[논문리뷰] Player-1: Learning to Play from Synthetic Experience본 연구는 기존 게임 에이전트 학습 파이프라인이 대규모 시연(demonstration)에 과도하게 의존하며, 정작 동적인 게임 상태에 대한 대응력이 부족하고 확장 가능한 환경을 확보하기 어렵다는 문제를 해결하고자 한다.#Review#Computer-Use Agent#Reinforcement Learning#Synthetic Experience#Game Control#Action Space#Post-Training#Verifiable Rewards2026년 10월 14일댓글 수 로딩 중
[논문리뷰] EvoCUA: Evolving Computer Use Agents via Learning from Scalable Synthetic Experience본 논문은 정적 데이터 스케일링의 한계로 인해 장기적인 컴퓨터 사용 작업에서 복잡한 인과적 역학을 포착하는 데 어려움을 겪는 네이티브 컴퓨터 사용 에이전트(CUA) 의 문제를 해결하고자 합니다.#Review#Computer Use Agent#Synthetic Experience#Evolutionary Learning#Reinforcement Learning#Direct Preference Optimization#GUI Automation#Scalable Infrastructure#Verifiable Synthesis2026년 1월 22일댓글 수 로딩 중