[논문리뷰] EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents본 연구는 Vision-Language-Action (VLA) 모델이 long-horizon tasks를 수행할 때 발생하는 복잡한 조율 문제와 기존 방법론의 한계를 해결하고자 한다.#Review#Vision-Language-Action (VLA)#Embodied Agent#Robot Control#Skill Orchestration#Closed-Loop System#Modular Framework#Execution Verification#Reinforcement Learning2026년 9월 7일댓글 수 로딩 중
[논문리뷰] ENEAS: Embedding-guided Neural Ensemble for Adaptive Segmentation본 논문은 SAM 3와 같은 최신 foundation model들이 text-promptable segmentation에서 직면하는 본질적인 한계를 해결하고자 한다.#Review#Text-Promptable Segmentation#Instance Tracking#Semantic Discovery#Vision-Language Models (VLMs)#Sigmoid Loss#3D Reconstruction#Ontological Reasoning2026년 9월 7일댓글 수 로딩 중
[논문리뷰] Causal Foundation Models본 논문은 전통적인 인과 추론 파이프라인의 낮은 효율성과 확장성 문제를 해결하기 위해 Causal Foundation Models (CFMs)를 제안한다. 기존의 인과 추론 기법은 새로운 문제마다 인과 메커니즘을 설계하고, 적절한 추정기를 선택하며, 하이퍼파라미터를 튜닝하는 반복적인 과정을 거쳐야 한다 .#Review#Causal Foundation Models#Causal Inference#In-context Learning#Data-generating Processes#Potential Outcomes#Structural Causal Models2026년 9월 7일댓글 수 로딩 중
[sglang] LLM 서빙 최적화: Gumbel-max 트릭으로 CPU 병목 제거하기 (SGLang 사례)torch.multinomial의 CPU 오버헤드를 Gumbel-max 트릭으로 대체하여 소형 모델의 디코딩 성능을 최대 75% 향상시킨 SGLang의 최적화 기법을 분석합니다.#LLM#SGLang#PyTorch#Optimization#Gumbel-Max#Performance2026년 9월 6일댓글 수 로딩 중
[starlette] Starlette의 CI 벤치마크 안정화: glibc mmap_threshold 최적화를 통한 업로드 버퍼 할당 개선Starlette CI 벤치마크에서 glibc의 mmap_threshold를 조정하여 업로드 버퍼 할당의 불안정성을 해결하고 성능을 개선했습니다.#Starlette#CI#Benchmark#Optimization#glibc#mmap#Memory Allocation2026년 9월 6일댓글 수 로딩 중
[sglang] SGLang Router의 버킷 기반 라우팅 및 KV Indexer 통합 최적화 분석SGLang Router의 버킷 기반 도메인 도입과 KV Indexer 통합을 통해 캐시 효율성과 라우팅 유연성을 극대화한 변경사항을 분석합니다.#SGLang#LLM#Router#KV-Cache#Distributed-Systems2026년 9월 6일댓글 수 로딩 중
[sglang] ROCm DSA Indexer Top-K 최적화: 정확성과 성능을 동시에 잡다sglang의 ROCm DSA indexer top-k 커널을 fp32 정밀도와 오버플로우 재스캔으로 개선하여 정확성과 성능을 대폭 향상시킨 PR 분석.#ROCm#HIP#GPU 최적화#Top-K#SGLang#성능#정확성#컴퓨팅 커널2026년 9월 6일댓글 수 로딩 중
[vllm] vLLM의 차세대 CPU 가속: Intel Diamond Rapids를 위한 AMX-FP8 어텐션 구현Intel Diamond Rapids CPU의 AMX-FP8 하드웨어 가속을 활용해 KV 캐시 디퀀트 오버헤드를 제거하고 추론 성능을 극대화했습니다.#vLLM#CPU#AMX#FP8#Performance2026년 9월 6일댓글 수 로딩 중
[논문리뷰] τ^τ-Bench: An Environment for End-To-End, Realistic Agent Construction본 논문은 LLM Agent가 Production 소프트웨어로 빠르게 발전하고 있음에도 불구하고, 기존 벤치마크들이 실제 Client Engagement 조건 하에서 에이전트 구축의 End-to-End 프로세스를 적절히 평가하지 못한다는 근본적인 문제점을 제기합니다.#Review#LLM Agents#Agent Construction#Realistic Benchmarking#End-to-End Evaluation#Requirements Engineering#Developer Agents#Multimodal Artifacts#Client Simulation2026년 9월 6일댓글 수 로딩 중
[논문리뷰] WorldSculpt: Generating Compositional Worlds from Grounded Videos본 논문은 복잡하고 폐쇄가 심한 장면(Cluttered Scene)에서 수백 개의 개별 객체를 독립적인 Mesh 형태로 구성하는 문제에 집중합니다.#Review#3D Generation#Compositional World#Multi-view Conditioning#Amodal Reconstruction#Generative Prior#Scene Understanding2026년 9월 6일댓글 수 로딩 중
[논문리뷰] When Quantization Breaks Memory: Recurrent-State Write-Back in Low-Precision Temporal Inference본 논문은 Low-Precision recurrent inference 환경에서 모델이 학습된 이후, 상태 저장 규칙인 Recurrent-State Write-Back이 모델의 시계열적 추론 성능을 심각하게 저하시키는 원인을 규명한다.#Review#Quantization#Recurrent-State Write-Back#Temporal Inference#Fluorescence Lifetime Imaging#GRU#LSTM#Low-Precision2026년 9월 6일댓글 수 로딩 중
[논문리뷰] When Models Edit Too Much: On the Fidelity of Minimal Code Edits본 논문은 최신 LLM이 코드 수정 작업에서 기능적 정확성(Pass@1)은 높으나, 불필요하게 많은 코드를 수정하는 Over-editing 문제를 해결하고자 합니다 . 기존의 많은 코드 벤치마크는 테스트 케이스 통과 여부만을 평가할 뿐, 수정의 최소성이나 가독성(Reviewability)을 고려하지 않는 한계가 있습니다.#Review#Code Repair#Edit Fidelity#Over-editing#Large Language Models#Reinforcement Learning#Code Maintenance2026년 9월 6일댓글 수 로딩 중
[논문리뷰] UniMate: One Unified Model to Animate Diverse Skeletons본 논문은 기존 모션 생성 모델들이 특정 골격 템플릿(예: SMPL, SMAL)에 종속되어 있어 다양한 캐릭터 구조를 처리하지 못하는 문제를 해결하고자 합니다 .#Review#Motion Synthesis#Skeletal Animation#Diffusion Models#Topology-Aware Learning#Foundation Model#Cross-Topology Generalization2026년 9월 6일댓글 수 로딩 중
[논문리뷰] Training-Free Speech-Centric Omni Understanding with Frozen VLMs본 논문은 기존 Native Omni 모델들이 VLM 백본에 특정 오디오 인코더를 결합하고 대규모 학습을 수행함에 따라 발생하는 효율성 및 성능 저하 문제를 해결하고자 합니다.#Review#Training-Free Omni#Frozen VLM#Audio-to-Language Routing#Multimodal Understanding#Speech-Centric Omni2026년 9월 6일댓글 수 로딩 중
[논문리뷰] To See a World in a Living Context: Unified Indoor-Outdoor Urban World Generation기존 text-driven 3D generation methods는 대규모 outdoor environments와 세부적인 indoor scenes를 생성하는 데 상당한 발전을 이루었지만, 이러한 domains는 주로 독립적으로 synthesize되어 coherent urban world에 필요한 correspondence가 부족합니다.#Review#3D Urban Generation#Indoor-Outdoor Coherence#Cross-Scale Context#Autoregressive Generation#Building-Level Correspondence#Unified World Generation2026년 9월 6일댓글 수 로딩 중
[논문리뷰] The Attention Triangle in Audio-Video Models본 논문은 Audio-Video Diffusion Models에서 Cross-modal Attention 메커니즘이 유발하는 Semantic Leakage 문제를 해결하고자 합니다.#Review#Audio-Video Diffusion Models#Attention Triangle#Semantic Leakage#Cross-modal Attention#Source Attribution#Inference-time Steering#LTX-22026년 9월 6일댓글 수 로딩 중
[논문리뷰] The 2026 PNPL Competition: Word Classification and Efficient Cross-Subject Generalisation in LibriBrain100본 논문은 비침습적 MEG 기반의 음성 디코딩 시스템을 실용화하기 위해 필수적인 일반화 성능과 표준화된 평가 환경을 구축하는 것을 목표로 한다. 기존의 BCI 연구들은 개별 피험자에 특화된 수 시간 단위의 데이터에 의존해왔으나, 임상 환경에서는 단 몇 분의 데이터만으로 새로운 사용자에게 적응해야 하는 제약이 존재한다.#Review#Non-invasive BCI#MEG#Word Classification#Cross-Subject Generalisation#LibriBrain100#Data-efficient#Brain-to-Text2026년 9월 6일댓글 수 로딩 중
[논문리뷰] ShallowStream: Index Shallow then Answer Deep for Streaming Video Understanding본 논문은 실시간 영상 스트리밍 환경에서 MLLM이 겪는 과도한 연산 비용과 효율성 저하 문제를 해결합니다. 기존의 많은 연구는 모든 프레임을 모델의 전체 레이어(Full-depth)로 미리 처리(Prefill)하여 KV Cache를 생성하는데, 이는 매우 비용이 많이 들고 불필요한 연산을 유발합니다 .#Review#Streaming Video Understanding#MLLM#KV Cache#Efficient Inference#Query-Agnostic#Selective Retrieval2026년 9월 6일댓글 수 로딩 중
[논문리뷰] Refuse without Refusal: A Structural Analysis of Safety-Tuning Responses for Reducing False Refusals in Language Models본 논문은 LLM의 안전 정렬(Safety Alignment) 과정에서 발생하는 False Refusal 문제를 데이터 구조적 관점에서 해결하고자 합니다.#Review#False Refusals#Safety Tuning#Large Language Models#Rationale-Only#Alignment#Over-refusal2026년 9월 6일댓글 수 로딩 중
[논문리뷰] RISE: Recursive Improvement via Self-Extrapolating Policy Distillation본 논문은 기존의 RLVR 및 OPD 방식이 겪는 근본적인 한계를 해결하고자 합니다. RLVR은 outcome reward만을 제공하여 token-level의 정교한 학습 신호가 부족하며, OPD는 적절한 teacher 모델의 부재로 인해 distribution mismatch 문제를 겪습니다 .#Review#On-policy Distillation#Policy Gradient#Recursive Improvement#Task Arithmetic#Reinforcement Learning with Verifiable Rewards2026년 9월 6일댓글 수 로딩 중