[논문리뷰] StreamDuo: A Live Commentator and a Research Agent for Unseen Games기존 streaming commentator는 게임이 바뀌어도 timing은 transfer되지만 게임 세계에 대한 knowledge는 transfer되지 않습니다. 이 논문이 해결하려는 핵심 문제가 바로 이 점입니다. Proact-VL 등 기존 연구는 같은 게임으로 학습하고 평가했습니다.#Review#Streaming Video LLM#Live Game Commentary#Cross-Game Generalization#Multi-Agent System#Retrieval-Augmented Generation#On-Policy Self-Distillation#Information Gain2026년 11월 4일댓글 수 로딩 중
[논문리뷰] Amortizing Sequential Experimental Design in Reasoning LLMs본 논문은 LLM이 다단계 대화 환경에서 불확실성을 능동적으로 줄이는 정보 획득(Information Gathering) 능력이 부족하다는 문제점을 해결하고자 합니다.#Review#Bayesian Experimental Design#Large Language Models#Reinforcement Learning#Information Gain#Amortization#Reasoning#Adaptive Decision-making2026년 10월 28일댓글 수 로딩 중
[논문리뷰] Pivot-SD: Efficient Self-Distillation for Masked Diffusion Language Models본 논문은 Masked Diffusion Language Models의 학습 시 어떤 토큰에 가중치를 두어야 하는지에 대한 credit assignment 문제를 해결하고자 합니다.#Review#Masked Diffusion Language Models#Self-Distillation#Information Gain#Credit Assignment#Unlikelihood Training#Denoising2026년 10월 4일댓글 수 로딩 중
[논문리뷰] DICS: Exploring Data Intrinsic Consistency for Visual Instruction Selection본 논문은 급격히 팽창하는 Visual Instruction Tuning 데이터셋 내에서 학습 품질을 극대화할 수 있는 최적의 샘플 선택 문제를 해결합니다.#Review#Visual Instruction Tuning#Data Selection#Data Intrinsic Consistency#Vision-Language Models#Information Gain#Multimodal Alignment#Budget-aware Selection2026년 8월 31일댓글 수 로딩 중
[논문리뷰] DR-Venus: Towards Frontier Edge-Scale Deep Research Agents with Only 10K Open Data저자들은 10K 규모의 Open Data만을 사용하여 4B 규모의 DR-Venus를 훈련하는 2단계 파이프라인을 제안한다. 첫 번째 단계인 Agentic SFT에서는 데이터 정제와 long-horizon 궤적 재샘플링(turn-aware resampling)을 통해 모델의 기초 능력을 확립한다.#Review#Deep Research Agents#Edge-Scale Models#Open Data#Reinforcement Learning#Information Gain#Supervised Fine-Tuning2026년 4월 22일댓글 수 로딩 중
[논문리뷰] InfoPO: Information-Driven Policy Optimization for User-Centric Agents본 논문은 사용자 중심의 대규모 언어 모델(LLM) 에이전트가 불완전하게 명시된(underspecified) 사용자 목표 를 해결하기 위한 다중 턴(multi-turn) 상호작용의 비효율성 문제를 다룹니다.#Review#Reinforcement Learning#Large Language Models#Policy Optimization#Information Gain#Credit Assignment#Multi-turn Interaction#User-centric Agents#Counterfactual Reasoning2026년 3월 3일댓글 수 로딩 중
[논문리뷰] Information Gain-based Policy Optimization: A Simple and Effective Approach for Multi-Turn LLM Agents이 논문은 다중 턴(multi-turn) 대규모 언어 모델(LLM) 에이전트 훈련 시 발생하는 희소한 보상(sparse reward) 문제를 해결하고자 합니다.#Review#LLM Agents#Reinforcement Learning#Multi-Turn Interactions#Reward Sparsity#Information Gain#Policy Optimization#Ground-Truth Awareness#Sample Efficiency2025년 10월 17일댓글 수 로딩 중