위해 Fathom을 제안합니다.#Review#KV Cache#Sparse Decoding#Offloading#Memory Management#Latency Optimization#LLM Inference2026년 9월 16일댓글 수 로딩 중
[논문리뷰] EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents본 논문은 기존의 LLM 기반 트레이딩 에이전트가 배포 전 설정된 Static Policy에 의존함으로써 변화하는 시장 환경에 적절히 대응하지 못하는 문제를 해결하고자 합니다.#Review#LLM Trading Agents#Self-Evolving Framework#Policy Refinement#Tool-Using Agents#Market Regimes#Policy Self-Evolution2026년 9월 16일댓글 수 로딩 중
[논문리뷰] EventEgoHands++: Event-based Egocentric 3D Hand Mesh Reconstruction with Real Dataset본 논문은 egocentric 시점에서 발생하는 심각한 모션 블러와 저조도 환경의 제약을 극복하기 위해 이벤트 카메라 기반의 3D 손 메시 복원 프레임워크인 EventEgoHands++를 제안합니다 .#Review#Egocentric Vision#Event-based Vision#3D Hand Mesh Reconstruction#3D Hand Pose Estimation#Adaptive Attention#Instance-level Detection2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Confidence Comes from Experience: Experiential Confidence Estimation from Reasoning to Agents죄송합니다. 제공해주신 URL(https://arxiv.org/html/2609.17708)에 접근하여 논문 내용을 파악할 수 없습니다.#Review2026년 9월 16일댓글 수 로딩 중
[논문리뷰] CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents본 논문은 기존 Mixture-of-Agents (MoA) 패러다임이 쿼리 라우팅과 에이전트 파인튜닝을 별개의 과정으로 취급하여 발생하는 일반화 및 전문화 병목 현상을 해결하고자 합니다. 기존 연구들은 고정된 에이전트 역량을 전제로 라우팅을 최적화하거나, 미리 정해진 워크플로우 내에서만 에이전트를 학습시켜 왔습니다.#Review#Mixture-of-Agents#Reinforcement Learning#Query Routing#Continual Learning#Capability Specialization#Multi-Agent System2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Assessing nnU-Net Generalization across Brain Tumor Populations in BraTS-GoAT 2026본 연구는 고도로 최적화된 nnU-Net이 인구학적 특성이 크게 다른 다양한 뇌종양 데이터셋 환경에서 얼마나 효과적으로 일반화되는지 분석하는 것을 목적으로 합니다.#Review#nnU-Net#BraTS-GoAT#Brain Tumor Segmentation#Generalization#Failure Analysis#Test-Time Augmentation2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Agora: Git as Shared Memory for Collective AutoResearch본 논문은 독립적인 Autonomous Research Agents들이 협력할 때 발생하는 중복 연구와 자원 낭비 문제를 해결하기 위해 Agora를 제안합니다.#Review#Collective AutoResearch#Multi-agent Systems#Git-based Coordination#Directed Acyclic Graph#Weight Transfer#Autonomous Research2026년 9월 16일댓글 수 로딩 중
[논문리뷰] ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models본 논문은 기존 Action Tokenizer들이 사용하는 단순한 Mean Squared Error (MSE) 기반의 복원 방식이 동작 간의 미세한 물리적 관계를 왜곡시킨다는 점을 지적합니다 .#Review#Vision-Language-Action Models#Action Tokenization#Physical Rank Consistency#Residual Vector Quantization#Robotic Control#Relational Fidelity2026년 9월 16일댓글 수 로딩 중
[논문리뷰] A Zeroth-Order Paradigm for LLM Preference Alignment본 연구는 기존 Preference Alignment 기법들이 요구하는 방대한 메모리 소비와 복잡한 Gradient 연산 문제를 해결하고자 합니다. 현존하는 RLHF나 DPO 방식은 높은 Memory Overhead와 모델 내부 구조에 대한 접근성을 요구하여 대규모 모델 적용 시 효율성이 저하되는 한계가 있습니다.#Review#Zeroth-Order Optimization#LLM#Preference Alignment#Reinforcement Learning#Gradient-free#Parameter-Efficient2026년 9월 16일댓글 수 로딩 중
[loki] Grafana Loki LogQL 성능 최적화: Constant-Label Fast Path 도입LogQL 쿼리 실행 시 스트림 레이블이 변하지 않는 경우, 매 라인마다 레이블을 재계산하지 않고 한 번만 계산하여 성능을 대폭 개선했습니다.#Grafana Loki#LogQL#Performance#Golang#Optimization2026년 9월 15일댓글 수 로딩 중