[논문리뷰] AgentSWE: Can Coding Agents Build the Agent You Actually Want?본 논문은 코딩 에이전트가 자연어 요구사항에 따라 에이전트를 구축할 때, 완성된 에이전트가 실제 사용자 의도에 충실하게 작동하는지에 대한 검증이 부족하다는 핵심 문제를 제기합니다.#Review#Coding Agents#Agent Software Engineering#Benchmark#Agent Development Lifecycle#Held-out Cases#Fidelity#Overfitting#Failure Modes2026년 10월 12일댓글 수 로딩 중
[논문리뷰] Softmax Reparameterization for Output-Head Quantization본 논문은 Small Language Models (SLMs)에서 large vocabularies가 output heads의 상당한 inference cost를 유발하는 문제를 해결하고자 합니다.#Review#Softmax Reparameterization#Output-Head Quantization#Post-Training Quantization#KL Divergence#Inference Latency#W4 Quantization#Small Language Models#Fidelity2026년 9월 27일댓글 수 로딩 중
[논문리뷰] Trust Your Critic: Robust Reward Modeling and Reinforcement Learning for Faithful Image Editing and GenerationDiffusion models과 autoregressive models의 발전으로 T2I generation 및 image editing task에서 상당한 진전이 있었으나, 이러한 모델들의 성능 향상을 위한 RL 기반 접근 방식은 reward model 의 신뢰성 문제에 직면해 있습니다.#Review#Reinforcement Learning#Reward Modeling#Image Editing#Image Generation#MLLM#Data Curation#Fidelity#Instruction Following2026년 3월 12일댓글 수 로딩 중
[논문리뷰] VisJudge-Bench: Aesthetics and Quality Assessment of Visualizations컴퓨터 비전 분야에서 CNN의 의존성을 완전히 제거 하고, 순수한 Transformer 아키텍처 만으로 이미지 분류 성능을 달성하는 것을 목표로 합니다. 기존 CNN 기반 접근법의 한계를 극복하고 self-attention 메커니즘 이 이미지 패치 간의 관계를 효과적으로 학습할 수 있음을 증명하고자 합니다.#Review#Visualization Quality Assessment#MLLMs#Benchmark#Aesthetics#Fidelity#Expressiveness#Fine-tuning#Reinforcement Learning2025년 10월 29일댓글 수 로딩 중