[논문리뷰] Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification본 논문은 Retrieval-based Factuality Evaluation의 주류 패러다임인 'retrieve-then-verify' 방식이 실제 임상과 같은 고위험 환경에서 왜 실패하는지를 규명하고자 합니다.#Review#Medical Factuality Evaluation#Retrieval-Augmented Generation (RAG)#Hallucination Detection#Error Taxonomy#Automatic Pattern Induction#LLM-as-Judge2026년 10월 4일댓글 수 로딩 중
[논문리뷰] PerceptionBench: Evaluating Atomic Visual Perception in Multimodal Large Language Models본 논문은 기존 MLLM 벤치마크가 시각적 인식 능력(Perception)과 고차원적 추론/지식(Reasoning & Knowledge)을 구분하지 못해 발생하는 불명확한 평가 문제를 해결하고자 한다 .#Review#Multimodal Large Language Models#Visual Perception#Benchmark#Atomic Capability#Error Taxonomy#Failure-driven Discovery2026년 7월 28일댓글 수 로딩 중
[논문리뷰] Hop, Skip, and Overthink: Diagnosing Why Reasoning Models Fumble during Multi-Hop Analysis현재 대규모 언어 모델(LLM)이 다단계(multi-hop) 질문 답변 태스크에서 환각(hallucination)을 보이거나 추론에 실패하는 근본적인 원인을 진단하는 것이 주된 목표입니다.#Review#Multi-hop Question Answering#Large Language Models#Reasoning Errors#Error Taxonomy#Human Evaluation#Automated Evaluation#Overthinking2025년 8월 8일댓글 수 로딩 중