[논문리뷰] Interlock: From Local Correctness to Task Completion in Long-Horizon Agents본 논문은 Long-Horizon Agents가 복잡한 환경에서 태스크를 수행할 때, 개별 요구사항은 충족시키지만 환경 증거, 결과적 결정, 그리고 필요한 효과 간의 관계를 유지하는 데 실패하여 국부적으로는 정확하나 궁극적으로는 불완전한 결과(incomplete outcomes)를 초래하는 핵심 문제를 제기합니다.#Review#Long-Horizon Agents#Task Synthesis#Completion Graph#Rejection-Sampling Fine-Tuning#Agentic Verification#Out-of-Distribution Transfer#Large Language Models2026년 10월 19일댓글 수 로딩 중
[논문리뷰] CoworkEnv: Synthesizing Training Environments for Long-Horizon Cowork Agents본 논문은 복잡한 워크플로우를 처리해야 하는 AI coworker를 훈련시키기 위한 실행 가능한 환경과 데이터 부족 문제를 해결하고자 합니다.#Review#AI Coworker#Task Synthesis#Executable Environment#Supervised Fine-Tuning#Reinforcement Learning#Long-Horizon#Agent Post-Training2026년 10월 19일댓글 수 로딩 중
[논문리뷰] OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents본 논문은 기존의 GUI 중심 에이전트가 복잡한 상태 조작이나 구조적 데이터 처리에 있어 비효율적이라는 점을 해결하고자 한다. 단순히 GUI 모델에 코드 실행 도구를 부착하는 방식은 도구 간의 모달리티 전환(Routing)이 제대로 학습되지 않아 오히려 성능을 저하시키는 현상이 발생한다.#Review#Computer-Using Agents#GUI Interaction#Code Execution#Reinforcement Learning#Step-balanced GSPO#Task Synthesis2026년 10월 18일댓글 수 로딩 중
[논문리뷰] MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments본 논문은 Online Reinforcement Learning (RL)이 수학, 코딩, Tool-Use 분야에서 큰 발전을 이루었음에도 불구하고, GUI Agent 영역에서는 Scalability와 Realistic Training Task 부족으로 인해 어려움을 겪고 있음을 지적한다.#Review#GUI Agents#Online Reinforcement Learning#Scalable Infrastructure#Environment Synthesis#Task Synthesis#Mobile UI#Desktop Automation2026년 10월 15일댓글 수 로딩 중
[논문리뷰] FORT-Searcher: Synthesizing Shortcut-Resistant Search Tasks for Training Deep Search Agents본 연구는 Deep Search Agents가 훈련 과정에서 데이터셋 내의 의도치 않은 패턴인 Shortcut에 과도하게 의존하여 실제 검색 환경에서 성능이 저하되는 현상을 해결합니다.#Review#Deep Search Agents#Shortcut-Resistant#Task Synthesis#Representation Learning#Reinforcement Learning#Information Retrieval#Robustness2026년 6월 11일댓글 수 로딩 중
[논문리뷰] MineExplorer: Evaluating Open-World Exploration of MLLM Agents in Minecraft본 논문은 MLLM 에이전트의 진정한 오픈 월드 탐색 능력을 객관적으로 평가할 수 있는 통제된 프레임워크가 부족하다는 점을 해결하고자 한다. 기존의 게임 기반 벤치마크들은 특정 게임 메커니즘에 지나치게 의존하거나, 상호작용의 범위가 단기적인 작업에 국한되어 에이전트의 장기적인 탐색 능력을 측정하기 어렵다는 한계가 있다 .#Review#MLLM Agents#Open-World Exploration#Minecraft#Embodied AI#Benchmark#Task Synthesis#Multi-Agent Workflow2026년 6월 1일댓글 수 로딩 중
[논문리뷰] A Matter of TASTE: Improving Coverage and Difficulty of Agent Benchmarks본 논문은 기존의 툴 사용 에이전트 벤치마크가 고정된 시나리오에 의존함에 따라 발생하는 심각한 포화(Saturation) 현상과 벤치마크 구축의 높은 노동 집약적 비용 문제를 해결하고자 합니다.#Review#Agent Benchmarks#Tool-use#Task Synthesis#Coverage#Difficulty#Adaptive Contrastive n-gram Model2026년 6월 1일댓글 수 로딩 중
[논문리뷰] REDSearcher: A Scalable and Cost-Efficient Framework for Long-Horizon Search Agents본 논문은 대규모 언어 모델(LLM)이 긴 탐색 경로와 많은 상호작용이 필요한 심층 검색 태스크를 수행할 때 겪는 어려움, 특히 고품질 훈련 데이터 부족과 높은 상호작용 비용 문제를 해결하는 것을 목표로 합니다.#Review#Long-Horizon Search#Multimodal LLM#Task Synthesis#Agentic Mid-Training#Reinforcement Learning#Tool-Augmented Agents#Web Search2026년 2월 16일댓글 수 로딩 중
[논문리뷰] WebLeaper: Empowering Efficiency and Efficacy in WebAgent via Enabling Info-Rich SeekingLLM 기반 정보 탐색(IS) 에이전트가 겪는 낮은 탐색 효율성 문제를 해결하는 것이 주된 목표입니다.#Review#LLM-based Agents#Information Seeking#Search Efficiency#Task Synthesis#Reinforcement Learning#Tree-structured Reasoning#WebAgent2025년 10월 29일댓글 수 로딩 중