[논문리뷰] CodeMidas: Scaling Agentic Coding RL Environments from Code Itself본 논문은 기존의 코딩 에이전트 학습 데이터가 이슈 리포트, 커밋, 혹은 특정 테스트 케이스와 같은 개발 아티팩트에 지나치게 의존하여 학습 태스크 확장에 한계가 있다는 문제를 해결하고자 한다.#Review#Agentic Coding#Reinforcement Learning#Codebase Adaptation#Execution-grounded Testing#Environment Scaling#Self-verification2026년 9월 20일댓글 수 로딩 중
[논문리뷰] Reasoning Shift: How Context Silently Shortens LLM Reasoning본 연구는 모델이 동일한 문제를 Baseline, Subtask, Long input, Multi-turn 등 서로 다른 4가지 Context 조건에서 해결하도록 설계하여 추론 성능과 생성된 토큰 수를 측정했습니다. 실험 결과, 모델은 고립된 환경(Baseline) 대비 다른 조건들에서 최대 50%까지 짧은 추론 트레이스를 생성하는 현상을 보였습니다.#Review#Large Language Models#Chain-of-Thought#Test-time Scaling#Context Management#Reasoning Shift#Self-verification#Overthinking2026년 4월 1일댓글 수 로딩 중