[논문리뷰] The Thinking Leakage in Reinforcement Learning for LLMs본 논문은 no-think mode에서 학습된 Hybrid Reasoning Model의 성능 향상이 진정한 추론 능력의 습득인지, 아니면 기존에 존재하는 능력의 재활성화인지 규명하고자 한다.#Review#Reinforcement Learning#Large Language Models#Thinking Leakage#Hybrid Reasoning#Representation Engineering#GRPO#Interpretability2026년 10월 14일댓글 수 로딩 중
[논문리뷰] TextVerifier: Seeing Beyond Recognition to Verify Chinese Text Rendering본 논문은 최신 Text-to-Image 모델들이 생성하는 중국어 텍스트에서 발생하는 미세한 렌더링 오류를 감지하는 문제를 해결하고자 합니다.#Review#Text Rendering Verification#Chinese Text#Target-Conditioned#IDS#Dual-Tower#Flow-GRPO#Anomaly Detection2026년 10월 14일댓글 수 로딩 중
[논문리뷰] SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm본 논문은 과학 연구 분야에서 Recursive Self-Improvement (RSI)를 달성하려는 Scientific Agent Swarm의 두 가지 주요 한계점을 해결하고자 합니다.#Review2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Super-Resolution in The Right Latent Space: A Frozen Vision-Foundation Substrate현재의 Real-world Super-Resolution (SR) 방법론들은 degraded image의 latent embedding이 clean image manifold에서 멀리 떨어져 있는 reconstruction-oriented latent space나 pixel space에서 복원 작업을 수행한다.#Review#Super-Resolution#Latent Space#DINOv3-L#Vision Foundation Model#Fidelity-Perception Trade-off#Adversarial Training#Image Restoration2026년 10월 14일댓글 수 로딩 중
[논문리뷰] StartLux-Decision: AutoThink Decision Models with Reinforcement Learning for Calibrated Deliberative Decisions본 논문은 현대 LLM 시스템에서 결정(Decision) 모델이 추론 능력과 계산 효율성 간의 균형을 유지하면서 신뢰성 있는 결과를 도출하는 방법을 해결하고자 한다.#Review#Decision Models#Reinforcement Learning#Adaptive Reasoning#Probability Calibration#Large Language Models#Computational Decisions2026년 10월 14일댓글 수 로딩 중
[논문리뷰] SkillMarker: A KGW-Based Watermarking Method for Agent Skill Ownership Verification본 논문은 에이전트 스킬의 무단 복제 및 유출 문제를 해결하기 위해, 기능적 정확성을 해치지 않으면서 스킬 소유권을 검증할 수 있는 워터마킹 기법인 SkillMarker를 제안합니다 .#Review#Watermarking#Agent Skills#KGW#Ownership Verification#Quality-Constrained Rewriting#Provenance Auditing2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Share the Symbol, Not the Vector: Training-Free Fact Communication Across Language Models본 논문은 서로 다른 Language Models 간에 사전 학습된 지식(Fact)을 효율적으로 공유하거나 이전하는 문제를 다룹니다.#Review#Fact Communication#Language Models#Training-Free#Symbol-Indexed#Activation Steering#Model Interpretability#Knowledge Transfer2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory본 논문은 현대의 멀티모달 에이전트가 복잡하고 이질적인 환경에서 장기적인 과업을 수행할 때 겪는 메모리 형성 및 유지의 한계를 해결하고자 한다. 기존의 텍스트 중심 에이전트와 달리, 멀티모달 에이전트는 시각, 청각, 공간적 정보를 다루며 이는 고차원의 데이터 손실 없는 압축을 어렵게 만든다 .#Review#Multimodal Agent#Memory Lifecycle#Memory Management#Representation Learning#Long-horizon Reasoning#Formation2026년 10월 14일댓글 수 로딩 중
[논문리뷰] SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving자율주행 분야에서 Vision-Language-Action (VLA) 모델은 LLM의 상식적인 지식(commonsense priors)을 활용하여 고정된 명령어 세트에서 벗어나 자유 형식의 자연어 지시를 따를 수 있게 되면서 주목받고 있습니다.#Review#Autonomous Driving#Vision-Language-Action Model#Safety#World Model#Navigation-Scene Conflict#Closed-Loop Evaluation2026년 10월 14일댓글 수 로딩 중
[논문리뷰] SWEeper-Bench: Can Agents Discover Bugs in Interactive Software?본 연구는 기존 소프트웨어 공학 벤치마크가 사용자의 버그 신고 이후의 수정 능력만을 평가하는 한계에서 벗어나, 에이전트가 스스로 버그를 발견할 수 있는지 측정하는 것을 목표로 합니다.#Review#Coding Agents#Software Engineering#Interactive Software#Bug Discovery#Benchmarking#Agentic Verifier2026년 10월 14일댓글 수 로딩 중
[논문리뷰] RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios본 논문은 복잡한 실세계 환경에서 LLM 에이전트의 도메인 특화 규칙 추론 성능이 여전히 저조하다는 점을 해결하고자 한다. 기존 연구들은 단순한 사실 관계 기반의 시나리오를 사용하여 규칙 식별과 적용의 난이도를 지나치게 단순화하는 한계가 있다 .#Review#Agentic Rule Reasoning#Complex Scenarios#Benchmark#Rule Identification#Rule Deduction#End-to-End Rule Reasoning#Multi-file Scenarios2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Rethinking Projector Training in Multimodal LLMs본 논문은 Multimodal LLMs에서 널리 사용되는 Projector Training (Stage-I) 단계의 역할이 poorly understood 되어 있다는 핵심 문제를 제기합니다. 기존 연구들은 Stage-I의 중요성에 대해 conflicting evidence를 제시해왔습니다.#Review#Multimodal LLMs#Projector Training#Optimal Transport#Training-Free Projector#Feature Alignment#Coarse Alignment#Bures-Wasserstein2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Recovering Reliable Supervision via Critique-Guided On-Policy Distillation본 논문은 OPD 학습 과정에서 발생하는 교사 모델의 지도 신호 불신뢰성 문제를 해결합니다. 기존 연구들은 학생이 오차를 범한 이후 교사 모델이 그 오차를 그대로 따라가는 현상을 보이며, 이에 따라 교사의 Recoverability가 급격히 하락하여 신뢰할 수 없는 지도 신호를 제공하게 됩니다 .#Review#On-policy distillation#Teacher recoverability#Critique-guided rewriting#Occupancy mismatch#Privileged information#Mathematical reasoning2026년 10월 14일댓글 수 로딩 중
[논문리뷰] RAR: Rate-Adaptive Rollout for Time-Consistent Interactive World Models본 논문은 interactive world models에서 발생하는 'temporal-rate coupling' 문제를 해결하여, 다양한 하드웨어 환경 및 실행 조건에서도 temporally consistent한 실시간 월드 생성을 구현하는 것을 목표로 합니다.#Review#Interactive World Models#Rate-Adaptive Rollout#Stride-RoPE#Temporal Consistency#Physical-Time Coordinate#Multi-Rate Learning2026년 10월 14일댓글 수 로딩 중
[논문리뷰] ProgAgent: Learning Tool Orchestration through Programmatic Training대규모 언어 모델(LLM)은 장기적인 오픈월드 도구 환경에서 도구 오케스트레이션에 어려움을 겪는다는 문제가 있습니다. 기존의 Direct Tool Calling (DTC) 방식은 모델 컨텍스트에 원본 도구 출력을 직접 누적하여 Context Rot 및 오케스트레이션 실패를 야기합니다.#Review#ProgAgent#Programmatic Tool Calling (PTC)#Direct Tool Calling (DTC)#Tool Orchestration#Long-Horizon Tasks#Environment State Scaling#Reinforcement Learning (RL)#Context Rot2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Player-1: Learning to Play from Synthetic Experience본 연구는 기존 게임 에이전트 학습 파이프라인이 대규모 시연(demonstration)에 과도하게 의존하며, 정작 동적인 게임 상태에 대한 대응력이 부족하고 확장 가능한 환경을 확보하기 어렵다는 문제를 해결하고자 한다.#Review#Computer-Use Agent#Reinforcement Learning#Synthetic Experience#Game Control#Action Space#Post-Training#Verifiable Rewards2026년 10월 14일댓글 수 로딩 중
[논문리뷰] More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement LearningAgentic Reinforcement Learning 분야에서 self-distillation methods가 빠르게 증가하고 있지만, 이들 간의 성능을 공정하고 체계적으로 비교할 수 있는 independent benchmark가 부족하다는 점이 본 연구의 핵심 문제입니다.#Review2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders본 논문은 여러 명의 인간 응답자가 피드백을 제공하는 시나리오에서, Rank-GRPO와 같은 LLM Recommender 훈련을 위한 Reinforcement Learning (RL) 과정의 비효율성과 높은 분산 문제를 해결하고자 합니다.#Review#LLM Recommenders#Reinforcement Learning (RL)#GRPO#Responder Noise#Rao-Blackwellization#Reward Modeling#Recommendation Systems2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Long-Horizon RL Needs Muon본 논문은 긴 호흡의 의사결정이 필요한 Long-Horizon 환경에서 sparse한 Outcome Reward를 효율적으로 학습하는 문제를 다룹니다.#Review#Long-Horizon RL#Muon#Single-stream Policy Optimization#Agentic RL#Software Engineering Agents#Reward Shaping2026년 10월 14일댓글 수 로딩 중
[논문리뷰] LensErase: A Foundation Model for Erase Anything본 논문은 다양한 실세계의 제거(Erase) 요구사항을 범용적으로 해결할 수 있는 Foundation Model인 LensErase를 제안합니다. 기존의 객체 제거 연구들은 특정 도메인에 국한되거나, 작은 객체부터 거대 객체, 텍스트, 워터마크 등 다양한 유형을 동시에 처리하는 데 한계가 있었습니다.#Review#Foundation Model#Image Editing#Object Removal#Flow Matching#Reinforcement Learning#Mask-Aware RoPE#TraceFusion2026년 10월 14일댓글 수 로딩 중