[논문리뷰] τ-Emotion-Bench: Exposing the Interaction Fragility of LLM Agents through Real-World User Emotions본 논문은 기존 LLM 에이전트 벤치마크가 터미널 태스크 성공에만 초점을 맞추어 사용자 상호작용의 효율성을 간과하는 문제점을 제기한다.#Review#LLM Agents#Tool-calling#User Emotions#Interaction Fragility#Benchmarking#Data Generation#Agent Training#User Simulation2026년 10월 14일댓글 수 로딩 중
[논문리뷰] SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments본 논문은 Computer-Use Agent (CUA) 훈련에 필요한 다양하고 신뢰성 있는 실행 가능한 환경의 부족 문제를 해결한다.#Review#Computer-Use Agent#GUI Synthesis#Agent Training#Automated Pipeline#Software Benchmarking#Scalability#Generalization2026년 10월 11일댓글 수 로딩 중
[논문리뷰] DART-SD: Diamond-topology Aware Retrieval and Tuning for Self-Distillation of Multi-Turn Tool-Calling Agents본 논문은 대규모 언어 모델 기반의 다중 턴 툴 호출 에이전트 학습에서 발생하는 Topological Collapse 문제를 해결하고자 합니다.#Review#Multi-turn Tool-Calling#Self-Distillation#Interaction-State Transition Graph (ISTG)#Critical Topological Breakpoint (CTB)#Localized Supervision#Agent Training#Policy Diversity2026년 8월 30일댓글 수 로딩 중
[논문리뷰] CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks본 논문은 터미널 에이전트 학습을 위한 데이터 구축 시, 단순히 실행 가능한(executable) 과제만으로는 에이전트의 실질적인 학습 효과를 보장하기 어렵다는 점을 지적합니다.#Review#Terminal-Task Synthesis#Adversarial Solver Calibration#Agent Training#Solver-Relative Learnability#Multi-Solver Calibration#Contrastive Solver Calibration2026년 8월 6일댓글 수 로딩 중