[논문리뷰] RoMeRL: Balancing Feedback Coverage and the Memory-Reward Trap in Self-Evolving Agent Memory via Reduced-Order Utility States본 논문은 self-evolving LLM 에이전트의 메모리 시스템이 경험 누적에 따른 utility 상태 공간의 무한 확장과 이로 인한 MRT 문제라는 이중고에 직면해 있음을 지적합니다.#Review#LLM Agents#Memory Reinforcement Learning#Memory-Reward Trap#Reduced-Order Utility States#Feedback Density#Self-Evolving Memory2026년 8월 10일댓글 수 로딩 중
[논문리뷰] KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill본 논문은 기존의 OpenClaw 계열 에이전트가 GUI 환경에서의 복잡한 작업 자동화 시 겪는 구조적 한계를 해결하고자 합니다. 기존 방식은 플랫폼 간의 호환성이 부족하고, 지속적인 학습을 통한 성능 향상 메커니즘이 부재하여 다양한 기기 환경에 적응하기 어렵다는 문제점이 있습니다.#Review#GUI Agents#Personal Assistant#Self-Evolving Memory#Skill Library#Cross-Platform Interaction#POMDP#Task Decomposition2026년 7월 15일댓글 수 로딩 중