[논문리뷰] IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications본 연구는 연구 아이디어의 제안된 방법론이 충실한 구현을 위해 충분히 명시되었는지 여부, 즉 Codification Readiness 문제를 다룹니다.#Review#IdeaAmbig#Codification Readiness#Defect Localization#Clarification Action Generation#Research Ideas#LLMs2026년 9월 10일댓글 수 로딩 중
[논문리뷰] HyQuant: Hybrid-Precision Quantization for LLM Attention본 논문은 LLM attention module의 low-bit quantization이 end-to-end model quality를 저하시키는 문제를 해결하고자 합니다.#Review#LLM#Quantization#Attention Mechanism#Hybrid Precision#KV Cache#Long-Context Inference#Vertical-Line Tokens2026년 9월 10일댓글 수 로딩 중
[논문리뷰] Generative Late-Interaction Embeddings For Visual Document Retrieval본 논문은 Late-Interaction 모델이 고성능을 제공하지만, 페이지당 수천 개의 벡터를 저장해야 하는 과도한 저장 공간(Storage) 문제를 해결하고자 합니다. 기존의 압축 방식(Token pooling, Pruning)은 성능 저하가 크거나 모델을 재학습(Retraining)해야 한다는 한계가 있습니다.#Review#Late-Interaction#Visual Document Retrieval#Generative Embeddings#Manifold Learning#Spherical Anchoring#MaxSim#Compression2026년 9월 10일댓글 수 로딩 중
[논문리뷰] FreeFlow: A Bias-free Hierarchical Transformer for Optical Flow Estimation기존 Optical Flow 추정 방법들은 Correlation Volume, Feature Warping, Iterative Refinement와 같은 태스크 고유의 Inductive Biases에 크게 의존해왔습니다.#Review#Optical Flow#Vision Transformers#High-resolution#Bias-free#Hierarchical Attention#Dense Prediction2026년 9월 10일댓글 수 로딩 중
[논문리뷰] EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents본 논문은 LLM 에이전트의 보안을 강화하기 위해 범용적인 고정형(Fixed) 보안 가이드라인이 아닌, 각 모델과 도메인에 최적화된 맞춤형 보안 환경을 자동으로 설계하는 문제를 해결하고자 한다.#Review#LLM Agents#Security Harness#Prompt Injection#System-level Defense#Auto-optimization#Robustness#Domain-specific#Safety-utility Trade-off2026년 9월 10일댓글 수 로딩 중
[논문리뷰] DRG-MAPPO: Hierarchical Dynamic Role-Graph Multi-Agent Reinforcement Learning for Cooperative Air Combat본 논문은 현대 공중전의 복잡한 멀티 에이전트 협력 문제 해결을 위한 MARL 프레임워크의 한계점을 개선하고자 한다.#Review#Multi-Agent Reinforcement Learning#Hierarchical Policy#Graph Attention Network#Role Assignment#Air Combat2026년 9월 10일댓글 수 로딩 중
[논문리뷰] CARDEA: Auditable Reasoning Grounded in Spatial Evidence for End-to-End Coronary Angiography Interpretation본 논문은 기존 AI 기반 CAG 시스템이 진단 과정의 투명성이 부족하여 임상적 신뢰를 얻기 어렵다는 문제를 해결하고자 한다.#Review#Coronary Angiography#End-to-End Pipeline#Large Vision-Language Models#Reinforcement Learning with Verifiable Rewards#Auditable Reasoning#Visual Grounding2026년 9월 10일댓글 수 로딩 중
[논문리뷰] Beyond Solver Verdicts: Generative Reward Models for Autoformalization본 논문은 신경기호주의(Neurosymbolic) 시스템에서 solver가 코드의 실행 가능성만을 보장할 뿐, 자연어 문제와 공식 언어 간의 정확한 의미적 대응을 보장하지 못한다는 근본적인 취약점을 다룹니다.#Review#Autoformalization#Generative Verification#Verdict-Preserving-Unfaithfulness#SMT Solver#Reward Modeling#Neurosymbolic Systems2026년 9월 10일댓글 수 로딩 중
[논문리뷰] An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics본 연구는 모델의 post-training 및 test-time inference 설계가 고난도 올림피아드 수학 증명 생성에 미치는 영향을 체계적으로 분석하고 최적의 파이프라인을 제시하는 것을 목표로 합니다.#Review#IMO#Nemotron-3-Ultra#Reinforcement Learning#Test-time-compute#Proof-generation#Olympiad Mathematics2026년 9월 10일댓글 수 로딩 중
[논문리뷰] ActReview: Rebuttal-Guided Training Data and Rubric Rewards for Actionable Peer Review Generation본 논문은 기존 LLM 기반 peer-review 보조 시스템이 단순한 결함 식별에 그치고, 저자에게 실질적이고 구체적인 수정 가이드라인을 제공하지 못하는 Descriptive한 성격에 머물러 있다는 한계를 해결하고자 한다 .#Review#Actionable Peer-Review#Post-training#Rebuttal-Guided Supervision#Rubric-Based Reinforcement Learning#GRPO#Scientific Writing#LLM-as-a-Judge2026년 9월 10일댓글 수 로딩 중
[LlamaFactory] LLaMA Factory v1: 멀티모달 및 메모리 효율적인 SFT를 위한 Ulysses CP와 Chunk Loss 지원LLaMA Factory v1에서 Ulysses Context Parallelism과 메모리 효율적인 Chunk Loss를 도입하여 멀티모달 학습 및 SFT 성능을 최적화했습니다.#LLaMA Factory#SFT#Multimodal#Context Parallelism#Chunk Loss#Optimization2026년 9월 9일댓글 수 로딩 중
[flashinfer] NVIDIA SM110 GPU를 위한 실험적인 FP16 GQA 디코드 커널 추가NVIDIA SM110 GPU에 최적화된 실험적인 FP16 GQA 디코드 커널을 추가하여 성능을 개선했습니다.#NVIDIA#SM110#GQA#FP16#Decode Kernel#Performance Optimization#FlashInfer2026년 9월 9일댓글 수 로딩 중
[sglang] SGLang에서 NPU를 위한 LTX-2/2.3 추론 성능 최적화 및 호환성 개선NPU 환경에서의 LTX-2/2.3 추론을 위해 float64 지원 제한 해결 및 커스텀 커널 최적화를 수행하여 성능을 10% 이상 향상했습니다.#SGLang#NPU#LTX-2#Triton#Inference Optimization2026년 9월 9일댓글 수 로딩 중
[Liger-Kernel] Ascend NPU 성능 극대화: Liger-Kernel의 커널 최적화 분석Ascend NPU를 위한 CrossEntropy, RMSNorm, RoPE 커널 최적화로 HBM 오버헤드를 줄이고 학습 성능을 극대화한 사례를 분석합니다.#Ascend#NPU#Triton#Liger-Kernel#Optimization2026년 9월 9일댓글 수 로딩 중
[sglang] NVIDIA SM90 GPU를 위한 SGLang SubBlock Sparse Attention 최적화: Sage FP8 Compute 도입SGLang의 SubBlock Sparse Attention에 Sage FP8 Compute를 도입하여 SM90 GPU에서 성능을 향상시키는 방법을 설명합니다.#SGLang#Attention#Sparse Attention#FP8#SM90#GPU Optimization#Triton2026년 9월 9일댓글 수 로딩 중
[논문리뷰] Why Is Video Still So Expensive? A Survey of Inference-Efficiency Mechanisms in Video and Audiovisual LLMs본 연구는 고해상도 비디오와 오디오 데이터 처리에 따르는 막대한 연산 비용이 Video LLM의 실시간 서비스 도입을 저해하는 핵심 병목임을 정의합니다.#Review#Video LLM#Audiovisual LLM#Inference Efficiency#Model Compression#Attention Mechanism#Token Optimization2026년 9월 9일댓글 수 로딩 중
[논문리뷰] WearableQA: A Benchmark for Health Reasoning over Real-World Wearable Data본 논문은 LLM이 실제 사용자의 longitudinal wearable 데이터에 대해 임상적으로 타당한 건강 추론을 수행할 수 있는지 평가하는 표준화된 도구가 부족하다는 문제 의식에서 출발합니다.#Review#WearableQA#LLM#Health Reasoning#Time-Series Analysis#Benchmark#Dual-grounding2026년 9월 9일댓글 수 로딩 중
[논문리뷰] Train Smarter, Not Harder: Switching Signal-Guided Training in Active Learning본 논문은 Active Learning(AL) 과정에서 모델 업데이트 방식인 Retrain과 FineTune 사이의 trade-off를 최적화하는 문제를 다룹니다. 기존 AL 연구들은 데이터 획득 전략에 집중해 왔으나, 획득 이후 모델을 어떻게 업데이트할지에 대한 전략적 결정은 간과되어 왔습니다.#Review#Active Learning#Training Strategy#HybridAL#Model Calibration#Stabilization Detection#Spectral Exponent2026년 9월 9일댓글 수 로딩 중
[논문리뷰] The Semantic Bottleneck: Leveraging Semantic Representations for Non-Invasive Speech Decoding본 논문은 낮은 Signal-to-Noise Ratio (SNR)로 인해 음소(phonemes)나 개별 단어의 세밀한 재구성이 어려운 비침습적 Speech Decoding의 한계를 해결하고자 합니다.#Review#Speech Decoding#Non-Invasive BCIs#Semantic Representations#MEG#Semantic Bottleneck#Brain2Semantics2Text#Manifold Learning#Sentence-Level Decoding2026년 9월 9일댓글 수 로딩 중
[논문리뷰] The Price of Sparsity: Sufficient Conditions for Sparse Recovery using Sparse and Sparsified Measurements본 논문은 sparse signal recovery 문제에서 측정 행렬(measurement matrix)의 sparsity가 recovery의 샘플 복잡도(sample complexity)에 미치는 영향을 규명하고자 한다.#Review#Sparse Recovery#Sparse Measurements#Active Sparsification#Information-Theoretic Threshold#Sample Complexity#Maximum-Likelihood Estimator#Chernoff Bound#Phase Transition2026년 9월 9일댓글 수 로딩 중