[논문리뷰] LLaDA-UI: Bringing Block-wise Diffusion to Vision-Language GUI Agents기존 autoregressive (AR) 패러다임의 멀티모달 대규모 언어 모델(Large Language Models, LLMs)은 내재적인 순차적(sequential) 특성으로 인해 병렬화(parallelism)가 제한되고 상당한 추론 Latency를 발생시켜, 실시간성이 중요한 GUI Agent 애플리케이션에는 비효율적이다.#Review#Diffusion Language Models#GUI Agents#Vision-Language Models#Block-wise Diffusion#Multimodal Pre-training#Supervised Fine-tuning#Inference Efficiency2026년 9월 14일댓글 수 로딩 중
[논문리뷰] LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training대규모 오픈 비디오-언어 리소스는 텍스트 및 이미지 코퍼스에 비해 상대적으로 작다는 핵심적인 문제가 존재합니다. 기존의 가장 큰 비디오 데이터셋인 InternVid는 7백만 개의 비디오를 포함하지만, 이는 현대 텍스트 및 이미지 코퍼스와 비교하면 규모가 미미합니다.#Review#Multimodal Pre-training#Video Dataset#Audio Dataset#Image-Text Pairs#Scaling Laws#ViCLIP#CLAP#CLIP2026년 8월 25일댓글 수 로딩 중
[논문리뷰] MOSS-VL Technical Report본 논문은 기존 비전-언어 모델(VLM)이 가진 Offline 중심의 비디오 이해 방식의 한계를 극복하기 위해 제안되었습니다.#Review#Vision-Language Model#Real-time Interaction#Gated Cross-Attention#XRoPE#Streaming Benchmarks#Multimodal Pre-training2026년 8월 17일댓글 수 로딩 중