[논문리뷰] GEPA-Curator: Curated Learning for Self Improving Agents본 논문은 Reflective prompt optimization 과정에서 발생하는 노이즈가 오히려 에이전트 학습에 부정적인 영향을 미칠 수 있다는 점을 지적합니다. 기존 연구들은 에이전트가 환경에서 실패했을 때, 이를 무조건적으로 프롬프트의 결함으로 간주하여 학습 신호를 생성합니다.#Review#LLM Agents#Prompt Optimization#Curriculum Learning#Recursive Self-Improvement#Task Curation#Prior Success Retrieval2026년 11월 1일댓글 수 로딩 중
[논문리뷰] CEPO: A General Framework for Improving Prompt Optimization in Multi-Agent Systems본 논문은 기존의 Multi-Agent Systems(MAS) 프롬프트 최적화 연구들이 시스템 수준의 조정과 에이전트 수준의 실행을 에이전트별 프롬프트 내에 통합(Coupling)하여 관리하는 한계점을 지적합니다.#Review#Multi-Agent Systems#Prompt Optimization#Coordinator-Executor Decomposition#Role-Aligned Optimization#LLM2026년 11월 1일댓글 수 로딩 중
[논문리뷰] TextReg: Mitigating Prompt Distributional Overfitting via Regularized Text-Space Optimization본 논문은 LLM의 프롬프트 최적화 과정에서 발생하는 Prompt Distributional Overfitting 문제를 해결하고자 합니다. 최근의 프롬프트 최적화 기법들은 학습 과정에서 프롬프트의 길이를 무분별하게 늘리거나, 특정 사례에만 적용되는 좁은 규칙들을 누적시킴으로써 일반화 성능을 떨어뜨리는 경향이 있습니다 .#Review#Prompt Optimization#Distributional Overfitting#Representation Efficiency#Regularization#LLM#Out-of-Distribution Generalization2026년 10월 5일댓글 수 로딩 중
[논문리뷰] AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation본 논문은 Frozen 상태의 Frontier LLM을 제어하는 Advisor 모델이 학습 과정에서 겪는 비효율적인 피드백 문제를 해결하고자 한다. 기존의 Outcome-based Reinforcement Learning만으로는 구체적으로 어떤 Advice가 성공에 기여했는지 식별하기 어렵다는 한계가 있다.#Review#Advisor-Executor#Self-Distillation#Reinforcement Learning#Prompt Optimization#Multi-Turn Advising#Targeted Feedback2026년 9월 30일댓글 수 로딩 중
[논문리뷰] AgentGrad: Intervention-guided Prompt Optimization for Multi Agent Systems본 논문은 MAS의 프롬프트 최적화 과정에서 발생하는 기존 Textual Gradient 방법론의 비효율성과 일반화 문제를 해결하고자 한다.#Review#Multi-Agent Systems#Prompt Optimization#Textual Gradient#Sequential Intervention#Failure Attribution#LLM2026년 9월 9일댓글 수 로딩 중
[논문리뷰] Control-Data Flow Separation: Stable Prompt Optimization in Multi-Agent LLMs본 논문은 multi-agent LLM 시스템에서 프롬프트 최적화가 수행될 때 발생하는 구조적인 프로토콜 붕괴 문제를 해결합니다.#Review#Multi-Agent LLMs#Prompt Optimization#Control-Data Flow Separation#Protocol Stability#Python Library2026년 9월 1일댓글 수 로딩 중
[논문리뷰] DiSCO: Defending text-to-image generation through distribution-guided contrastive prompt optimization본 연구는 텍스트-이미지 생성 모델에서 텍스트적으로 안전해 보이는 프롬프트가 실제로는 유해한 결과를 초래하는 'Benign Adversarial' 문제를 해결하고자 합니다.#Review#Text-to-Image#Adversarial Robustness#Black-box Defense#Prompt Optimization#Contrastive Learning#Distributional Alignment#NSFW2026년 8월 18일댓글 수 로딩 중
[논문리뷰] GBC: Gradient-Based Connections for Optimizing Multi-Agent Systems본 논문은 Multi-Agent System(MAS)의 성능 향상을 저해하는 근본적인 문제로 Fine-grained credit assignment의 부재를 지적합니다.#Review#Multi-Agent Systems#Gradient-Based Connections#Prompt Optimization#Credit Assignment#Attribution#Computational Graph#AgentChord2026년 6월 28일댓글 수 로딩 중
[논문리뷰] FAPO: Fully Autonomous Prompt Optimization of Multi-Step LLM Pipelines본 논문은 복잡한 Multi-step LLM 파이프라인에서 발생하는 단계 간 상호작용 실패와 병목 현상을 해결하기 위해 FAPO를 제안한다. 기존의 프롬프트 전용 최적화 기법은 파이프라인 전체의 구조적 결함을 파악하는 데 한계가 있으며, 단일 단계의 프롬프트 튜닝만으로는 성능 개선이 어렵다.#Review#LLM Pipeline#Prompt Optimization#Autonomous Agent#Claude Code#LangGraph#Failure Attribution#Pipeline Architecture2026년 6월 18일댓글 수 로딩 중
[논문리뷰] When Gradients Collide: Failure Modes of Multi-Objective Prompt Optimization for LLM Judges본 논문은 여러 평가 기준을 동시에 고려해야 하는 Multi-Objective LLM Judge의 프롬프트 최적화 과정에서 발생하는 근본적인 문제들을 규명한다.#Review#LLM-as-a-Judge#Prompt Optimization#Textual Gradient#Multi-Objective Optimization#Gradient Dilution#Instruction Interference2026년 6월 7일댓글 수 로딩 중
[논문리뷰] SePO: Self-Evolving Prompt Agent for System Prompt Optimization본 논문은 기존 시스템 프롬프트 최적화 방식이 갖는 불완전한 최적화 루프 문제를 해결하고자 합니다.#Review#Prompt Optimization#Self-Evolving Agents#Evolutionary Search#System Prompt#Meta-Learning#Cross-Task Generalization2026년 6월 4일댓글 수 로딩 중
[논문리뷰] MemTrace: Tracing and Attributing Errors in Large Language Model Memory Systems본 논문은 LLM 메모리 시스템에서 발생하는 복잡한 오류의 근본 원인을 파악하고 추적하기 위한 자동화된 프레임워크가 부재하다는 문제를 해결합니다.#Review#LLM Memory Systems#Failure Attribution#Execution Graphs#MemTraceBench#Automatic Debugging#Prompt Optimization2026년 5월 27일댓글 수 로딩 중
[논문리뷰] REVERE: Reflective Evolving Research Engineer for Scientific Workflows기존의 Prompt-Optimization Techniques는 주로 Local Signals에 의존하여 Behavior를 업데이트하며, 이로 인해 Generalization이 저하되고 Full-Prompt Rewrites나 Unstructured Merges 과정에서 Knowledge Loss가 발생합니다.#Review#LLM Agents#Self-Adaptation#Research-Coding Workflows#Prompt Optimization#Global Training Context#Code-Based Edits#Continual Learning#Semantic Drift2026년 3월 23일댓글 수 로딩 중
[논문리뷰] Adaptive Text Anonymization: Learning Privacy-Utility Trade-offs via Prompt Optimization본 논문은 기존 텍스트 익명화 방법론들이 수동적이고 정적이며 다양한 도메인과 프라이버시-유틸리티 요구사항에 유연하게 대응하지 못하는 한계를 해결하고자 합니다. 이를 위해 익명화 전략을 특정 프라이버시-유틸리티 요구사항에 맞춰 자동으로 조정하는 적응형 텍스트 익명화 라는 새로운 태스크를 제안합니다.#Review#Text Anonymization#Large Language Models#Prompt Optimization#Privacy-Utility Trade-offs#Evolutionary Algorithms#Multi-objective Optimization#Data Privacy2026년 2월 24일댓글 수 로딩 중
[논문리뷰] Visual Persuasion: What Influences Decisions of Vision-Language Models?본 연구는 Vision-Language Model (VLM) 이 시각적 요인에 의해 의사결정에 어떻게 영향을 받는지 체계적으로 이해하는 것을 목표로 합니다.#Review#Vision-Language Models#Visual Persuasion#Prompt Optimization#Image Generation#AI Agent Behavior#Interpretability#Behavioral Evaluation2026년 2월 17일댓글 수 로딩 중
[논문리뷰] Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization본 연구는 LLM 기반 코드 생성 시 개발자들이 효과적인 프롬프트를 작성할 수 있도록 돕는 구체적인 가이드라인이 부족하다는 문제점을 해결하고자 합니다.#Review#Large Language Models#Code Generation#Prompt Engineering#Prompt Optimization#Empirical Study#Software Engineering#Guidelines2026년 1월 25일댓글 수 로딩 중
[논문리뷰] SCOPE: Prompt Evolution for Enhancing Agent Effectiveness대규모 언어 모델(LLM) 에이전트가 방대한 동적 컨텍스트에 직면했을 때 정적인 프롬프트로 인해 발생하는 '수정(Corrective)' 및 '강화(Enhancement)' 실패 를 해결하는 것을 목표로 합니다.#Review#LLM Agents#Prompt Optimization#Context Management#Online Learning#Agent Effectiveness#Self-Evolving Prompts#Trace-Based Learning#Dual-Stream Routing2025년 12월 17일댓글 수 로딩 중
[논문리뷰] PromptBridge: Cross-Model Prompt Transfer for Large Language Models본 논문은 LLM 시스템에서 모델이 교체되거나 업데이트될 때, 기존 모델에 최적화된 프롬프트의 성능이 다른 모델에서 크게 저하되는 현상인 모델 드리프팅(Model Drifting) 문제를 해결하고자 합니다.#Review#Large Language Models#Prompt Engineering#Model Drifting#Prompt Transfer#Cross-Model Adaptation#Training-Free#Prompt Optimization#MAP-RPE2025년 12월 1일댓글 수 로딩 중
[논문리뷰] TiViBench: Benchmarking Think-in-Video Reasoning for Video Generative Models본 논문은 기존의 이미지-투-비디오(I2V) 생성 모델 평가 벤치마크가 시각적 충실도와 시간적 일관성에 집중하여 고차원적인 추론 능력을 제대로 평가하지 못하는 문제를 해결하고자 합니다.#Review#Video Generative Models#Visual Reasoning#Benchmarking#Image-to-Video#TiViBench#VideoTPO#Prompt Optimization2025년 11월 17일댓글 수 로딩 중
[논문리뷰] RAPO++: Cross-Stage Prompt Optimization for Text-to-Video Generation via Data Alignment and Test-Time Scaling본 논문은 사용자 제공 프롬프트가 짧고 구조화되지 않으며 훈련 데이터와 불일치하여 확산 기반 T2V 모델 의 생성 잠재력을 제한하는 문제를 해결합니다. 생성 백본 모델을 수정하지 않으면서 T2V 생성 품질 을 대폭 향상시키기 위한 프롬프트 최적화 프레임워크를 제안하는 것을 목표로 합니다.#Review#Text-to-Video Generation#Prompt Optimization#Large Language Models (LLM)#Test-Time Scaling#Retrieval-Augmented Generation#Diffusion Models#Data Alignment2025년 10월 27일댓글 수 로딩 중
[논문리뷰] VISTA: A Test-Time Self-Improving Video Generation Agent본 논문은 텍스트-투-비디오(T2V) 생성 모델이 사용자 프롬프트에 매우 민감 하여 고품질 비디오를 얻기 위한 반복적인 프롬프트 수정과 필터링이 필요하다는 문제를 해결하고자 합니다.#Review#Text-to-Video Generation#Prompt Optimization#Multi-Agent System#Test-Time Improvement#MLLM-as-a-Judge#Video Evaluation#Audio-Video Synthesis2025년 10월 20일댓글 수 로딩 중
[논문리뷰] Multimodal Prompt Optimization: Why Not Leverage Multiple Modalities for MLLMs본 논문은 기존 프롬프트 최적화 방법론이 텍스트 모달리티에만 국한되어 Multimodal Large Language Models (MLLMs) 의 잠재력을 완전히 활용하지 못하는 한계를 해결하고자 합니다.#Review#Multimodal AI#Prompt Optimization#MLLMs#Bayesian Optimization#Cross-modal Alignment#Prompt Engineering#Generative AI#Exploration-Exploitation2025년 10월 13일댓글 수 로딩 중
[논문리뷰] ACON: Optimizing Context Compression for Long-horizon LLM Agents본 논문은 장기(long-horizon) LLM 에이전트 태스크 에서 발생하는 컨텍스트 길이 증가 문제 를 해결하고자 합니다. 상호작용 기록 및 환경 관찰을 최적으로 압축하여, 추론 비용 과 메모리 사용량 을 줄이면서도 에이전트의 태스크 성능 을 유지하거나 향상시키는 통합 프레임워크를 제안하는 것을 목표로 합니다.#Review#LLM Agents#Context Compression#Long-horizon Tasks#Prompt Optimization#Knowledge Distillation#Memory Efficiency#Task Performance#Failure Analysis2025년 10월 2일댓글 수 로딩 중