[논문리뷰] On the Design Fundamentals of Pixel Text Representation Learning본 논문은 기존 Pixel-based Text Encoder가 고정된 해상도 Pretraining, Visual Shortcut Learning, 취약한 Multimodal Grounding, 그리고 Multilingual Visual Text Understanding 측면에서 겪는 근본적인 문제들을 해결하고자 합니다.#Review#Pixel Text Representation Learning#Vision-Language Models#Multimodal Grounding#Native-Resolution Encoding#Layout Augmentation#Multilingual Text Understanding#Contrastive Learning#Optical Context Compression2026년 9월 2일댓글 수 로딩 중
[논문리뷰] FileGram: Grounding Agent Personalization in File-System Behavioral Traces본 논문은 AI 에이전트가 개인화된 파일 시스템 환경에서 사용자와 원활히 협업하기 위해 필요한 행동 적응 능력의 부재 문제를 해결합니다. 기존 연구들은 주로 대화 기반의 요약에 의존하거나, 고립된 환경 내의 GUI 성공 여부만을 평가함으로써 사용자의 장기적인 행동 패턴을 파악하는 데 한계를 보입니다 .#Review#Agent Personalization#File-System Behavioral Traces#Memory Framework#Multimodal Grounding#Benchmark2026년 4월 6일댓글 수 로딩 중
[논문리뷰] Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering본 논문은 오디오-언어 모델(LALMs)에서 발생하는 텍스트 지배(text dominance) 문제를 해결하는 것을 목표로 합니다. 이는 LALMs가 중요한 오디오 증거가 있을 때에도 언어적 선험 지식에 과도하게 의존하여 오디오를 충분히 활용하지 못하는 현상을 의미합니다.#Review#Audio-Language Models (LALMs)#Text Dominance#Mechanistic Interpretability#Attention Heads#Activation Steering#Multimodal Grounding#Inference-time Intervention2026년 3월 10일댓글 수 로딩 중