[논문리뷰] CodeMidas: Scaling Agentic Coding RL Environments from Code Itself본 논문은 기존의 코딩 에이전트 학습 데이터가 이슈 리포트, 커밋, 혹은 특정 테스트 케이스와 같은 개발 아티팩트에 지나치게 의존하여 학습 태스크 확장에 한계가 있다는 문제를 해결하고자 한다.#Review#Agentic Coding#Reinforcement Learning#Codebase Adaptation#Execution-grounded Testing#Environment Scaling#Self-verification2026년 9월 20일댓글 수 로딩 중
[논문리뷰] Apodex 1.1: Scaling Agentic Intelligence for Complex Work본 논문은 일반적인 언어 모델이 추론과 지식 합성에는 뛰어나지만, 실제 업무의 핵심인 '장기적인 작업 수행'에는 한계가 있다는 점을 지적한다.#Review#Agentic Intelligence#Environment Scaling#Agentic Coordination#Heavy-Duty Solver#AgentOS#Long-Horizon Work#Reinforcement Learning2026년 8월 24일댓글 수 로딩 중
[논문리뷰] Endless Terminals: Scaling RL Environments for Terminal Agents본 논문은 자체 개선 에이전트 훈련을 위한 환경이 부족하다는 문제점을 해결하고, 확장 가능한 RL 환경을 제공하는 것을 목표로 합니다.#Review#Reinforcement Learning#Procedural Generation#Terminal Agents#Environment Scaling#Language Models (LLMs)#PPO#Task Generation#Automated Verification2026년 1월 25일댓글 수 로딩 중
[논문리뷰] Towards General Agentic Intelligence via Environment Scaling본 논문은 일반 에이전트 지능(General Agentic Intelligence)을 발전시키기 위해 대규모 언어 모델(LLM)의 함수 호출 능력 을 향상시키는 것을 목표로 합니다.#Review#Agentic AI#Environment Scaling#Function Calling#Tool Use#Large Language Models#Synthetic Data Generation#Supervised Fine-tuning2025년 9월 17일댓글 수 로딩 중