[논문리뷰] Exploring Weight-Space Programming: Capabilities, Generalization, and Limitations본 논문은 WSP가 특정 behavioral failure를 고치는 수단을 넘어 일반적인 model adaptation 방법으로 쓰일 수 있는지를 Capabilities, Generalization, Limitations 세 축에서 체계적으로 검증합니다.#Review#Weight-Space Programming#Model Editing#LLM Agents#Gradient-Free Adaptation#Cross-Task Generalization#Sparse Intervention#Mechanistic Interpretability2026년 11월 8일댓글 수 로딩 중
[논문리뷰] Rethinking Token Reweighting for SFT: Suppress, Reverse, and Extrapolate Learned Features본 논문은 기존의 SFT(Supervised Fine-tuning) 방식이 모든 토큰을 동일하게 처리함으로써 발생하는 overfitting 및 노이즈 증폭 문제를 해결하고자 합니다.#Review#Supervised Fine-Tuning#Token Reweighting#Adaptation Strength Control#Predictive Entropy#Model Editing#LoRA2026년 10월 4일댓글 수 로딩 중
[논문리뷰] BiasReducer: Adaptive Bias Mitigation for Reward Models본 논문은 Reward model이 특정 응답 속성에 과도하게 의존하여 발생하는 Reward hacking 문제를 효율적으로 해결하고자 한다. 기존의 학습 기반 방식은 추가적인 데이터와 컴퓨팅 자원을 요구하며, 고정된 편향 수정 방식은 다양한 데이터셋의 특성을 반영하지 못한다는 한계가 있다.#Review#Reward Model#Bias Mitigation#Sparse Autoencoder#Model Editing#RLHF#Representation Learning2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Roomer: Reflective Object-Grounded Model Editing and Repair for 3D Indoor Layout Synthesis본 논문은 기존의 indoor layout generator가 생성하는 레이아웃의 국소적인 violation(충돌, 경계 이탈, 기능적 차단 등) 문제를 해결하기 위해 Roomer를 제안합니다 .#Review#3D Indoor Layout Synthesis#Model Editing#Reflective Repair#Vision-Language Models#Physical Validity#Spatial Usability2026년 8월 3일댓글 수 로딩 중
[논문리뷰] BrainSurgery: Reproducible and Reliable Declarative Weight Manipulations for Model Editing and Upcycling본 논문은 파편화되어 있고 재현하기 어려운 기존의 Ad-hoc 가중치 수정 방식들을 체계적이고 선언적인 파이프라인으로 통합하는 것을 목표로 합니다. 기존 연구들은 코드 수준에서 가중치를 하드코딩하거나 복잡한 파이썬 스크립트에 의존하여, 수정 과정의 투명성이 낮고 버전 관리가 어렵다는 한계를 지닙니다.#Review#Model Editing#Model Upcycling#Weight Manipulation#Declarative Framework#Reproducibility#Neural Network Surgery2026년 6월 9일댓글 수 로딩 중
[논문리뷰] ETCHR: Editing To Clarify and Harness ReasoningETCHR은 LLM의 CoT 생성 과정에 존재하는 논리적 결함과 불필요한 노이즈가 최종 성능을 저하시키는 문제를 해결하기 위해 고안되었습니다. 기존 LLM은 긴 Reasoning Path를 생성할 때 고수준의 논리적 일관성을 유지하는 데 한계를 보이며, 이는 결과적으로 정답률 감소로 이어집니다.#Review#Chain-of-Thought#Reasoning#Model Editing#Inference Optimization#LLM#Knowledge Distillation#Interpretability2026년 5월 24일댓글 수 로딩 중
[논문리뷰] Pseudo2Real: Task Arithmetic for Pseudo-Label Correction in Automatic Speech Recognition본 논문은 ASR 도메인 적응 시 타겟 도메인의 실제 레이블(ground truth)이 없는 상황에서 pseudo-labeling 으로 인해 발생하는 체계적인 오류 패턴을 완화하는 것을 목표로 합니다.#Review#ASR#Pseudo-labeling#Domain Adaptation#Task Arithmetic#Correction Vector#Accent Adaptation#Speaker Clustering#Model Editing2025년 10월 13일댓글 수 로딩 중
[논문리뷰] REPAIR: Robust Editing via Progressive Adaptive Intervention and Reintegration본 논문은 대규모 언어 모델(LLMs)의 사후 훈련 과정에서 발생하는 높은 비용, 의도치 않은 부작용, 순차적 편집의 불안정성 및 제한된 일반화 문제들을 해결하고자 합니다.#Review#Model Editing#Lifelong Learning#LLMs#Continual Learning#Knowledge Distillation#Error Feedback#Memory Management#Parameter Merging2025년 10월 6일댓글 수 로딩 중
[논문리뷰] Fine-tuning Done Right in Model Editing이 논문은 대규모 언어 모델(LLM) 모델 편집에서 fine-tuning이 비효율적이라는 오랜 통념에 도전하고, 그 실패의 원인이 fine-tuning 자체의 한계가 아닌 부적절한 구현 방식에 있음을 밝힙니다.#Review#Model Editing#Fine-tuning#Large Language Models#Catastrophic Forgetting#Breadth-First Pipeline#Depth-First Pipeline#Localized Tuning#Lifelong Learning2025년 9월 29일댓글 수 로딩 중
[논문리뷰] SearchInstruct: Enhancing Domain Adaptation via Retrieval-Based Instruction Dataset Creation이 논문은 대규모 언어 모델(LLM)의 특정 도메인 적응을 위한 고품질 SFT(Supervised Fine-Tuning) 데이터셋 생성 의 어려움을 해결하는 것을 목표로 합니다.#Review#LLM#Instruction Tuning#Domain Adaptation#Retrieval-Augmented Generation#Dataset Creation#Model Editing#Supervised Fine-Tuning2025년 9월 16일댓글 수 로딩 중
[논문리뷰] Efficient Machine Unlearning via Influence Approximation본 논문은 대규모 데이터셋과 빈번한 삭제 요청이 발생하는 환경에서 기존 영향 함수 기반 언러닝(unlearning) 방식의 높은 계산 비용과 메모리 오버헤드 문제를 해결하고자 합니다.#Review#Machine Unlearning#Influence Function#Incremental Learning#Privacy Protection#Gradient Optimization#Model Editing#Computational Efficiency2025년 8월 2일댓글 수 로딩 중