[논문리뷰] DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses과학적 발견은 가치 있는 가설을 실용적인 조사로 발전시키는 것을 요구하지만, 이러한 진화하는 연구 과정으로부터 학습하는 것은 여전히 어렵다.#Review#Scientific Discovery#Hypothesis Generation#Recursive Self-Improvement#Multi-Agent Systems#DFM-Bench#Hypothesis Credit Optimization#Harness Replay#Research Automation2026년 10월 18일댓글 수 로딩 중
[논문리뷰] DLite: History-free Speculative Decoding for Agentic AI본 논문은 Agentic Workloads 환경에서 기존 Speculative Decoding 방법론들이 겪는 Degraded Acceptance Length와 Historical KV Cache Maintenance Overhead 문제를 해결하기 위해 DLite를 제안한다.#Review#Speculative Decoding#Agentic AI#History-Free#LLM Inference#KV Cache#Two-stage Training#Acceptance Length#Throughput2026년 10월 18일댓글 수 로딩 중
[논문리뷰] DAGFormer: Global Topology Prediction for Transformer Cross-Layer Connections본 논문은 표준 Transformer가 가진 고정된 residual connection 구조의 한계를 해결하고자 합니다. 기존의 Transformer는 모든 레이어가 고정된 경로를 통해 정보를 공유하므로, 특정 레이어 간의 동적인 정보 흐름이나 유연한 연결을 설계하기 어렵습니다.#Review#Transformer#Cross-Layer Connections#Topology Prediction#Dynamic Computation#Language Modeling#Structured Pruning2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Consistent Distribution Matching for Data-Free Diffusion Distillation본 논문은 확산 모델 및 Flow 모델의 높은 추론 비용을 해결하기 위한 데이터 독립적(Data-Free)인 효율적 증류 프레임워크를 제안합니다. 기존 증류 방법들은 외부 데이터셋에 의존하거나, Teacher 모델의 역방향 시뮬레이션에 의존하여 계산 복잡도가 높고 학습 파이프라인이 비대효율적이라는 한계가 있습니다 .#Review#Diffusion Distillation#Flow Matching#Data-Free#Consistent Distribution Matching#NFE#Generative Modeling2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Can Visual Generation Expand What Unified Multimodal Models Know?본 연구는 UMM이 image generation을 통해 습득한 시각적 지식이 실제 언어 모델의 추론(textual answer)에 얼마나 효과적으로 전이되는지를 규명하고자 합니다.#Review#Unified Multimodal Models#Knowledge Transfer Probing#Text-to-Image#Visual-Language Alignment#Multimodal Co-training#Visual Chain-of-Thought2026년 10월 18일댓글 수 로딩 중
[논문리뷰] BridgeWAM: Bridging Video and Action Experts via Latent Bridge Queries기존 World Action Models (WAMs)은 Video Expert와 Action Expert를 Mixture-of-Transformers (MoT) Attention을 통해 결합하여 로봇의 Action을 예측하지만, 이러한 방식은 몇 가지 본질적인 한계를 가진다.#Review#World Action Models#Latent Bridge Queries#Bridge-of-Experts#Robot Control#Vision-Language-Action#Inference Efficiency#Generalization#Decoupled Experts2026년 10월 18일댓글 수 로딩 중
[논문리뷰] BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business기존 long-horizon agent 벤치마크들은 주로 최종 태스크 성공(final task success)에 초점을 맞추어 intermediate execution validity에 대한 평가가 제한적이다.#Review#long-horizon agents#business workflows#payment systems#benchmark evaluation2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Belief-Trajectory Energy: Measuring the Path to a PredictionLarge Language Models (LLMs)는 Transformer layer를 통해 예측을 점진적으로 수정하지만, 일반적으로 최종 출력만 관찰되며 이러한 내부 계산 trajectory는 무시된다는 문제가 있다.#Review#Belief-Trajectory Energy#LLM Interpretation#Predictive Revisions#Model-grounded Measurement#Difficulty Indicator#Review Detection#Generator Attribution2026년 10월 18일댓글 수 로딩 중
[논문리뷰] AVC-Reward: Event-Centric Audio-Video Consistency Evaluation본 논문은 현대의 Joint Audio-Video Generation 모델이 생성하는 복잡한 장면을 평가하기 위한 기존 지표들의 한계를 해결하고자 합니다.#Review#Audio-Video Consistency#Reward Model#Event-Centric#Joint Generation#Reinforcement Learning#Multimodal Evaluation2026년 10월 18일댓글 수 로딩 중
[flashinfer] FlashInfer의 MXFP4 SiTU MoE 성능 최적화: Cluster Split-K와 CuTe DSL 개선FlashInfer의 Kimi-K3 MXFP4 MoE 백엔드에서 Cluster Split-K 및 스케줄링 최적화를 통해 성능을 최대 2.1% 향상시킨 사례를 분석합니다.#FlashInfer#MoE#CUDA#CuTe#GEMM#MXFP42026년 10월 17일댓글 수 로딩 중
[cpython] Python CPython: 함수 이름 속성 설정 시 Stop-the-World 방지로 멀티스레딩 성능 대폭 개선Python CPython에서 함수 이름 관련 속성 변경 시 발생하는 Stop-the-World를 제거하여 멀티스레딩 성능을 획기적으로 개선한 PR을 분석합니다.#Python#CPython#Performance#Multithreading#Optimization#GIL2026년 10월 17일댓글 수 로딩 중
[flashinfer] FlashInfer의 새로운 실험적 기능: NVFP4 기반 MLA 디코드 최적화Blackwell 아키텍처를 위한 NVFP4 paged latent cache 기반의 고성능 MLA 디코드 구현 및 최적화 분석.#FlashInfer#CUDA#MLA#NVFP4#Blackwell#LLM2026년 10월 17일댓글 수 로딩 중
[vllm] [vLLM] ROCm 환경에서 MXFP4 GEMM 커널 최적화: 환경 변수에서 동적 설정으로vLLM이 ROCm 환경에서 MXFP4 양자화 모델의 성능을 극대화하기 위해, 환경 변수 대신 AITER 튜닝 설정을 기반으로 최적의 커널을 동적으로 선택하도록 개선되었습니다.#vLLM#ROCm#MXFP4#Performance Optimization#AITER#LLM Serving2026년 10월 17일댓글 수 로딩 중
[vllm] vLLM FlashInfer Allreduce 최적화: 단일 노드 성능 회복과 안정성 확보vLLM에서 FlashInfer Allreduce 백엔드 선택 로직을 개선하여 단일 노드 성능을 회복한 PR 분석.#vLLM#FlashInfer#Allreduce#성능 최적화#분산 학습#GPU2026년 10월 17일댓글 수 로딩 중
[flashinfer] FlashInfer, Blackwell GPU를 위한 최적화된 Dense Projection GEMM 도입FlashInfer의 최신 PR은 Blackwell GPU 아키텍처에 최적화된 Dense Projection GEMM을 도입하여 성능을 크게 향상시킵니다.#FlashInfer#GEMM#Blackwell#GPU 최적화#딥러닝2026년 10월 16일댓글 수 로딩 중
[onnxruntime] ONNX Runtime WebGPU: AMD GPU를 위한 Subgroup Matrix MatMulNBits 최적화AMD D3D12 환경에서 wave64 기반의 유연한 타일링 전략을 도입하여 MatMulNBits 성능을 최대 11% 향상시켰습니다.#WebGPU#ONNX Runtime#GPU Optimization#AMD#MatMul2026년 10월 16일댓글 수 로딩 중
[flashinfer] FlashInfer, Muse-Spark-Open을 위한 융합 정규화 및 TP/EP MoE 최적화로 성능 극대화FlashInfer가 Muse-Spark-Open 모델을 위해 융합 정규화 및 TP/EP MoE 커널을 도입하여 성능을 크게 향상시킨 방법을 분석합니다.#FlashInfer#최적화#딥러닝#GPU#MoE#정규화2026년 10월 16일댓글 수 로딩 중
[onnxruntime] ONNX Runtime CUDA QMoE 및 FP8 최적화: 성능 향상 및 메모리 효율성 증대ONNX Runtime CUDA에서 NVFP4 가중치 레이아웃 및 블록 스케일 FP8 실행을 최적화하여 대규모 MoE 모델의 성능과 메모리 효율성을 개선했습니다.#ONNX Runtime#CUDA#Optimization#FP8#MoE#QMoE#NVFP4#Performance2026년 10월 16일댓글 수 로딩 중
[onnxruntime] ONNX Runtime CUDA Packed Sparse Attention 최적화: 성능 향상의 비결ONNX Runtime CUDA Packed Sparse Attention의 성능을 획기적으로 개선한 최적화 PR 분석#ONNX Runtime#CUDA#Sparse Attention#Optimization#Performance2026년 10월 16일댓글 수 로딩 중
[flashinfer] FlashInfer, NVIDIA 최신 GPU를 위한 AlphaMoE NVFP4 커널 최적화로 성능 대폭 향상FlashInfer의 최신 PR은 NVIDIA B200 및 GB300 GPU에서 AlphaMoE NVFP4 연산 속도를 크게 향상시켜 SOTA 성능을 달성했습니다.#AI#GPU#최적화#성능#FlashInfer#AlphaMoE#NVFP4#NVIDIA2026년 10월 15일댓글 수 로딩 중