[논문리뷰] Towards Physics of Multimodal Pretraining: Knowledge Flow, Modality Synergy, Early Unification, and Recipes본 논문은 Foundation Model이 단일 양식에서 다중 양식으로 발전함에 따라, Multimodal Pretraining의 설계 공간과 양식 간 상호작용의 근본적인 메커니즘이 충분히 탐구되지 않았다는 문제의식에서 출발합니다.#Review#Multimodal Pretraining#Knowledge Flow#Modality Synergy#Early Unification#Vision Laziness#Data Mixing Ratios#Transformer Architecture2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning본 논문은 최신 LLM이 개별 Skill은 우수하게 수행함에도 불구하고, 서로 다른 Skill을 순차적으로 요구하는 Long-Horizon 작업에서는 성능이 급격히 저하되는 'Skill-Switching Gap' 문제를 해결하고자 합니다.#Review#Large Language Models#Long-Horizon Reasoning#Skill Entropy#Skill-Native#Reinforcement Learning#Cross-Skill Capability2026년 8월 5일댓글 수 로딩 중
[논문리뷰] ToolArtist: Tool-Using Unified Multimodal Models for Agentic Image Generation본 논문은 기존의 text-to-image 모델들이 복잡한 사실 관계나 외부 지식이 필요한 open-world 작업에서 심각한 정보 결핍과 사실 왜곡 문제를 겪고 있다는 점을 지적합니다.#Review#Agentic Image Generation#Unified Multimodal Model#Reinforcement Learning#Tool-Use#Post-training#Reason-Act-Draw2026년 8월 5일댓글 수 로딩 중
[논문리뷰] The Personalization Mirage: How LLMs Fabricate User Profiles, and Why Self-Monitoring Misleads개인화된 LLM은 장기 메모리(Persistent Memory)를 통해 사용자 정보를 저장하고 활용하지만, 이러한 정보가 사용자가 실제로 공유한 근거에 기반하는지에 대한 신뢰성(Faithfulness)은 미검증 상태로 남아있습니다.#Review#Large Language Models#Personalization#Over-Inference#Faithfulness#MirageBench#Self-Monitoring#User Modeling2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Self-Evolving Coding Agents본 논문은 현대의 Coding Agents가 배포 후 정적인 상태로 머물러 있어, 변화하는 소프트웨어 환경에 적응하지 못하는 문제를 해결하고자 한다. 대부분의 에이전트는 고정된 프롬프트와 컨트롤 로직을 사용하는데, 이는 저장소의 지속적인 변화와 반복적인 버그 수정 과정에서 최적의 성능을 발휘하기 어렵다.#Review#Coding Agents#Self-Evolving Agents#Software Engineering#Repository-level Context#Executable Feedback#Agent Framework#Automated Programming2026년 8월 5일댓글 수 로딩 중
[논문리뷰] SKILL-KD: Contrastive Skill Distillation for LLM Agents기존의 LLM 에이전트 기술 습득 방식은 모델 자체의 경험이나 교사의 성공적인 Trajectory를 단순히 요약하는 수준에 머물러 있어, 학생 모델이 요구하는 구체적인 Procedural 전략을 내재화하기 어렵다는 한계가 있습니다. .#Review#LLM Agents#Knowledge Distillation#Skill Acquisition#Contrastive Learning#Adaptive Distillation#Drift-Aware Consolidation2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Resume Means Resume: A Machine-Checked Conformance Contract for Checkpoint, Interrupt, and Resume Semantics in Workflow Persistence Layers본 논문은 현대의 agent workflow 프레임워크들이 제공하는 persistence 보장의 불투명성과 그로 인한 신뢰성 문제를 해결하고자 한다.#Review#Conformance Testing#Checkpointing#Crash Recovery#Exactly-Once Semantics#TLA+#Workflow Persistence#Distributed Systems2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Poly-OPD: Heterogeneous Multi-Teacher On-Policy Distillation for Capability-Selectable Flow Models본 논문은 서로 다른 아키텍처를 가진 교사 모델들의 보완적인 강점을 단일 소형 모델로 통합하는 Multi-capability Consolidation 문제를 해결한다.#Review#On-Policy Distillation#Flow Matching#Multi-Teacher#Capability-Selectable#Gradient Compatibility#Heterogeneous Models2026년 8월 5일댓글 수 로딩 중
[논문리뷰] OneDayAgent: Towards a Long-Horizon Harness for Autonomous Agents본 논문은 Large Language Model (LLM) 기반 에이전트가 long-horizon, cross-environment, 그리고 multimodal 특성을 지닌 일상적인 요청을 처리하는 데 직면하는 한계점을 해결하고자 합니다.#Review#Autonomous Agents#Long-Horizon Tasks#Task Decomposition#Execution Memory#Global Verification and Repair#LLM Harness#AgentIF-OneDay2026년 8월 5일댓글 수 로딩 중
[논문리뷰] OPD-V: Visual On-Policy Self-Distillation with Modality Balance본 논문은 MLLM의 시각적 추론 성능을 향상시키는 On-Policy Self-Distillation (OPSD) 과정에서 발생하는 Modality Imbalance 문제를 해결하고자 합니다.#Review#Multimodal Large Language Models#On-Policy Self-Distillation#Modality Imbalance#Visual Reasoning#Privileged Information#Modality-Balance Trust Region2026년 8월 5일댓글 수 로딩 중
[논문리뷰] NOLLI: A Difficulty-Calibrated Puzzle Benchmark for Diagnosing the English-Korean Performance Gap본 논문은 LLM이 단순 pattern matching을 넘어 진정한 logical reasoning 능력을 갖추고 있는지에 대한 불확실성과 multilingual evaluation에서 language-specific failure가 단일 performance gap으로 뭉뚱그려지는 문제를 해결하고자 한다.#Review#Puzzle Benchmark#Cross-Lingual Evaluation#Performance Gap#Hangul Jamo#Difficulty Calibration#Procedural Generation#LLM Reasoning#Korean NLP2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Lossless Tensor Compression as Program Synthesis본 논문은 AI 모델 Checkpoint의 급격한 증가하는 규모와 개수로 인해 발생하는 아카이빙, 전송 및 배포 비용 문제를 해결하고자 합니다.#Review#Lossless Compression#Tensor Compression#Program Synthesis#Domain-Specific Language (DSL)#Model Checkpoints#A* Search#Bit-Exact Reconstruction#Hugging Face2026년 8월 5일댓글 수 로딩 중
[논문리뷰] K-EXAONE 2.0 Technical Report본 연구는 글로벌 AI 경쟁 시대에 대응하여 국산 거대언어모델의 독자적인 구축 및 운영 능력을 확보하기 위해 수행되었다. 기존 모델을 폐기하고 처음부터 모델을 학습시키는 것은 방대한 계산 자원과 데이터, 학습 노하우를 낭비하는 결과를 초래한다.#Review#Foundation Model#Mixture-of-Experts#Upcycling#Speculative Decoding#Long-Context#Agentic Capability#Post-training2026년 8월 5일댓글 수 로딩 중
[논문리뷰] HelloWorld: Enabling Socially Interactive Characters in Video World Models본 논문은 기존 video world models이 사용자-캐릭터 간의 Social Interaction 기능을 지원하지 않는다는 핵심적인 문제를 해결하고자 합니다.#Review#Video World Models#Social Interaction#Self-Distillation#Temporal Cross-Attention Mask#HelloWorldBench#Camera-Pose Conditioning#Generative AI2026년 8월 5일댓글 수 로딩 중
[논문리뷰] GDPevo: Evaluating Agent Self-Evolution on Real Business Tasks본 논문은 기존 에이전트 self-evolution 벤치마크가 실질적인 경제적 가치가 높은 도메인을 충분히 다루지 못하며, 학습-테스트 간의 인과 관계가 불분명하여 성과 향상을 신뢰하기 어렵다는 문제점을 해결하고자 합니다.#Review#Agent Self-Evolution#Benchmarking#Enterprise Workflows#Rule Hybridization#Data Contamination#Autonomous Agents2026년 8월 5일댓글 수 로딩 중
[논문리뷰] FocusMem: Factorizing Content, Readout, and Trust in Latent GUI MemoryGUI 에이전트(agents)는 과거 태스크의 유용한 경험과 현재 인터랙션의 미완성된 진행 상황을 효과적으로 기억해야 하지만, 기존 잠재 메모리(latent memory) 방식은 중요한 세부 정보 손실, 다양한 의사결정 단계에 대한 부적합성, 그리고 불필요한 정보로 인한 오도(misleading)와 같은 한계를 가지고 있습니다.#Review#GUI agents#latent memory#episodic memory#working memory#content basis#state-conditioned readout#trust gate#multimodal trajectories2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data본 논문은 일반적인 로봇 조작(Manipulation) 정책을 학습하기 위한 대규모 데모 데이터 부족 문제를 해결하고자 한다. 기존의 로봇 데이터 수집 방식은 비용이 많이 들고 노동 집약적이며, 데이터의 다양성 또한 하드웨어 제약으로 인해 제한적이다.#Review#Robot Data Synthesis#Egocentric Data#Generalization Evaluation#Vision-Language-Action#Embodiment#Robot Learning2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Distill Where You Fail: Recovering Learning Signals of Negative RL-Groups from Adaptive Teacher GuidanceLLM의 추론 능력 향상을 위한 RLVR(Reinforcement Learning with Verifiable Rewards) 방법 중 GRPO (Group Relative Policy Optimization)는 단순하고 안정적이지만, 희소한 보상 신호(sparse reward signals)와 Negative Zero-Variance Prompts에서 그래디언트 소실(vanishing gradients) 문제를 겪습니다.#Review#Reinforcement Learning#On-Policy Distillation#Large Language Models#GRPO#Knowledge Distillation#Adaptive Teacher Guidance#Zero-Variance Prompts#Supervised Fine-Tuning2026년 8월 5일댓글 수 로딩 중
[논문리뷰] DRIFT: Derailing Denoising Trajectories of Flow-Matching VLAs with Adversarial Patch Attack본 연구는 최근 Flow-Matching 기반의 VLA 모델들이 기존의 autoregressive 모델들에 비해 adversarial 공격에 강인하다는 주장이 실제로는 오해일 수 있음을 지적한다.#Review#Vision-Language-Action Models#Flow-Matching#Adversarial Patch Attack#Denoising Velocity Field#Robustness#Gradient Conflict2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Consistency-Driven Co-Evolution for Self-Supervised Cross-Representation Learning본 논문은 차트 이미지, 테이블 데이터, 시각화 코드 간의 cross-representation understanding에서 AI 시스템이 직면하는 근본적인 문제를 해결하고자 합니다.#Review#Cross-Representation Learning#Self-Supervised Learning#Consistency-Driven Co-Evolution#Multimodal Reasoning#Chart Understanding#Code Generation2026년 8월 5일댓글 수 로딩 중