[논문리뷰] Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild?본 연구는 Frontier Agents가 통제된 벤치마크 환경을 넘어 실제적이고 복잡한 과학 연구 현장(In the Wild)에서 어느 정도의 실질적 성과를 거둘 수 있는지 검증하는 것을 목표로 합니다.#Review#ML for Science#Frontier Agents#Automated Machine Learning#Scientific Discovery#Autonomous Research Agents#LLM-based Agents2026년 10월 21일댓글 수 로딩 중
[논문리뷰] MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm Discovery본 논문은 기존의 LLM 기반 Machine Learning Engineering(MLE) 에이전트들이 겪고 있는 정보 고립, 메모리 부족, 비효율적인 long-horizon 최적화 문제를 해결하기 위해 MLEvolve를 제안합니다.#Review#Automated Machine Learning#LLM Agents#Monte Carlo Graph Search#Self-Evolving#Long-Horizon Optimization#Algorithm Discovery2026년 6월 4일댓글 수 로딩 중
[논문리뷰] MADD: Multi-Agent Drug Discovery Orchestra초기 신약 개발 과정에서 히트 분자(hit molecule) 식별 에 필요한 막대한 자원과 기존 AI 방법론의 복잡성 및 접근성 부족 문제를 해결하는 것이 목표입니다.#Review#Multi-Agent System#Drug Discovery#LLM#Hit Identification#Virtual Screening#Generative AI#Property Prediction#Automated Machine Learning2025년 11월 12일댓글 수 로딩 중