[논문리뷰] Player-1: Learning to Play from Synthetic Experience본 연구는 기존 게임 에이전트 학습 파이프라인이 대규모 시연(demonstration)에 과도하게 의존하며, 정작 동적인 게임 상태에 대한 대응력이 부족하고 확장 가능한 환경을 확보하기 어렵다는 문제를 해결하고자 한다.#Review#Computer-Use Agent#Reinforcement Learning#Synthetic Experience#Game Control#Action Space#Post-Training#Verifiable Rewards2026년 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] HybridCUA: Learning to Orchestrate GUI and CLI for Computer-Use Agents기존 Computer-Use Agents (CUAs)는 GUI 상호작용에만 의존하거나 application-specific API 또는 tool을 사용하여 task를 수행하지만, 이러한 방식은 비효율적이거나 확장성이 떨어진다는 핵심 문제에 직면해 있습니다.#Review#Computer-Use Agent#GUI-CLI Orchestration#Reinforcement Learning#Hybrid Data Generation#Multimodal LLM2026년 9월 29일댓글 수 로딩 중
[논문리뷰] Echoverse: Deep, Evolving Environments for Training Computer-Use Agents at Scale본 논문은 기존의 Live-web 기반 벤치마크가 Computer-Use Agent 학습 및 평가에 가지는 근본적인 한계를 해결하고자 한다.#Review#Computer-Use Agent#Reinforcement Learning#Synthetic Environments#Co-evolution Loop#Grounded Grading#Agentic Workflow2026년 7월 30일댓글 수 로딩 중
[논문리뷰] WeaveBench: A Long-Horizon, Real-World Benchmark for Computer-Use Agents with Hybrid Interfaces기존의 컴퓨터 에이전트 평가 벤치마크는 주로 단일 브라우저 기반 작업에 국한되어 있어, 실제 데스크톱 환경의 복잡한 Long-Horizon 작업 수행 능력을 평가하는 데 한계가 있습니다.#Review#Computer-Use Agent#Long-Horizon#Real-World Benchmark#Hybrid Interface#Human-Computer Interaction#Agent Evaluation2026년 6월 11일댓글 수 로딩 중
[논문리뷰] Learn from Weaknesses: Automated Domain Specialization for Small Computer-Use Agents본 논문은 소규모(Small) 오픈소스 CUA들이 다양한 소프트웨어 환경에서 도메인 특화 성능이 여전히 부족하다는 점을 해결하고자 합니다.#Review#Computer-Use Agent#Domain Specialization#Annotation-free#Weakness-aware#Direct Preference Optimization#GUI Agent2026년 5월 27일댓글 수 로딩 중
[논문리뷰] GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents본 연구는 Multimodal Large Language Model(MLLM) 기반 게임 에이전트의 체계적인 평가를 가로막는 표준화된 인터페이스의 부재와 검증 방식의 한계를 극복하기 위해 수행되었습니다.#Review#Multimodal Large Language Model#Game Agent#Benchmark#Standardized Evaluation#Computer-Use Agent#Semantic Action Parsing#Outcome-based Evaluation2026년 4월 15일댓글 수 로딩 중