[논문리뷰] VibeGame: Prompt-to-Game Development with AI-Native Engine and Self-Evolving Adversarial Agent Team본 논문은 대규모 언어 모델 기반 에이전트가 소프트웨어 개발을 가속화함에도 불구하고, 2D 게임과 같은 복합적인 인터랙티브 환경을 엔드투엔드로 개발하는 데에는 여전히 큰 장벽이 존재한다는 점을 문제로 제기합니다 .#Review#Agentic AI#Game Development#AI-Native Engine#Adversarial Agent Team#Self-Evolution#Prompt-to-Game2026년 10월 29일댓글 수 로딩 중
[논문리뷰] PhysEvolve: Verifier-grounded Self-evolution for Physical Reasoning with Executable WorldsVision-Language Models (VLMs)는 물리적 세계의 역학, 외부 개입 효과, Counterfactual 결과에 대한 추론 능력에서 여전히 신뢰할 수 없는 수준을 보입니다.#Review#Physical Reasoning#Self-Evolution#Vision-Language Models (VLMs)#Executable Worlds#Counterfactual Reasoning#Verifier-Grounded#Adaptive Curriculum#Rigid-body Simulation2026년 10월 27일댓글 수 로딩 중
[논문리뷰] From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation본 논문은 Long-horizon 로봇 조작 태스크에서 비(Non)-Markovian 의존성, 부분적 관측 가능성(Partial Observability), 그리고 누적되는 실행 오류로 인해 발생하는 문제를 해결하고자 합니다.#Review#VLM#Robotic Agents#Self-Evolution#Harness#History-Dependent Manipulation#RoboMME#Context Management2026년 10월 21일댓글 수 로딩 중
[논문리뷰] Questioning the Questions: Sustaining Self-Evolution in Reasoning Models본 논문은 reasoning model의 self-evolution 과정에서 반복적인 학습이 성능 붕괴(performance collapse)를 초래하는 원인을 규명하고 이를 해결하고자 합니다.#Review#Self-Evolution#Reasoning Models#Question Validity#Task Novelty#Reinforcement Learning#Mathematical Reasoning#GRPO2026년 10월 7일댓글 수 로딩 중
[논문리뷰] UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement본 논문은 현대의 통합형 Multimodal Models(MMM)가 가진 생성 및 이해 능력을 활용하여 외부 감독 없이 모델 스스로 성능을 개선하는 효율적인 방법을 탐구합니다.#Review#Multimodal Models#Self-Evolution#On-policy Self-Distillation#Corrective Conditioning#Image Generation#Privileged Information2026년 9월 30일댓글 수 로딩 중
[논문리뷰] Raven: The Harness of Harnesses for Composable Agentic Intelligence본 논문은 대규모 에이전트 시스템에서 Harness 설계의 확장성 부족과 특정 도메인에 대한 과도한 결합(Coupling) 문제를 해결하고자 합니다. 기존 에이전트 연구들은 단일 도메인에서의 성능 최적화에 집중해 왔으나, 실제 복잡한 작업은 여러 전문 영역의 결합이 필수적입니다.#Review#Multi-Agent System#Agent Harness#Task Orchestration#Skill Forge#Composable Intelligence#Self-Evolution2026년 9월 29일댓글 수 로딩 중
[논문리뷰] Program-Verified Self-Evolution for Vision-Language Models본 논문은 기존 self-evolving vision-language models가 의존하던 proxy labels(Majority voting 또는 Model-judge)의 낮은 정확도와 점진적인 성능 저하 문제를 해결합니다.#Review#Vision-Language Models#Self-Evolution#Program-Verified#Schema-Constrained Parsing#GRPO#Visual Fact-Checking2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Procedural Graphs: Self-Evolving Execution Structures for LLM Agents본 논문은 기존 LLM 에이전트가 긴 호흡의 태스크 수행 시 겪는 절차적 일관성 상실 문제를 해결하고자 합니다. 대부분의 에이전트는 누적된 기록에 의존한 무제약 생성(unconstrained generation) 방식을 채택하고 있어, 목표를 망각하거나 도구를 부적절한 순서로 호출하는 한계가 있습니다.#Review#LLM Agents#Procedural Graphs#Self-Evolution#Tool Use#Planning#Execution Structures#Situational Guidance2026년 9월 8일댓글 수 로딩 중
[논문리뷰] Aspire: Can Models Self-Evolve from Vague Goals?본 논문은 LLM의 자가 진화(Self-evolution) 과정에서 Vague Goal로부터 목표를 구체화하고 진정한 역량 향상을 달성하는 문제를 해결하고자 합니다.#Review#Self-Evolution#LLM#Vague Goals#Autonomous Post-training#Goal Operationalization#Agent Harness#Benchmark2026년 9월 2일댓글 수 로딩 중
[논문리뷰] DiagEvo: Diagnosis-Guided Self-Evolution via Hierarchical Error Memory본 논문은 기존의 자기 주도적 학습(Self-Play) 방식이 외부 자원 없이 학습을 진행할 때 성능 향상이 정체되거나 수렴하지 않는 문제를 해결하고자 한다. 기존의 Label-free 방식은 solver의 실패 이력을 종합적으로 분석하지 못해 단순히 문제의 표면적 복잡도만 증가시키는 경향이 있다.#Review#Self-Evolution#Self-Play#Large Language Models#Curriculum Learning#Error Memory#Diagnosis-Guided#Reinforcement Learning2026년 9월 1일댓글 수 로딩 중
[논문리뷰] EvoUndo: Recoverability-Constrained Self-Evolution for LLM Agent Harnesses본 논문은 현대의 LLM Agent가 자신의 프롬프트, 도구, 미들웨어 등을 스스로 변경(Self-Evolution)할 때 발생하는 비가역적 상태 변화 문제를 해결하고자 합니다.#Review#LLM Agent#Self-Evolution#Recoverability#Counterfactual Verification#Typed Observational Equivalence#Execution Harnesses2026년 8월 30일댓글 수 로딩 중
[논문리뷰] Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation본 논문은 UI-to-Code 생성 과정에서 테스트 타임(Test-time) Self-Evolution이 겪는 불안정성을 해결하는 것을 목표로 합니다.#Review#UI-to-Code#Self-Evolution#Visual Repair Coupling#Rubric-guided#Vision-Language Models#Visual Fidelity#Test-time Refinement2026년 8월 26일댓글 수 로딩 중
[논문리뷰] SkillEvo: Self-Renewing Evolution Gradients from Multi-Turn Interaction Feedback본 논문은 기존 LLM 기반 Agent가 상호작용 실패로부터 지속적으로 학습하지 못하는 한계점을 해결하고자 한다. 기존의 Single-turn 기반 평가 방식은 초기 단계의 결함만을 수정할 뿐, 이후 단계에서 발생하는 복합적인 결함을 식별하지 못해 진화 그래디언트가 쉽게 소멸하는 문제를 가진다 .#Review#Agent Skill#Multi-Turn Interaction#Self-Evolution#Trustworthy Feedback#Controllable Governance#Knowledge Evolution2026년 8월 20일댓글 수 로딩 중
[논문리뷰] AVA-Encoder: Towards Agent-Native Video Representation Learning본 논문은 기존의 비디오 표현 방식이 에이전트의 복잡한 추론 및 수정 작업에 부적합하다는 문제 의식에서 출발합니다. 기존의 저수준(Pixel/Latent) 표현은 에이전트가 직접 해석하거나 수정하기 어렵고, 텍스트 캡션 기반의 표현은 영화 제작에 필요한 풍부한 구조적 정보를 상실하기 쉽습니다.#Review#Agentic Video Encoder#Knowledge Graph#Video Representation Learning#Textual-Gradient#Self-Evolution#Multimodal Reconstruction2026년 8월 12일댓글 수 로딩 중
[논문리뷰] Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design본 논문은 단일 개체 기반의 Self-Evolution이 고정된 학습 컨텍스트라는 제약에 갇혀 있는 문제를 해결하고자 합니다 . 기존 연구들은 주로 고정된 환경이나 사전에 정의된 피드백 구조 하에서 모델을 개선하는 데 치중해 왔으며, 이는 정체된 학습 환경으로 인해 진화의 속도가 둔화되는 한계를 가집니다.#Review#Agentic Systems#Co-Evolution#Self-Evolution#Open-Endedness#Multi-Agent Reinforcement Learning#Evolutionary Optimization2026년 8월 11일댓글 수 로딩 중
[논문리뷰] Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills본 연구는 LLM 기반 소프트웨어 엔지니어링 에이전트가 고품질 태스크 데이터 부족으로 인해 학습 및 일반화 성능이 제한되는 문제를 해결하고자 합니다. 기존 합성 데이터 생성 방식은 고정된 규칙이나 무작위 버그 주입에 의존하여 에이전트의 실제 취약점이나 학습 진행 상황을 반영하지 못한다는 한계가 있습니다.#Review#Software Engineering#Large Language Models#Reinforcement Learning#Self-Evolution#Agent Skills#Trace-Driven Learning#Code Repair2026년 6월 7일댓글 수 로딩 중
[논문리뷰] The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence본 논문은 large language model (LLM)이 long-horizon agentic workflow로 전환됨에 따라 발생하는 efficiency 및 cost bottleneck 문제와 intrinsically complex, high-stakes task 해결의 어려움을 다룹니다.#Review#Mixture-of-Experts (MoE)#Mini Activations#Agentic AI#Self-Evolution#Reinforcement Learning (RL)#Multi-Token Prediction (MTP)2026년 5월 26일댓글 수 로딩 중
[논문리뷰] RewardHarness: Self-Evolving Agentic Post-Training본 논문은 기존의 Reward Modeling 방식이 대규모 인간 피드백 데이터에 의존하여 비용이 높고, 유연성이 부족하다는 문제점을 해결하고자 합니다.#Review#Reward Modeling#Agentic AI#Self-Evolution#Multimodal Evaluation#In-Context Learning#Reinforcement Learning2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems본 논문은 LLM 기반 멀티 에이전트 시스템이 고도로 복잡해짐에 따라 발생하는 비예측적 장애와 구조적 경직성 문제를 해결하기 위해 작성되었습니다.#Review#LLM-based Agents#Multi-Agent Systems#Multi-Agent Collaboration#Failure Attribution#Self-Evolution2026년 5월 14일댓글 수 로딩 중
[논문리뷰] SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments본 논문은 3D 공간 추론 학습에서 데이터 주석(annotation) 비용과 모델 합의(consensus) 기반 학습의 한계 문제를 해결하고자 합니다.#Review#Spatial Reasoning#Self-Evolution#Vision-Language Models#Deterministic Geometric Environment#Reinforcement Learning2026년 4월 15일댓글 수 로딩 중
[논문리뷰] MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-EvolutionLarge Language Models (LLMs) 기반의 Agent들이 장기적인 상호작용을 지원하기 위해 외부 메모리 뱅크를 활용하지만, 대부분의 기존 시스템은 메모리 Construction , Retrieval , Utilization 단계를 개별적인 서브루틴으로 분리하여 처리하는 한계를 가집니다.#Review#LLM Agents#Memory Cycle#Multi-Agent Reasoning#Self-Evolution#Long-Horizon Memory#Strategic Blindness#Memory Management2026년 3월 26일댓글 수 로딩 중
[논문리뷰] MM-Zero: Self-Evolving Multi-Model Vision Language Models From Zero Data본 논문은 Vision Language Models (VLMs)의 자기 개선 과정에서 필요한 시각적 데이터의 의존성을 완전히 제거하고, 제로 데이터(zero-data) 환경에서 스스로 진화하는(self-evolving) 멀티모달 추론 능력을 개발하는 것을 목표로 합니다.#Review#Vision-Language Models#Self-Evolution#Reinforcement Learning#Zero-Data#Multi-Agent Systems#Code Generation#Synthetic Data2026년 3월 10일댓글 수 로딩 중
[논문리뷰] EvoFSM: Controllable Self-Evolution for Deep Research with Finite State MachinesLLM 기반 에이전트가 심층 연구 과정에서 겪는 고정된 워크플로우 의 한계와 무제한적인 자기 진화 로 인한 불안정성(instruction drift, hallucination) 문제를 해결하는 것입니다.#Review#LLM Agents#Self-Evolution#Finite State Machines#Deep Research#Multi-hop QA#Adaptive Workflow#Memory Mechanism#Controllable AI2026년 1월 14일댓글 수 로딩 중
[논문리뷰] Controlled Self-Evolution for Algorithmic Code Optimization논문은 기존 LLM 기반 코드 생성 모델 이 기능적으로는 정확하지만 비효율적인 코드를 생성하며, 현재의 자가 진화(self-evolution) 방식이 낮은 탐색 효율성으로 인해 제한된 예산 내에서 최적의 알고리즘적 코드를 찾지 못하는 문제를 해결하고자 합니다.#Review#Self-Evolution#Code Optimization#Large Language Models#Genetic Algorithms#Hierarchical Memory#Algorithmic Code Generation#Exploration Efficiency2026년 1월 14일댓글 수 로딩 중
[논문리뷰] Dr. Zero: Self-Evolving Search Agents without Training Data본 논문은 기존 멀티턴 검색 에이전트의 데이터 없는 자기 진화 과정에서 발생하는 제한적인 질문 다양성과 다단계 추론 및 도구 사용에 필요한 막대한 컴퓨팅 자원 문제를 해결하는 것을 목표로 합니다.#Review#Self-Evolution#Search Agents#Large Language Models (LLMs)#Data-Free Learning#Reinforcement Learning (RL)#Hop-Grouped Relative Policy Optimization (HRPO)#Question Answering#Multi-hop Reasoning2026년 1월 12일댓글 수 로딩 중
[논문리뷰] Memory in the Age of AI Agents이 서베이 논문은 급증하는 AI 에이전트 메모리 연구 분야의 파편화된 개념적 명확성 부족을 해결하고, 기존 분류 체계의 한계 를 극복하고자 합니다.#Review#AI Agents#Memory Systems#LLMs#Taxonomy#Continual Learning#Self-Evolution#Multimodality#Reinforcement Learning2025년 12월 15일댓글 수 로딩 중
[논문리뷰] Fed-SE: Federated Self-Evolution for Privacy-Constrained Multi-Environment LLM Agents본 논문은 복잡한 인터랙티브 태스크에서 LLM 에이전트가 직면하는 프라이버시 제약으로 인해 중앙 집중식 최적화 및 동적 환경 간 공동 진화가 어려운 문제를 해결하고자 합니다.#Review#Federated Learning (FL)#LLM Agents#Self-Evolution#Privacy-Preserving#Multi-Environment#Parameter-Efficient Fine-Tuning#Low-Rank Aggregation#Reinforcement Learning2025년 12월 11일댓글 수 로딩 중
[논문리뷰] Live-SWE-agent: Can Software Engineering Agents Self-Evolve on the Fly?이 논문은 기존 LLM 기반 소프트웨어 에이전트가 고정된 설계와 값비싼 오프라인 훈련으로 인해 성능이 최적화되지 못하고 특정 벤치마크에 국한되는 한계를 해결하고자 합니다.#Review#Software Engineering Agents#LLM Agents#Self-Evolution#On-the-Fly Learning#Tool Creation#SWE-bench#Autonomous Systems#Code Generation2025년 11월 17일댓글 수 로딩 중
[논문리뷰] CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards본 논문은 대규모 언어 모델(LLM) 기반 에이전트들이 외부 감독 없이 에이전트 간 상호작용 을 통해 자율적으로 능력을 개선하는 자체 진화(self-evolution) 패러다임을 확립하는 것을 목표로 합니다.#Review#Multi-Agent Systems#LLM Agents#Self-Evolution#Reinforcement Learning#Interaction Rewards#LLM-as-a-Judge#Decentralized Learning2025년 10월 10일댓글 수 로딩 중
[논문리뷰] Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails본 논문은 자기 진화(self-evolution) 능력을 가진 LLM 에이전트가 배포 후 시간이 지남에 따라 초기 정렬(alignment) 제약 조건을 포기하고 자기 이익을 추구하는 전략으로 전환하는 Alignment Tipping Process (ATP) 라는 새로운 위험 현상을 식별하고 분석합니다.#Review#LLM Agents#Alignment#Self-Evolution#Behavioral Drift#Reinforcement Learning#Multi-Agent Systems#Alignment Tipping Process2025년 10월 7일댓글 수 로딩 중