[논문리뷰] WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution본 논문은 long-horizon cowork agents 훈련을 위한 scalable interactive environments 구축의 한계점과 credit assignment의 어려움을 해결하고자 한다.#Review#Long-Horizon Agents#Cowork Agents#Reinforcement Learning#Environment Evolution#Harness-Driven Synthesis#Factorial Compatibility Replay (FCR)#Verifier-to-Turn Credit Assignment (VTCA)2026년 10월 13일댓글 수 로딩 중
[논문리뷰] Environment Evolution for Terminal Agents본 연구는 고성능 터미널 에이전트 학습을 위한 환경의 난이도 부족 문제를 해결하는 것을 목표로 한다. 최근 구축된 대규모 터미널 환경들은 모델의 성능이 향상됨에 따라 더 이상 충분한 학습 신호를 제공하지 못하며, 이로 인해 RL 과정에서 성능 개선을 위한 차별화된 학습 신호가 결여되는 한계가 있다.#Review#Terminal Agents#Environment Evolution#Reinforcement Learning#Off-policy Scaling#Agentic RL#Multi-turn Objective2026년 9월 3일댓글 수 로딩 중
[논문리뷰] OpenART: Scaling Agent Red Teaming via Open-Ended Environment Evolution본 논문은 현대의 AI 에이전트가 단발성 작업이 아닌 장기적인(Long-horizon) 워크플로우에서 동작함에 따라 발생하는 누적된 안전성 위협을 규명하고자 합니다 .#Review#Agent Safety#Red Teaming#Environment Evolution#Long-Horizon#Markov Hypergraph#Robustness2026년 8월 12일댓글 수 로딩 중