[논문리뷰] Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization in Agent Trajectories본 연구는 Deep-Research Agent의 오류 원인을 파악하기 어렵다는 블랙박스 특성을 해결하고자 합니다. 기존의 에이전트 평가는 주로 최종 결과물(Final Answer)의 정확도에만 집중하기 때문에, 중간 단계의 어떤 부분에서 추론이 어긋났는지 진단하는 데 한계가 존재합니다.#Review#Deep-Research Agents#Error Localization#Agent Trajectories#Span-Level Analysis#LLM Reasoning#Debugging2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Unlocking Feature Learning in Gated Delta Networks at Scale본 논문은 Gated Delta Network와 같은 효율적인 선형 아키텍처에서 대규모 학습 시 안정적인 feature learning을 지원하는 최적의 $\mu P$ 구성 방식을 도출하는 것을 목표로 합니다.#Review#Gated Delta Network#Maximal Update Parametrization#Feature Learning#Hyperparameter Transfer#Linear Recurrent Models#Deep Learning Theory2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Training-Free Multi-Concept LoRA Composition with Prompt-Aware Weighting본 연구는 다수의 LoRA를 결합하여 복합적인 개념을 생성할 때 발생하는 의미적 간섭(Interference)과 그에 따른 화질 및 충실도 저하 문제를 해결합니다.#Review#LoRA#Diffusion Models#Multi-Concept Composition#Prompt-Aware Weighting#Training-Free#Image Generation2026년 6월 3일댓글 수 로딩 중
[논문리뷰] ThoughtFold: Folding Reasoning Chains via Introspective Preference Learning본 논문은 LRMs가 추론 과정에서 '오버씽킹(overthinking)' 현상으로 인해 불필요하게 긴 CoTs를 생성하여 비효율적인 계산 자원을 소모하는 문제를 해결하고자 합니다.#Review#Large Reasoning Models#Reinforcement Learning#Chain-of-Thoughts#Preference Learning#Reasoning Efficiency#Redundancy Mitigation2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Streaming Communication in Multi-Agent Reasoning본 논문은 기존의 'generate-then-transfer' 패러다임이 유발하는 불필요한 대기 시간과 추론 효율 저하 문제를 해결하기 위해 고안되었습니다.#Review#Multi-Agent Reasoning#LLM#Pipeline Parallelism#Streaming Communication#Step-Level Scaling Law#Communication Protocol2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Stable-Layers: Fine-Tuning Image Layer Decomposition Models with VLM-Scored Reinforcement Learning본 논문은 이미지 레이어 분해(Layer Decomposition) 모델의 학습에서 발생하는 데이터 부족 및 정답의 모호성 문제를 해결하기 위해 제안되었습니다. 기존 모델은 합성된 레이어 데이터셋에 의존하여 학습되는데, 이는 단일 정답을 강요함으로써 레이어 분해의 유연성을 제한하고 다양한 편집 가능성을 저해합니다 .#Review#Image Layer Decomposition#Reinforcement Learning#Vision-Language Model#Flow-GRPO#LoRA#VLM-as-Judge2026년 6월 3일댓글 수 로딩 중
[논문리뷰] SpatialAct: Probing Spatial Reasoning-to-Action Capabilities of VLM Agents in 3D Scenes본 논문은 VLM이 단순한 공간 관찰을 넘어 실제 3D 환경에서 행동하고 그 결과를 관리할 수 있는지 평가하기 위해 SpatialAct를 제안한다. 기존의 공간 추론 벤치마크들은 대부분 정적인 이미지나 비디오를 대상으로 모델의 이해도만을 측정하며, 모델의 출력이 환경을 변화시키는 상호작용은 고려하지 않았다 .#Review#VLM Agents#3D Spatial Reasoning#Action-Conditioned#Interactive Refinement#Benchmark#Simulator-Grounded2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Semi-Supervised Noise Adaptation: Transferring Knowledge from Noise Domain본 연구는 레이블이 거의 없는 target domain에서 의미 있는 소스 데이터를 구하기 어려운 문제를 해결하기 위해, 무작위 생성된 노이즈 분포를 소스 도메인으로 활용하는 SSNA 문제를 정의한다.#Review#Semi-Supervised Learning#Transfer Learning#Noise Adaptation#Generalization Bound#Distribution Alignment#Representation Learning2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Self-Distilled Policy Gradient본 논문은 제공된 URL에 직접 접근할 수 없는 기술적 제한으로 인해, 해당 논문의 상세 내용(Figure, 구체적 수치 등)을 직접 추출하여 요약하는 것이 불가능합니다.#Review2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Score-Control for Hallucination Reduction in Diffusion Models본 논문은 현대 Diffusion Model에서 발생하는 Hallucination 문제가 학습된 Score Function의 지나친 Smoothness에서 기인한다는 점을 이론적으로 규명합니다.#Review#Diffusion Models#Hallucination Reduction#Score Smoothness#Variance-Guided Score Modulation (VSM)#Lipschitz Constant#Generative AI#Jacobian2026년 6월 3일댓글 수 로딩 중
[논문리뷰] STRIDE: Training Data Attribution via Sparse Recovery from Subset Perturbations본 논문은 LLM의 예측 결과를 학습 데이터로 거슬러 올라가 추적하는 TDA의 계산 효율성과 이론적 한계를 해결하고자 합니다.#Review#Training Data Attribution#LLM#Sparse Recovery#Compressive Sensing#Activation-Space#Steering Operators#Causal Inference2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Reproducing, Analyzing, and Detecting Reward Hacking in Rubric-Based Reinforcement Learning본 연구는 Rubric-based RL에서 발생하는 보상 해킹의 불투명성을 해결하기 위해 수행되었습니다. 실제 환경에서는 모델의 답변 품질과 평가자의 잠재적 편향이 혼재되어 있어, 보상 해킹의 발현 시점을 정확히 파악하거나 해킹의 원인을 단일 요소로 분리하기가 어렵습니다 .#Review#Reinforcement Learning#Reward Hacking#LLM-as-a-Judge#Alignment#Policy Gradient#Alignment#Evaluation2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Qwen-Image-Flash: Beyond Objective Design본 논문은 기존의 few-step distillation 연구가 주로 증류 목적 함수(Distillation Objective) 설계에만 치중하여 실제 훈련 레시피(Training Recipe)가 미치는 영향력을 간과했다는 점을 지적한다.#Review#Few-step Distillation#Flow Matching#DMD#T2I Generation#Image Editing#Training Recipe#Multi-teacher Guidance2026년 6월 3일댓글 수 로딩 중
[논문리뷰] PaintBench: Deterministic Evaluation of Precise Visual Editing본 논문은 최신 멀티모달 모델들이 일반적인 시각 편집에는 능숙하지만, 정확한 단일 결과가 요구되는 정밀 편집 작업(Precise Visual Editing) 수행에는 한계를 보인다는 문제 의식에서 출발합니다.#Review#Multimodal Models#Image Editing#Benchmark#Deterministic Evaluation#Pixel-level#Procedural Generation2026년 6월 3일댓글 수 로딩 중
[논문리뷰] OpenSTBench: Beyond Semantic Evaluation for Speech Translation본 논문은 현대의 음성 번역 시스템이 S2TT, S2ST, 오프라인, 스트리밍 환경 등 다양한 시나리오로 확장됨에 따라 발생하는 평가의 불일치 문제를 해결하고자 한다.#Review#Speech Translation#Evaluation Framework#S2ST#S2TT#Streaming#Multidimensional#Temporal Quality2026년 6월 3일댓글 수 로딩 중
[논문리뷰] OVO-S-Bench: A Hierarchical Benchmark for Streaming Spatial Intelligence in Multimodal LLMs본 논문은 실시간 환경에서 활동하는 멀티모달 에이전트가 단편적인 현재 시점의 정보가 아닌, 시간 흐름에 따른 공간적 구조를 지속적으로 유지하고 추론해야 한다는 도전 과제를 해결하고자 합니다.#Review#Multimodal LLMs#Streaming Spatial Intelligence#Egocentric Video#Hierarchical Benchmark#Spatiotemporal Reasoning#Allocentric Mapping2026년 6월 3일댓글 수 로딩 중
[논문리뷰] MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation본 논문은 기존의 autoregressive 메시 생성 모델들이 겪고 있는 낮은 토큰화 효율성과 기하학적 정보 부족 문제를 해결하고자 한다.#Review#Autoregressive Mesh Generation#Sparse-Voxel Encoder#Surface Weaving#Vertex-Level Tokenization#Geometry-Aware Guidance#3D Deep Learning2026년 6월 3일댓글 수 로딩 중
[논문리뷰] MemTrain: Self-Supervised Context Memory Training본 논문은 장기적인 컨텍스트를 처리해야 하는 LLM 에이전트에서 Memory 병목 현상을 해결하는 것을 핵심 문제로 다룹니다 . 기존의 연구들은 전체 입력 기록을 컨텍스트에 모두 포함시키는 방식을 사용했으나, 이는 계산 비용의 급격한 증가를 초래합니다.#Review#LLM Agents#Context Memory#Self-Supervised Learning#Reinforcement Learning#GRPO#Long-Horizon Reasoning2026년 6월 3일댓글 수 로딩 중
[논문리뷰] MapAgent: An Industrial-Grade Agentic Framework for City-scale Lane-level Map Generation본 연구는 고정밀 Lane-level Map의 자동 생성 및 유지보수 과정에서 발생하는 사양 준수 오류를 해결하기 위한 Agentic Framework를 제안한다.#Review#Map Generation#Map Agent#Vision-Language Models#Lane-level Mapping#Agentic Framework#Vectorization#Constraint Verification2026년 6월 3일댓글 수 로딩 중
[논문리뷰] MMG2Skill: Can Agents Distill In-the-Wild Guides into Self-Evolving Skills?본 논문은 웹상의 방대한 절차적 지식을 에이전트가 실행 가능한 Skill로 활용하지 못하는 근본적인 문제(procedural grounding 부족)를 해결한다.#Review#Guide-to-Skill Learning#Vision-Language Model (VLM) Agents#Closed-Loop Framework#Procedural Grounding#In-the-Wild Guides#Trajectory-Driven Revision2026년 6월 3일댓글 수 로딩 중