[논문리뷰] Is Your Long-Horizon Benchmark Really Deep? Measuring and Synthesizing Depth in Terminal Tasks본 논문은 기존의 긴 호라이즌(Long-horizon) 터미널 벤치마크들이 실제로 '깊이(Depth)' 있는 작업인가에 대한 의문을 제기하며, 작업의 길이를 턴 수로만 측정하는 기존 연구의 한계를 지적한다.#Review#Terminal Task#Long-Horizon#Task Depth#Benchmark Synthesis#Work-Depth Analysis#Agent Evaluation#LLM2026년 11월 3일댓글 수 로딩 중
[논문리뷰] OpenComputer: Verifiable Software Worlds for Computer-Use Agents본 논문은 컴퓨터 사용 에이전트의 훈련과 평가를 저해하는 환경 구축의 어려움과 평가 신뢰성 부족 문제를 해결하기 위해 OpenComputer를 제안한다.#Review#Computer-Use Agents#Verifiable Software Worlds#Verifier-Grounded#Benchmark Synthesis#Desktop Automation#Self-Evolving Verification2026년 5월 19일댓글 수 로딩 중
[논문리뷰] InfoSynth: Information-Guided Benchmark Synthesis for LLMs대규모 언어 모델(LLM)의 추론 및 코드 생성 능력 평가를 위한 새롭고 다양한 벤치마크를 효율적으로 생성하는 것이 이 논문의 핵심 목표입니다.#Review#Benchmark Synthesis#LLM Evaluation#Code Generation#Information Theory#Genetic Algorithms#Novelty Metrics#Diversity Metrics2026년 1월 4일댓글 수 로딩 중