[논문리뷰] When AI Reviews Train AI Reviewers: Scientific-Judgment Collapse and Mitigation본 논문은 LLM이 과학적 피어 리뷰에 도입되면서 발생하는 recursive training 기반의 판단 편향 문제를 해결하고자 합니다. 기존 연구들은 생성 데이터에 의존한 반복 학습이 데이터 분포를 왜곡하고 저확률 영역을 소멸시키는 모델 붕괴(model collapse)를 유발함을 지적해 왔습니다.#Review#Large Language Models#Scientific Peer Review#Recursive Training#Model Collapse#Activation Steering#Scientific-Judgment Collapse2026년 9월 20일댓글 수 로딩 중
[논문리뷰] TeleAntiFraud 2.0: A Refreshable, Profile-Grounded, and Audio-Based Benchmark for Telecom Fraud Detection본 논문은 끊임없이 진화하는 통신 사기(Telecom Fraud) 위협에 대응하기 위한 평가 체계의 한계를 해결하고자 합니다.#Review#Telecom Fraud Detection#Audio Benchmark#Mixed-Tree Generation#Near-Domain Evaluation#Model Collapse#Snapshot-Based Benchmarking2026년 9월 20일댓글 수 로딩 중
[논문리뷰] How Far Can Unsupervised RLVR Scale LLM Training?본 논문은 ground truth 레이블 없이 보상을 얻는 Unsupervised Reinforcement Learning with Verifiable Rewards (URLVR) 가 대규모 언어 모델(LLM) 학습을 얼마나 확장할 수 있는지 종합적으로 분석하는 것을 목표로 합니다.#Review#Unsupervised Reinforcement Learning#LLM Training#Intrinsic Rewards#External Rewards#Model Collapse#RLVR#Model Prior#Self-Verification2026년 3월 9일댓글 수 로딩 중
[논문리뷰] EpiCaR: Knowing What You Don't Know Matters for Better Reasoning in LLMs본 논문은 LLM의 반복적인 자가 훈련 과정에서 발생하는 과도한 자신감(overconfidence) 및 신뢰도 저하(calibration cost) 문제를 해결하여, 모델이 '무엇을 모르는지'를 알게 함으로써 더 나은 추론 능력을 갖추는 것을 목표로 합니다.#Review#LLM Reasoning#Model Calibration#Epistemic Uncertainty#Self-Training#Supervised Fine-tuning#Confidence-Informed Self-Consistency#Model Collapse2026년 1월 13일댓글 수 로딩 중