[논문리뷰] PANORAMA: Panoptic Grounded Captioning via Mask Proposal Selection본 논문은 기존의 Grounded Captioning 모델들이 가지는 정밀한 영역 분할(Segmentation)과 텍스트 생성 간의 불일치 문제를 해결하고자 합니다. 기존 연구들은 주로 Bounding Box에 의존하여 객체의 형태를 정교하게 묘사하지 못하거나, 고정된 객체만을 인식하는 한계가 있었습니다.#Review#Panoptic Grounded Captioning#Mask Proposal Selection#Vision-Language Models#Panoptic Segmentation#Object-Centric Representation#Grounding2026년 9월 16일댓글 수 로딩 중
[논문리뷰] AutoResearch: Insight In, Hallucination Out본 논문은 자율 연구 시스템의 자동화 수준은 높아지고 있으나, 그 과정이 과학적으로 타당하고 근거 기반으로 유지되는지 확인하는 'grounding' 문제가 해결되지 않았다는 점에 주목합니다.#Review#Autonomous Research#Multi-Agent System#Idea Generation#Idea Execution#Grounding#Hallucination Mitigation2026년 8월 24일댓글 수 로딩 중
[논문리뷰] LEDGERMIND: Provenance-Constrained Multimodal Agentic Reasoning with a Structured Evidence Ledger본 논문은 현대의 다중 모달 에이전트(Multimodal Agents)가 단순한 결과의 정확성(Final-answer accuracy)만을 평가받는 구조적 한계와, 추론 과정에서의 불투명성 문제를 해결하는 것을 목표로 합니다.#Review#Multimodal Agents#Provenance-Constrained#Structured Evidence Ledger#Trajectory Faithfulness#Grounding#Hallucination Mitigation2026년 7월 30일댓글 수 로딩 중
[논문리뷰] Robots Need More than VLA and World Models본 논문은 현재 로봇 학습 분야가 VLA 모델의 스케일링에만 지나치게 의존하고 있으며, 이것만으로는 일반적인 로봇 지능(Generalist robot intelligence)을 달성할 수 없다고 지적한다.#Review#Robotics#Vision-Language-Action Models#Physical Intelligence#Embodied AI#Grounding#Robot Learning#Data Engines2026년 6월 7일댓글 수 로딩 중
[논문리뷰] CutVerse: A Compositional GUI Agents Benchmark for Media Post-Production Editing기존의 GUI 에이전트는 웹 탐색이나 단순 OS 작업에서는 상당한 진전을 보였으나, 정교한 미디어 후반 작업과 같은 전문적인 창의적 워크플로우에 대한 대응 능력은 거의 검증되지 않았습니다.#Review#GUI Agents#Media Post-Production#Benchmark#Multimodal#Long-Horizon#Grounding#Vibe Cutting2026년 5월 20일댓글 수 로딩 중
[논문리뷰] Continual GUI Agents본 연구는 GUI(Graphical User Interface) 에이전트가 새로운 도메인이나 해상도 변화와 같은 동적인 디지털 환경(데이터 분포의 변화)에서 성능 저하 없이 지속적으로 학습(continual learning) 할 수 있도록 하는 새로운 태스크인 Continual GUI Agents 를 정의합니다.#Review#Continual Learning#GUI Agents#Reinforcement Learning#Grounding#Domain Adaptation#Resolution Adaptation#Reward Shaping#Human-Computer Interaction2026년 2월 1일댓글 수 로딩 중
[논문리뷰] Molmo2: Open Weights and Data for Vision-Language Models with Video Understanding and Grounding현재 가장 강력한 비디오-언어 모델(VLM)들이 대부분 독점적이거나, 독점 모델의 데이터를 증류하여 생성되거나, 훈련 데이터 및 방법론을 공개하지 않는 문제를 해결하고자 합니다.#Review#Vision-Language Models#Video Understanding#Grounding#Open Weights#Open Data#Multimodal AI#Object Tracking#Dense Captioning2026년 1월 15일댓글 수 로딩 중
[논문리뷰] Asking like Socrates: Socrates helps VLMs understand remote sensing images기존 Vision-Language Model (VLM) 들이 원격 감지(RS) 이미지 분석에서 겪는 '가짜 추론(pseudo reasoning)' 문제를 해결하고자 합니다.#Review#Remote Sensing#Vision-Language Models#Iterative Reasoning#Evidence-Seeking#Socratic Method#Reinforcement Learning#Multi-Agent System#VQA#Grounding2025년 12월 1일댓글 수 로딩 중
[논문리뷰] UI-AGILE: Advancing GUI Agents with Effective Reinforcement Learning and Precise Inference-Time Grounding본 논문은 기존 GUI 에이전트 훈련 및 추론 방식의 세 가지 한계점인 추론 설계 딜레마(P1) , 비효율적인 보상(P2) , 그리고 고해상도 디스플레이에서의 시각적 노이즈(P3) 를 해결하고자 합니다.#Review#GUI Agents#Reinforcement Learning#Grounding#MLLMs#Reward Function#Resampling#Visual Noise Reduction2025년 8월 11일댓글 수 로딩 중