[논문리뷰] Think Harder Where It Matters: Item-Level Adaptive Recursion for Sequential Recommendation본 논문은 Sequential Recommendation의 표준 paradigm인 고정된 연산 깊이(Fixed-depth) 할당이 비효율적임을 지적한다.#Review#Sequential Recommendation#Adaptive Depth#Looped Transformer#Computational Efficiency#Item-Level Routing2026년 10월 21일댓글 수 로딩 중
[논문리뷰] Dr.LLM: Dynamic Layer Routing in LLMs대규모 언어 모델(LLM)이 모든 입력 토큰을 고정된 모든 레이어에 통과시키면서 발생하는 비효율성(쉬운 작업 시 연산 낭비)과 복잡한 추론 작업 시 유연성 부족 문제를 해결하는 것을 목표로 합니다.#Review#Dynamic Routing#LLMs#Adaptive Depth#Computational Efficiency#Monte Carlo Tree Search (MCTS)#Retrofittable Framework#Supervised Learning#Accuracy Improvement2025년 10월 15일댓글 수 로딩 중