[논문리뷰] Adaptive Latent Capacity for World Models기존의 World Models는 고정된 크기의 잠재 공간을 사용하여 다양한 복잡도를 가진 환경에 대해 최적화되지 못하는 한계를 지닙니다. 정적인 잠재 공간은 단순한 환경에서는 과도한 모델 용량으로 인한 과적합(Overfitting)을 유발하고, 복잡한 환경에서는 표현력 부족(Underfitting) 문제를 야기합니다.#Review#World Models#Latent Representation#Adaptive Capacity#Representation Learning#State Space Model#Information Bottleneck2026년 10월 6일댓글 수 로딩 중
[SGLang] Mamba (SSM): 선형 시간 복잡도 시퀀스 모델링SGLang의 Mamba 구현을 분석한다. Transformer의 O(n²) 어텐션 대비 O(n) 선형 복잡도를 달성하는 State Space Model의 원리, Selective Scan 알고리즘, SGLang에서의 상태 관리를 코드와 함께 살펴본다.#sglang#Mamba#SSM#State Space Model#Linear Complexity2026년 4월 11일댓글 수 로딩 중
[논문리뷰] StereoAdapter-2: Globally Structure-Consistent Underwater Stereo Depth Estimation수중 스테레오 깊이 추정에서 발생하는 도메인 시프트(domain shift) 문제를 해결하고, 특히 대규모 깊이 차이(large-disparity) 및 텍스처 없는(textureless) 영역에서의 기존 GRU 기반 반복 정제 방식의 효율성 및 정확도 한계 를 극복하는 것을 목표로 합니다.#Review#Underwater Depth Estimation#Stereo Matching#State Space Model#Mamba Architecture#ConvSS2D#Data Synthesis#LoRA#Zero-shot Learning#Robotics2026년 2월 19일댓글 수 로딩 중