[논문리뷰] Embedding Physics Priors in Robot Learning: A Survey로봇 학습 분야에서는 순수 데이터 기반(Purely Data-Driven) 방법론들이 컴퓨터 비전(Computer Vision)이나 자연어 처리(Natural Language Processing) 분야에서 보여준 성공에도 불구하고, 데이터 부족, 복잡한 실제 환경 상호작용, 그리고 안정적인 Operation의 필요성이라는 근본적인 한계에 직면해 있다.#Review#Physics Priors#Robot Learning#Physics-Embedded Learning#Physics-Informed Machine Learning#Physics-Encoded Architectures#Physics-Guided Data#Taxonomy#Robotics2026년 9월 22일댓글 수 로딩 중
[논문리뷰] MMMMM: A Unified Taxonomy for Investigating the Mechanisms of Multilingual MultiModal Misinformation본 논문은 다중 모달 허위 정보의 메커니즘을 명확히 규명하고, 이를 대규모로 자동 분석할 수 있는 체계적인 방법론이 부재하다는 문제 의식에서 출발합니다. 기존 연구들은 각기 다른 소규모 데이터셋에 의존하거나, 불분명하고 파편화된 분류 체계를 사용하여 실질적인 대응책 마련에 한계가 있었습니다.#Review#Multimodal Misinformation#Taxonomy#Vision-Language Models#Social Media#Community Notes#Annotation Pipeline#Fact-checking2026년 8월 31일댓글 수 로딩 중
[논문리뷰] Are Android GUI Agents Robust Against Runtime Anomalies? AnTrap: Evaluating Agents in Dynamic Adversarial Environments본 논문은 Android GUI agents가 실제 배포 환경에서 겪는 동적 runtime anomalies에 대한 robustness 부족 문제를 해결하고자 합니다.#Review#Android GUI Agents#Runtime Anomalies#Robustness Evaluation#Dynamic Adversarial Environments#AnTrap#Taxonomy#Reinforcement Learning#Mobile Agents2026년 8월 26일댓글 수 로딩 중
[논문리뷰] OmniOpt: Taxonomy, Geometry, and Benchmarking of Modern Optimizers본 논문은 현대의 방대한 LLM 최적화 방법론들이 파편화되어 있어 체계적인 비교와 선택이 어렵다는 문제를 해결하고자 합니다. 기존 연구들은 각기 다른 가정과 notation을 사용하여 성능 비교가 프로토콜에 따라 크게 달라지며, 특정 메커니즘이 업데이트 파이프라인의 어느 지점에 개입하는지 명확하지 않습니다.#Review#LLM Pretraining#Optimizer#Taxonomy#Meta-Pipeline#Benchmarking#Linear Minimization Oracle#LMO2026년 7월 6일댓글 수 로딩 중
[논문리뷰] PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models본 논문은 기존의 계획 벤치마크가 고정된 인스턴스 집합에 의존하여 시나리오의 다양성과 구조적 복잡도를 충분히 반영하지 못하는 한계를 극복하기 위해 제안되었습니다. 기존 연구들은 단순히 프롬프트 길이 등 표면적인 지표로 난이도를 측정하며, 자동화된 검증 및 확장 가능한 데이터 생성이 결여되어 있었습니다.#Review#Large Language Models#PlanningBench#Constraint-driven Synthesis#Reinforcement Learning#Verifiable Data#Taxonomy2026년 5월 20일댓글 수 로딩 중
[논문리뷰] Memory in the Age of AI Agents이 서베이 논문은 급증하는 AI 에이전트 메모리 연구 분야의 파편화된 개념적 명확성 부족을 해결하고, 기존 분류 체계의 한계 를 극복하고자 합니다.#Review#AI Agents#Memory Systems#LLMs#Taxonomy#Continual Learning#Self-Evolution#Multimodality#Reinforcement Learning2025년 12월 15일댓글 수 로딩 중
[논문리뷰] Rethinking Saliency Maps: A Cognitive Human Aligned Taxonomy and Evaluation Framework for Explanations본 연구는 심층 학습 모델의 시각적 설명 기법인 Saliency Map 이 명확한 목적과 사용자 질의에 대한 정렬이 부족하여 평가 및 실용적 효용성이 저해되는 문제를 해결하는 것을 목표로 합니다.#Review#Saliency Maps#Explainable AI (XAI)#Taxonomy#Evaluation Framework#Faithfulness Metrics#Contrastive Explanations#Granularity2025년 11월 23일댓글 수 로딩 중
[논문리뷰] Stable Cinemetrics : Structured Taxonomy and Evaluation for Professional Video Generation본 논문은 기존 비디오 생성 모델 및 벤치마크가 전문적인 비디오 생성의 복잡성과 요구사항 을 충분히 반영하지 못하는 문제를 해결하고자 합니다.#Review#Video Generation#Evaluation Framework#Cinematic Control#Taxonomy#Human Annotation#Vision-Language Models#Text-to-Video2025년 10월 1일댓글 수 로딩 중
[논문리뷰] OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing본 연구는 기존 데이터셋의 한계, 특히 실제 적용에 필요한 체계적인 구조와 난이도 높은 시나리오의 부족으로 인해 이미지 생성 및 편집을 위한 통합 멀티모달 모델의 성능이 제약받는 문제를 해결하고자 합니다.#Review#Image Generation#Image Editing#Multimodal AI#Dataset#Instruction Following#Taxonomy#GPT-402025년 9월 30일댓글 수 로딩 중