[논문리뷰] GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis본 논문은 실세계 작업 에이전트(Working Agents)를 학습시키기 위한 고품질의 검증 가능한 데이터 합성 파이프라인 부재 문제를 해결합니다. 기존 연구들은 가상 데이터를 생성하거나(실재성 부족), 실제 파일을 사용하더라도 체계적인 검증 루브릭이 없어 결과물의 품질을 확인하기 어렵다는 한계가 있었습니다 .#Review#Working Agents#Evidence Graph#Workspace Synthesis#Instruction Tuning#Rejection Fine-tuning#O*NET#Verifiable Rubrics2026년 10월 1일댓글 수 로딩 중
[논문리뷰] QueST: Incentivizing LLMs to Generate Difficult Problems본 논문은 LLM 학습에 있어 인간이 주석을 단 고품질의 어려운 코딩 문제 데이터셋이 부족하여 확장성이 제한되는 문제를 해결하고자 합니다. 특히, LLM 생성기가 더욱 도전적인 경쟁 프로그래밍 문제를 효과적으로 생성하도록 유도하는 새로운 프레임워크인 QueST 를 제안합니다.#Review#LLM#Problem Generation#Competitive Programming#Synthetic Data#Difficulty Estimation#Rejection Fine-tuning#Graph Sampling2025년 10월 21일댓글 수 로딩 중