[논문리뷰] Initialization Improves LLM-Driven Discovery본 논문은 LLM을 활용한 자율적인 과학적·알고리즘적 발견 과정에서 발생하는 Harness Design의 취약성과 성능 저하 문제를 해결합니다.#Review#LLM-driven Discovery#Harness Design#Mode Collapse#Parallel Exploration#In-context Learning#Inference-time Compute2026년 10월 12일댓글 수 로딩 중
[논문리뷰] Mask Forcing: Improving Autoregressive Video Diffusion Distillation via Dual-Noise Masking Rollout본 연구는 Autoregressive (AR) video diffusion models이 실시간 비디오 생성에서 큰 잠재력을 보이지만, 생성된 비디오가 과도한 채도(over-saturation) 및 과도한 스무딩(over-smoothing) 문제로 인해 시각적 품질(visual quality)과 사실성(realism)이 제한되는 문제점을 해결하고자 합니다.#Review#Autoregressive Video Diffusion#Distribution Matching Distillation (DMD)#Mode Collapse#Dual-Noise Masking Rollout#Video Generation#Self-rollout#Visual Quality#Real-time Inference2026년 9월 8일댓글 수 로딩 중
[논문리뷰] Diversity-Preserved Distribution Matching Distillation for Fast Visual Synthesis본 논문은 적은 추론 단계(few-step inference)로 고품질 이미지를 빠르게 생성하기 위한 Distribution Matching Distillation (DMD) 과정에서 발생하는 모드 붕괴(mode collapse) 문제를 해결하는 것을 목표로 합니다.#Review#Diffusion Models#Model Distillation#Mode Collapse#Image Generation#Diversity Preservation#Flow Matching#Few-Step Synthesis2026년 2월 3일댓글 수 로딩 중
[논문리뷰] CAR-Flow: Condition-Aware Reparameterization Aligns Source and Target for Better Flow Matching조건부 생성 모델에서 속도 네트워크가 데이터 분포의 질량 이동(mass transport) 과 조건 정보 인코딩(conditional injection) 이라는 두 가지 과제를 동시에 처리해야 하는 부담을 완화하는 것이 주요 목표입니다. 이를 통해 모델 학습을 가속화하고 생성 품질을 향상시키고자 합니다.#Review#Flow Matching#Conditional Generative Models#Reparameterization#Mode Collapse#Image Generation#Latent Space Alignment#Diffusion Models2025년 9월 24일댓글 수 로딩 중
[논문리뷰] FlowRL: Matching Reward Distributions for LLM Reasoning대규모 언어 모델(LLM)의 강화 학습(RL) 추론에서 발생하는 모드 붕괴(mode collapse) 와 다양성 부족 문제를 해결하는 것을 목표로 합니다.#Review#Reinforcement Learning#Large Language Models#Reward Distribution Matching#GFlowNets#Mode Collapse#Diverse Reasoning#Flow-Balanced Optimization2025년 9월 19일댓글 수 로딩 중