[논문리뷰] CARD: Cluster-level Adaptation with Reward-guided Decoding for Personalized Text Generation본 논문은 Large Language Models (LLMs)를 개별 사용자에게 adapting하는 과정에서 발생하는 fine-grained personalization과 scalable deployment 간의 근본적인 trade-off 문제를 해결하고자 합니다.#Review#Personalized Text Generation#Large Language Models (LLMs)#Cluster-level Adaptation#Reward-guided Decoding#Parameter-Efficient Fine-Tuning (PEFT)#Implicit Preference Learning#Scalability#Decoding-time Steering2026년 9월 27일댓글 수 로딩 중
[논문리뷰] MetroLLM-Bench: Evaluating Language Models as Transit Kiosk Runtimes본 논문은 transit kiosk의 정책 레이어로서 언어 모델을 도입할 때 발생하는 운영적 한계를 평가하고 해결하는 것을 목표로 한다.#Review#MetroLLM-Bench#Transit Kiosk Runtimes#Parameter-Efficient Fine-Tuning (PEFT)#Qwen#ReAct#Function Calling#Benchmark2026년 9월 10일댓글 수 로딩 중
[논문리뷰] BeamPERL: Parameter-Efficient RL with Verifiable Rewards Specializes Compact LLMs for Structured Beam Mechanics Reasoning본 연구는 강화 학습(RL) 과 검증 가능한 보상(Verifiable Rewards, RLVR) 이 소규모 언어 모델에게 물리적 추론 능력을 부여할 수 있는지, 또는 단순히 정답 패턴 매칭을 학습하는지에 대한 질문을 탐구합니다.#Review#Reinforcement Learning#Parameter-Efficient Fine-Tuning (PEFT)#Large Language Models (LLM)#Beam Mechanics#Verifiable Rewards#Engineering Reasoning#Structural Engineering#Group Relative Policy Optimization (GRPO)2026년 3월 4일댓글 수 로딩 중
[논문리뷰] Evaluating Parameter Efficient Methods for RLVR본 논문은 Reinforcement Learning with Verifiable Rewards (RLVR) 패러다임 하에서 다양한 Parameter-Efficient Fine-Tuning (PEFT) 방법론 을 체계적으로 평가하여 최적의 아키텍처를 식별하는 것을 목표로 합니다.#Review#Parameter-Efficient Fine-Tuning (PEFT)#Reinforcement Learning with Verifiable Rewards (RLVR)#Low-Rank Adaptation (LoRA)#Mathematical Reasoning#LLM Adaptation#SVD Initialization2025년 12월 30일댓글 수 로딩 중