[논문리뷰] DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents본 연구는 파편화된 화학 문헌 데이터와 비표준화된 데이터 형식으로 인해 발생하는 화학 AI 모델 학습의 한계를 극복하고자 합니다. 기존의 데이터셋은 수동 수집의 비용 문제와 데이터 노이즈, 그리고 구조적 정보의 부재로 인해 최신 Generative AI 및 AI Agent 모델의 성능을 온전히 이끌어내기에 부족했습니다.#Review#Organic Reaction#Data Platform#Automated Pipeline#Fine-grained Data#AI Agents#Chemical Intelligence2026년 9월 9일댓글 수 로딩 중
[논문리뷰] UNMASK: Discovering and Causally Verifying Spurious Shortcuts in Text Classifiers기존의 Spurious Correlation 발견 및 완화 연구들은 특정 feature를 사전에 사람이 정의해야 하거나, 데이터 수준의 통계적 상관관계만 분석할 뿐 해당 모델이 실제로 그 feature를 Causal하게 사용하는지 검증하지 못한다는 한계가 있다.#Review#Spurious Correlations#Text Classifiers#Causal Verification#Counterfactual Generation#Deep Feature Reweighting#Automated Pipeline2026년 8월 16일댓글 수 로딩 중
[논문리뷰] SWE-rebench V2: Language-Agnostic SWE Task Collection at Scale본 논문은 대규모의 재현 가능한 소프트웨어 엔지니어링(SWE) 태스크 환경 부족 문제를 해결하고, 특히 강화 학습(RL) 기반 LLM 에이전트 훈련을 위한 언어 독립적인(language-agnostic) SWE 태스크 컬렉션 을 대규모로 구축하는 것을 목표로 합니다.#Review#SWE Agents#Reinforcement Learning#Task Collection#Language-Agnostic#Automated Pipeline#Docker#LLM Judges#Reproducibility2026년 3월 2일댓글 수 로딩 중