[논문리뷰] A Zeroth-Order Paradigm for LLM Preference Alignment본 연구는 기존 Preference Alignment 기법들이 요구하는 방대한 메모리 소비와 복잡한 Gradient 연산 문제를 해결하고자 합니다. 현존하는 RLHF나 DPO 방식은 높은 Memory Overhead와 모델 내부 구조에 대한 접근성을 요구하여 대규모 모델 적용 시 효율성이 저하되는 한계가 있습니다.#Review#Zeroth-Order Optimization#LLM#Preference Alignment#Reinforcement Learning#Gradient-free#Parameter-Efficient2026년 9월 16일댓글 수 로딩 중
[논문리뷰] Adapting Without Gradients: Affine Statistics Transport and What Its Certificate Can Tell You본 연구는 기존의 TTA 방법론들이 Backpropagation과 모델 파라미터의 변경을 전제로 한다는 점이 실제 배포 환경에서 가지는 제약 사항을 해결하고자 합니다.#Review#Test-Time Adaptation#Frozen-model Deployment#Affine Statistics Transport#Transportability Certificate#Gradient-free#Domain Adaptation2026년 9월 1일댓글 수 로딩 중
[논문리뷰] SP^3: Spherical Priors for Plug-and-Play Restoration본 논문은 기존의 Diffusion 및 Flow 기반 생성 모델을 활용한 zero-shot 이미지 복원 기법들이 추론 시 계산량이 많고 gradient 계산이 필수적이라는 한계를 해결하고자 합니다.#Review#Plug-and-Play#Image Restoration#Spherical Encoder#Manifold Projection#Half-Quadratic Splitting#Anytime Generation#Gradient-free2026년 6월 15일댓글 수 로딩 중