[논문리뷰] Counter-Swarm Doctrine: Containing Coordinated Agent Intrusions본 논문은 여러 독립적인 agent들이 공유 인프라를 활용하여 인가되지 않은 협업을 수행하고, 이를 통해 보안 경계(Isolation)를 우회하는 위협을 해결하고자 합니다.#Review#Multi-agent Security#Stigmergy#Coordination Episode#Agent Intrusion#Shared Infrastructure#Defensive Doctrine#Prospective Episode Discovery2026년 9월 8일댓글 수 로딩 중
[논문리뷰] CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements본 연구는 인간 시연(Human Demonstration)으로부터 로봇 학습(Robot Learning)이 비용 효율적이지만, 기존 방법론들이 복잡한 공간 움직임(Spatial Movement)을 다루는 데 실패한다는 핵심 문제를 해결하고자 합니다.#Review#Robot Manipulation#Human-to-Robot Transfer#Complex Spatial Movements#Hand-to-Gripper Transfer#Denoising Transformer#Paired Dataset#6-DoF Pose2026년 9월 8일댓글 수 로딩 중
[논문리뷰] CoVeR: Coverage-Based Token Pruning for Multi-View 3D Reasoning in VLMsMulti-View 3D 추론은 많은 양의 시각적 토큰을 생성하여 LLM의 연산 비용을 급격히 증가시키는 병목 현상을 유발합니다.#Review#Multi-View 3D Reasoning#Token Pruning#VLM#Coverage-Based#Geometric Coverage#Training-Free#Deterministic Selection2026년 9월 8일댓글 수 로딩 중
[논문리뷰] Cadence: Error-Bounded Lossy Compression of Demand Time Series with a Time-Series Foundation Model본 논문은 사전 학습된 Time-Series Foundation Model이 시계열 데이터의 비트 비용(bit cost)을 효율적으로 줄일 수 있는지 규명하고자 한다.#Review#lossy compression#error-bounded compression#time-series foundation models#scientific data reduction#time-series databases2026년 9월 8일댓글 수 로딩 중
[논문리뷰] BeaconKV: Key-Value Cache Compression Guided by Beacon Queries for Efficient Large Reasoning Model Inference본 논문은 LRMs의 고질적인 메모리 병목 현상인 선형적으로 증가하는 KV Cache 문제를 해결하고자 한다. 기존의 KV Cache 압축 기법(예: RPC, R-KV)은 최근 생성된 Query들이 미래의 중요 토큰을 잘 예측할 것이라는 가정에 의존한다.#Review#Large Reasoning Models#KV Cache Compression#Thought Revisiting Tokens#Beacon Queries#Continual FPS#Transformer#Chain-of-Thought2026년 9월 8일댓글 수 로딩 중
[논문리뷰] AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing기존의 Speech Generation 및 Editing 시스템들은 Zero-shot Voice Cloning, Instruction-controlled Synthesis, Flexible Speech Editing 등 다양한 기능을 제공하지만, 각각의 기능이 Task-specific 모델로 분리되어 사용자 경험의 단편화와 중복된 모델링 노력을 초래한다.#Review2026년 9월 8일댓글 수 로딩 중
[논문리뷰] Agentic Visual Generation: From Generative Models to Agentic ControlMotivation: Visual generation은 단순한 generative models의 단일 호출(single invocation)을 넘어, 계획, 도구 선택, 중간 결과물 검사, 실패 수정, 이전 경험 재사용이 가능한 agentic control processes로 진화하고 있다.#Review#Agentic Visual Generation#Controller Decision-Making Scope#Visual Generation#Reinforcement Learning#Multi-Agent Systems2026년 9월 8일댓글 수 로딩 중
[논문리뷰] A*-Thought-V2: Efficient Latent Reasoning via Geometric Dynamics of LLM본 논문은 기존의 Chain-of-Thought(CoT)가 유발하는 과도한 컴퓨팅 비용과 컨텍스트 길이에 따른 성능 저하 문제를 해결하기 위해 고안되었습니다. 기존의 하드 프루닝(Hard Pruning) 기법은 Reasoning 과정 중 일부 정보를 완전히 삭제하여 정보 손실이 발생하는 한계가 있습니다.#Review#Chain-of-Thought#Latent Reasoning#Geometric Dynamics#Embedding Forcing#Label Forcing#Model Compression2026년 9월 8일댓글 수 로딩 중
[flashinfer] FlashInfer NVFP4 KV 타일 리팩(Repack)을 통한 성능 최적화NVFP4 데이터의 소프트웨어 기반 E2M1 변환을 MMA 루프 밖으로 분리하여 커널 성능을 대폭 개선했습니다.#FlashInfer#CUDA#LLM#Optimization#NVFP42026년 9월 7일댓글 수 로딩 중
[cpython] Python difflib의 성능 개선: 비대칭 변경 시 발생하는 Quadratic Time 복잡도 문제 해결Python difflib 라이브러리의 _mdiff 함수가 비대칭적인 코드 변경 시 발생하는 Quadratic Time 복잡도 문제를 deque를 사용하여 해결한 PR 분석#Python#difflib#performance#optimization#deque2026년 9월 7일댓글 수 로딩 중
[vllm] vLLM Qwen3.8-Flash-Next: QSA Indexer 캐시를 위한 FP8 지원으로 메모리 효율 및 성능 최적화vLLM의 QSA Indexer 캐시에 FP8 지원을 추가하여 메모리 사용량을 줄이고 성능을 향상시키는 PR 분석.#vLLM#FP8#Quantization#LLM Optimization#QSA#Performance#Memory Efficiency#PyTorch2026년 9월 7일댓글 수 로딩 중
[sglang] H200 NVL에서 Qwen3.8-Flash-Next FP8 성능 극대화하기: Fused MoE Triton 설정 최적화NVIDIA H200 NVL 환경에서 Qwen MoE 모델의 추론 속도를 최대 23% 향상시킨 Triton 커널 튜닝 사례를 분석합니다.#LLM#Triton#MoE#H200#FP8#SGLang#Performance-Tuning2026년 9월 7일댓글 수 로딩 중
[ultralytics] Ultralytics YOLO에 INT8 Quantization-Aware Training(QAT) 도입하기YOLO 모델의 INT8 QAT를 통해 학습 중 가중치를 최적화하여, 배포 시 정확도 손실을 최소화하는 방법을 소개합니다.#YOLO#DeepLearning#Quantization#TensorRT#Optimization2026년 9월 7일댓글 수 로딩 중
[논문리뷰] What Else Needs Fixing? Exploring Cost-Effective Test-Time Compute for Revision Propagation in Artifacts Generated Through Conversation본 연구는 대화형 생성 아키텍처에서 발생하는 수정 전파(Revision Propagation) 문제를 해결하고자 합니다. 기존의 코드 레포지토리나 지식 편집 연구와 달리, 대화형 환경에서는 아키텍처 요소 간의 의존성이 명시적이지 않고 대화 맥락 속에 내재되어 있어 자동화된 처리가 어렵습니다.#Review#Revision Propagation#Test-Time Compute#JSON Artifacts#LLM#Benchmark#Cost-Effectiveness2026년 9월 7일댓글 수 로딩 중
[논문리뷰] Verify Before You Distill: Prompt-Level Teacher Gating for On-Policy Distillation본 연구는 기존 Vanilla OPD가 교사의 신뢰성을 검증하지 않은 채 정밀한 지도 학습을 강제함에 따라 발생하는 'confidently wrong' 교사의 오류 전파 문제를 해결하고자 합니다.#Review#On-Policy Distillation#Teacher Gating#Verifier-grounded#Reliability Estimation#Compute Efficiency#Language Model Post-training2026년 9월 7일댓글 수 로딩 중
[논문리뷰] Unlocking Lossless Speedups in LLMs via Discrete Diffusion본 논문은 Autoregressive (AR) Large Language Models (LLMs)의 핵심 bottle-neck인 느린 순차적 토큰 생성을 해결하고자 한다. 기존 AR LLMs는 한 번에 하나의 토큰만 생성하므로 추론 시 높은 Latency를 유발하고 GPU utilization을 저하시킨다.#Review#Diffusion-augmented LLMs#Discrete Diffusion#Lossless Acceleration#Ψ-Spec Sampler#Speculative Decoding#Throughput#Tokens-Per-Forward-pass (TPF)#LoRA2026년 9월 7일댓글 수 로딩 중
[논문리뷰] Unifying Conformal Language Tasks with In-Context Ensembles본 논문은 다양한 NLP 콘텐츠 선택 작업에서 발생하는 수동 Prompt Engineering의 의존성과 비효율성 문제를 해결하고자 합니다. 기존 연구들은 요약, 질문 답변(QA), 증거 추출 등 각기 다른 작업마다 개별적으로 LLM Prompt를 설계해야 했으며, 이는 노동 집약적이고 범용성이 낮습니다.#Review#Conformal Prediction#In-Context Learning#Ensemble#Content Selection#NLP#Relevance Scoring2026년 9월 7일댓글 수 로딩 중
[논문리뷰] Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal본 연구는 기존의 LLM 안전 정렬 방식이 주제 전체를 포괄적으로 거부하는 '블런트(Blunt)한 방식'으로 작동하여, 실제 배포 환경에서 필요한 세밀한 안전 정책을 반영하지 못하는 문제를 해결합니다.#Review#LLM Safety#Self-Distillation#Narrow-Boundary#Data-Coverage#Refusal Alignment#Over-refusal2026년 9월 7일댓글 수 로딩 중
[논문리뷰] One Symptom, Three Levers: A Critical Review of On-Policy Self-Distillation본 논문은 On-Policy Self-Distillation (OPSD) 기반의 학습 기법들이 직면한 collapse 문제를 심층적으로 분석하고 체계화합니다.#Review#On-Policy Self-Distillation#OPSD#Reinforcement Learning#Knowledge Distillation#Language Model#Collapse#Privileged Information2026년 9월 7일댓글 수 로딩 중
[논문리뷰] FlowBalance: Verifier-Grounded Self-Improvement from On-Policy Reasoning Experience본 논문은 LLM의 reasoning 모델이 스스로의 경험을 통해 개선(self-improvement)할 때 발생하는 '취약한 내부 루프(fragile inner loop)' 문제를 해결하고자 합니다.#Review#FlowBalance#Self-Improvement#Verifier-Grounded#Trajectory Balance#Privileged Hindsight#Reinforcement Learning2026년 9월 7일댓글 수 로딩 중