[논문리뷰] SFT Conflicts, RL Coexists: A Theoretical and Empirical Analysis of Multi-Task Learning for LLMs본 논문은 LLM의 Multi-task 성능 향상을 위한 두 주류 방법론인 SFT와 RL이 Multi-task 환경에서 보이는 극명한 거동 차이를 규명하고자 합니다. 기존 연구들은 SFT와 RL의 단일 태스크 학습 특성을 비교했으나, Multi-stage 학습 상황에서의 근본적인 차이는 명확히 설명하지 못했습니다.#Review#Large Language Models#Supervised Fine-Tuning#Reinforcement Learning#Multi-Task Learning#Gradient Interference#Parallel-RL2026년 8월 9일댓글 수 로딩 중
[논문리뷰] OneRank: Unified Transformer-Native Ranking Architecture for Multi-Task Recommendation본 논문은 현대의 Transformer 기반 다중 작업 추천 모델들이 여전히 Encoder-Predictor 구조를 답습하고 있어, 근본적인 성능 한계와 확장성 제약에 직면해 있음을 지적합니다 .#Review#Recommender Systems#Multi-Task Learning#Transformer#Ranking#Representation Learning#Gradient Interference#Information Bottleneck2026년 6월 15일댓글 수 로딩 중
[논문리뷰] Decentralized Instruction Tuning: Conflict-Aware Splitting and Weight Merging본 연구는 대규모 instruction tuning에서 발생하는 Gradient Interference와 시스템 통신 병목이라는 두 가지 핵심 문제를 동시에 해결하고자 한다.#Review#Instruction Tuning#Model Merging#Decentralized Optimization#Gradient Interference#Vision-Language Models#PCA Decomposition2026년 6월 2일댓글 수 로딩 중
[논문리뷰] Why Larger Models Learn More: Effects of Capacity, Interference, and Rare-Task Retention본 논문은 더 큰 모델(Larger Models)이 더 작은 모델이 학습하지 못하는 작업들을 어떻게 학습하는지에 대한 근본적인 메커니즘을 규명하고자 합니다.#Review#Scaling Laws#Rare-Task Retention#Gradient Interference#Neural Network Scaling#Multi-Task Learning#Feature Learning2026년 5월 28일댓글 수 로딩 중