[논문리뷰] Memory for Large Language Models본 연구는 LLM이 지닌 고질적인 Context Window 제약과 학습 데이터에만 의존하는 정적인 지식 구조의 한계를 해결하는 것을 목표로 합니다.#Review#Large Language Models#Memory Augmentation#Retrieval-Augmented Generation#Context Window#Knowledge Persistence2026년 7월 29일댓글 수 로딩 중
[논문리뷰] OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation본 연구는 기존 메모리 증강 에이전트들이 단기적인 경험 저장이나 활용에는 능숙하지만, 상호작용 기록과 피드백을 지속적인 행동 개선으로 전환하는 '진정한 의미의 자가 진화(self-evolution)' 역량이 부족하다는 문제의식에서 출발합니다.#Review#Agent Evolver#On-Policy Distillation#Experience Lifecycle#Memory Augmentation#Slow-Fast Co-evolution#Agentic Foundation Models2026년 6월 16일댓글 수 로딩 중
[논문리뷰] Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization대규모 언어 모델(LLM) 에이전트가 강화 학습(RL) 훈련 시 새로운 상태 발견이 필요한 환경에서 탐색에 어려움을 겪는 문제를 해결하는 것을 목표로 합니다. 기존 방법론들이 사전 학습된 지식에 의존하여 탐색 능력이 제한되는 한계를 극복하고, 더욱 탐색적이고 일반화 가능한 LLM 기반 에이전트 구축을 목적으로 합니다.#Review#LLM Agents#Reinforcement Learning#Exploration#Memory Augmentation#Hybrid RL#On-Policy Optimization#Off-Policy Optimization2026년 2월 26일댓글 수 로딩 중