[논문리뷰] Where to Learn and How Far to Roll Out: Efficient Adaptive Training for GUI Agents본 논문은 GUI 에이전트 학습 시 발생하는 과도한 환경 상호작용 비용과 비효율적인 크레딧 할당 문제를 해결하는 것을 목표로 합니다. 기존의 Vanilla GRPO는 태스크의 루트(Root)에서 항상 전체 궤적을 롤아웃해야 하므로, 이미 마스터한 초기 단계까지 반복적으로 실행하는 비효율성이 존재합니다 .#Review#GUI Agents#Reinforcement Learning#Adaptive Training#Action Disagreement#Checkpointing#GRPO#Trajectory Optimization2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Learning on the Job: Test-Time Curricula for Targeted Reinforcement Learning본 연구는 대규모 언어 모델(LLM)이 테스트 시점에 표적 작업을 해결하는 추론 능력을 지속적으로 향상 시키는 방법을 제안합니다.#Review#Test-Time Curriculum#Reinforcement Learning#Large Language Models#Self-Curated Learning#Continual Learning#Reasoning Benchmarks#Adaptive Training2025년 10월 7일댓글 수 로딩 중
[논문리뷰] DeepSearch: Overcome the Bottleneck of Reinforcement Learning with Verifiable Rewards via Monte Carlo Tree Search논문은 LLM의 추론 능력 향상을 위한 Verifiable Rewards 기반의 강화 학습(RLVR) 에서 발생하는 훈련 정체(training plateaus) 및 불충분한 탐색(insufficient exploration) 문제를 해결하는 것을 목표로 합니다.#Review#Reinforcement Learning with Verifiable Rewards (RLVR)#Monte Carlo Tree Search (MCTS)#Mathematical Reasoning#Large Language Models (LLMs)#Systematic Exploration#Adaptive Training#Tree-GRPO2025년 10월 2일댓글 수 로딩 중