[논문리뷰] Towards Looped Models Done Right, Part II: Rethinking at Fixed PointsLooped 모델은 재귀적으로 동일한 층을 반복 적용하여 효율성을 극대화하려 하지만, 매 재귀마다 발생하는 학습, 디코딩, 프리필(prefill) 및 강화학습(RL) 비용이 여전히 모델 확장성(scalability)의 걸림돌이 되고 있습니다 .#Review#Looped Language Models#Fixed-Point Shaping#Terminal KV Sharing#Truncated Backpropagation#Distilled Prefill#Rollout-State Reuse#Depth Prior2026년 10월 5일댓글 수 로딩 중
[논문리뷰] Depth-adaptive Inference of Looped Language Models via Continuous Depth Batching본 논문은 Looped Language Models가 가진 Depth-adaptive Inference 잠재력을 실질적인 추론 속도 향상으로 전환하는 것을 목표로 합니다.#Review#Looped Language Models#Depth-adaptive Inference#Continuous Depth Batching#LLM Inference#Recurrent Core#KV Cache2026년 9월 27일댓글 수 로딩 중
[논문리뷰] Looped Language Models Improve Compositional Tool Calling본 논문은 Looped Language Models가 에이전트 환경의 Compositional Tool Calling에서 가질 수 있는 잠재적인 성능 향상을 규명하고자 합니다. 기존의 LLM 기반 에이전트 시스템은 복잡한 API 호출 시 다단계 계획 수립과 종속성 보존에 어려움을 겪는 경우가 많습니다.#Review#Looped Language Models#Compositional Tool Calling#Recurrent Depth#Adaptive Inference#Agentic Systems#Latent Computation2026년 8월 19일댓글 수 로딩 중
[논문리뷰] Scaling Latent Reasoning via Looped Language Models본 논문은 현대 LLM이 명시적 텍스트 생성(Chain-of-Thought) 에 의존하는 추론 방식의 한계를 극복하고자 합니다.#Review#Looped Language Models#Latent Reasoning#Parameter Efficiency#Adaptive Computation#Pre-training Scaling#Knowledge Manipulation#Early Exit Mechanisms#Transformer Architecture2025년 10월 30일댓글 수 로딩 중