[논문리뷰] Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds본 논문은 기존 비디오 생성 모델이 가진 고정된 시간적 윈도우의 한계를 극복하고, 장시간의 내러티브와 상호작용 가능한 세계를 일관되게 생성하기 위한 JoyAI-Echo-1.5를 제안합니다.#Review#Audio-Visual Generation#Long-Horizon#World Modeling#Memory Conditioning#Self-Gradient Forcing#Action Interface#6-DoF2026년 8월 26일댓글 수 로딩 중
[논문리뷰] LibriBrain100: One Hundred Hours of Broad and Deep MEG Data for Neural Speech Decoding at Scale본 논문은 비침습적 신경 언어 decoding 기술의 표준화된 평가와 데이터 규모 확장을 위해 LibriBrain100 데이터셋을 제안한다.#Review#MEG#Speech Decoding#Brain-Computer Interface#Within-Subject Data#Cross-Subject Generalization#Neural Decoding#Benchmark2026년 8월 26일댓글 수 로딩 중
[논문리뷰] JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution본 연구는 에이전트의 성능이 모델 가중치뿐만 아니라, 모델을 둘러싼 실행 환경인 Harness에 크게 의존한다는 점에 주목합니다.#Review#Agent Harness#Just-in-Time (JIT) Generation#Agentic LLMs#Modularized Harness Design#Self-Evolving Agents#Harness Intelligence2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data본 논문은 No-CoT 데이터를 활용한 추론 모델 학습 시, 최근 제안된 Next-Chunk Reasoning 기반의 Reinforcement Learning(RL) 방식이 기존의 Supervised Fine-Tuning(SFT) 전략보다 진정으로 우월한지 의문을 제기합니다 .#Review#Large Language Models#Reinforcement Learning#Supervised Fine-Tuning#Reasoning#No-CoT#Post-Training#RLVR2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Gated Recurrent Transformers: Expressive Depth through Recurrent Modulation본 논문은 대규모 Transformer 모델의 파라미터 수 증가가 메모리 및 학습 비용의 병목으로 이어지는 문제를 해결하고자 합니다. 기존의 표준 Transformer는 깊이를 늘릴 때마다 새로운 가중치 텐서를 생성하여 모델의 파라미터 footprint를 기하급수적으로 증가시킵니다.#Review#Transformer#Recurrent Depth#Weight Sharing#Gated Recurrent Transformer#Memory Efficiency#Model Scaling#Adaptive Computation2026년 8월 26일댓글 수 로딩 중
[논문리뷰] GUI-Primitives: Diagnosing Spatial Reasoning Failures in Vision-Language GUI GroundingComputer-use agents는 screenshot을 기반으로 natural-language instructions를 GUI에 grounding하여 interface elements를 찾아냅니다.#Review#GUI Grounding#Spatial Reasoning#Vision-Language Models#Minimal-Pair Evaluation#Computer-Use Agents#Diagnostic Benchmark#Inference-Time Interventions2026년 8월 26일댓글 수 로딩 중
[논문리뷰] FrontierChallenge: Evaluating Scientific Workflow Completion본 논문은 현재 AI 에이전트 벤치마크가 Final Answers, Isolated Programs 또는 단일 도메인에 초점을 맞추고 있어, 복잡하고 이기종(Heterogeneous)적인 과학적 워크플로우를 End-to-End로 완료하는 에이전트의 능력을 충분히 특성화하지 못한다는 문제점을 제기한다.#Review#Scientific Workflow Completion#Large Language Model Agents#Cross-domain Benchmark#End-to-End Evaluation#Pass Rate Metric#Scientific Deliverables2026년 8월 26일댓글 수 로딩 중
[논문리뷰] FIRM-Video: Check Before You Score for Reliable Text-to-Video Reward Modeling본 논문은 기존 T2V 모델 평가용 Reward Model이 지닌 불완전한 평가, 비논리적 근거 제시, 평가 항목 간 중복 문제 등을 해결하고자 한다 .#Review#Text-to-Video#Reward Modeling#Checklist-driven#World Coherence#Instruction Following#Perceptual Quality2026년 8월 26일댓글 수 로딩 중
[논문리뷰] D^3-MOPD: Adaptive Dynamic Domain ScheDuling for Efficient Multi-Teacher Distillation본 논문은 기존 MOPD 방식이 고정된 도메인 데이터 혼합(Fixed Domain Mixture) 비율을 사용하여 훈련 효율성이 저하되는 문제를 해결합니다.#Review#Multi-teacher Distillation#On-policy Distillation#Domain Scheduling#Reverse-KL Divergence#Training Efficiency#Dynamic Mixture#LLM Alignment2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Code World Model: Coding Agent as World Brain본 논문은 기존 video-based world model들이 시각적 관측치에만 의존하여 세계의 내부 메커니즘과 장기적인 인과관계를 학습하는 데 한계가 있다는 문제를 해결하고자 합니다.#Review#World Model#Coding Agent#Video Generation#Proxy Representation#Executable State#Spatiotemporal Control2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Are Android GUI Agents Robust Against Runtime Anomalies? AnTrap: Evaluating Agents in Dynamic Adversarial Environments본 논문은 Android GUI agents가 실제 배포 환경에서 겪는 동적 runtime anomalies에 대한 robustness 부족 문제를 해결하고자 합니다.#Review#Android GUI Agents#Runtime Anomalies#Robustness Evaluation#Dynamic Adversarial Environments#AnTrap#Taxonomy#Reinforcement Learning#Mobile Agents2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Agent-G^2: Gaussian Guidance for Agentic Reinforcement Learning본 논문은 기존 Hint-based RL 방법론들이 Guidance Depth를 단일 스칼라 값으로 고정하여 작업 간의 난이도 차이를 반영하지 못하는 한계를 해결하고자 합니다.#Review#Agentic Reinforcement Learning#Hint-based RL#Guidance Depth#Adaptive Gaussian Schedule#Reward Sparsity#LLM Agents#GRPO2026년 8월 26일댓글 수 로딩 중
[논문리뷰] A Programming Paradigm for Spatiotemporal Composability본 논문은 현대 소프트웨어 시스템에서 요구되는 dynamic composition의 이론적 기반이 미비하여 발생하는 불안정성 문제를 해결하고자 합니다.#Review#Dynamic Composition#Temporal Composability#Spatial Composability#Effect System#Coeffect System#Cordis#Context Paradigm2026년 8월 26일댓글 수 로딩 중
[논문리뷰] A Modular Agent for Reliable and Auditable Spatial Relation Verification in CT Scans본 논문은 최신 VLM들이 의료 영상 내 해부학적 구조의 공간적 관계를 이해하는 데 있어 심각한 한계를 보이며, 이는 오진으로 이어질 위험이 있음을 지적한다.#Review#Medical Image Reasoning#Vision-Language Models#Agents#Spatial Reasoning#Auditable#CT Scans#YOLO2026년 8월 26일댓글 수 로딩 중
[flashinfer] FlashInfer, CUDA 커널 최적화를 통한 LLM 추론 속도 향상: Recurrence-Piece Persistent M128 도입FlashInfer의 최신 PR은 CUDA 커널 최적화를 통해 LLM 추론 성능을 2.7배 향상시킵니다.#AI#LLM#성능 최적화#CUDA#FlashInfer2026년 8월 26일댓글 수 로딩 중
[sglang] SGLang: LongCat-Image DiT의 FFN 연산 최적화 - Tanh-GELU 퓨전 적용LongCat-Image 모델의 FFN up-projection과 Tanh-GELU를 커널 퓨전하여 추론 성능을 1.5% 개선했습니다.#SGLang#DeepLearning#Optimization#KernelFusion#CUDA2026년 8월 26일댓글 수 로딩 중
[vllm] vLLM, Pixtral 모델의 멀티모달 인코더 어텐션 최적화: Packed Sequence Metadata 도입vLLM이 Pixtral 모델에서 멀티모달 인코더 어텐션의 성능과 메모리 효율성을 개선합니다.#vLLM#Pixtral#멀티모달#어텐션#최적화#성능 개선2026년 8월 26일댓글 수 로딩 중
[vllm] vLLM MoE 성능 최적화: flashinfer_nvlink_one_sided 도입vLLM의 MoE 통신 백엔드를 flashinfer_nvlink_one_sided로 기본 설정하여 처리량(Throughput)을 최대 8% 향상시켰습니다.#vLLM#MoE#FlashInfer#NVLink#Performance2026년 8월 26일댓글 수 로딩 중
[논문리뷰] WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report본 논문은 현대 AI 시스템에서 이기종 멀티모달 데이터의 통합 표현 문제를 해결하기 위해 고성능의 범용 Multimodal Embedding 모델군을 제안합니다. 기존의 CLIP 스타일 모델은 모달리티별로 분리된 인코딩 경로를 가져 복합적인 입력을 처리하는 데 한계가 있으며, 특정 태스크에만 편향되는 경향이 있습니다.#Review#Multimodal Embedding#Large Language Models#Contrastive Learning#Matryoshka Representation Learning#Representation Learning#Retrieval2026년 8월 25일댓글 수 로딩 중
[논문리뷰] TorchMorph: CUDA-accelerated Morphological Transforms본 논문은 현대의 GPU 기반 딥러닝 파이프라인에서 기존 CPU 전용 Morphological Transform 라이브러리인 scipy.ndimage가 초래하는 성능 저하와 비효율성을 해결하기 위해 개발되었습니다.#Review#Morphological Transforms#Distance Transform#Optimal Transport#CUDA#PyTorch#Open Source2026년 8월 25일댓글 수 로딩 중