[논문리뷰] What Effort Level Should I Choose? On the Economics of Reasoning Effort in LLM Agents본 논문은 LLM의 Reasoning Effort 설정을 선택할 때 발생하는 경제적 비효율성과 불확실성 문제를 해결하고자 한다. 사용자는 추가 컴퓨팅 자원이 태스크 해결에 필수적인지 모른 채 비용을 지불해야 하는 Credence Good의 딜레마에 직면해 있다.#Review#LLM Agents#Reasoning Effort#Inference Cost#Credence Good#Test-time Scaling#Agentic Benchmarks2026년 10월 27일댓글 수 로딩 중
[논문리뷰] Lost in Compression: A Controlled Cross-Lingual Audit of Extractive Prompt Compressors본 논문은 영어 위주로 개발된 Extractive Prompt Compressor가 비영어권 언어에 적용될 때 심각한 성능 저하와 불공정한 비용 페널티를 유발한다는 문제를 지적한다. 기존의 많은 연구는 영어를 기준으로만 평가되어 왔으나, 비영어권 언어는 이미 더 높은 Token Premium을 지불하고 있다.#Review#Prompt Compression#Cross-Lingual#LLM#Inference Cost#Extractive Compression#Tokenization#Transfer Gap2026년 8월 30일댓글 수 로딩 중
[논문리뷰] LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering본 논문은 Loop Engineering 패러다임 내에서 Large Language Models (LLMs)의 runtime controllers로서의 역량을 효과적으로 평가하기 위한 벤치마크의 필요성을 제기합니다.#Review#Loop Engineering#Benchmarking#Runtime Controllers#Coding Agents#Long-Horizon Tasks#Strict Success Rate#Inference Cost#Loop Contract2026년 8월 30일댓글 수 로딩 중
[논문리뷰] CAVEWOMAN: How Large Language Models Behave Under Linguistic Input and Output Compression대부분의 기존 연구는 입력 프롬프트 압축이나 출력 길이 제어 중 하나에만 집중하며, 이를 단순히 Task Accuracy 관점에서만 평가한다 .#Review#Large Language Models#Inference Cost#Prompt Compression#Output Compression#Linguistic Reduction#Semantic Fidelity#Cost Asymmetry2026년 6월 24일댓글 수 로딩 중
[논문리뷰] TokenPilot: Cache-Efficient Context Management for LLM Agents본 논문은 LLM 에이전트의 세션이 길어짐에 따라 발생하는 컨텍스트 누적과 이로 인한 기하급수적인 추론 비용 문제를 해결하고자 합니다. 기존의 텍스트 가지치기(Pruning)나 동적 메모리 제거 기법들은 시퀀스의 레이아웃을 임의로 변경하여 프롬프트 접두사의 연속성을 깨뜨립니다.#Review#LLM Agents#Context Management#Prompt Caching#KV Cache#Inference Cost#Ingestion-Aware Compaction#Lifecycle-Aware Eviction2026년 6월 15일댓글 수 로딩 중