[논문리뷰] RoboTTT: Context Scaling for Robot Policies본 논문은 최신 로봇 파운데이션 모델들이 단일 스텝 또는 짧은 히스토리에만 의존하여 장기적인 작업 수행 및 맥락 이해에 한계를 보인다는 문제를 해결합니다.#Review#Robot Foundation Models#Test-Time Training#Long-Context Policies#Visuomotor Control#In-Context Imitation#Sequence Modeling2026년 7월 16일댓글 수 로딩 중
[논문리뷰] U-TTT: Towards Generalizable PET Image Denoising via Test-Time Training본 논문은 기존의 Supervised Learning 기반 PET Denoising 모델들이 훈련 데이터와 테스트 데이터 간의 Domain Shift가 발생할 경우 성능이 급격히 저하되는 문제를 해결하고자 합니다.#Review#PET Image Denoising#Test-Time Training#Generalization#Deep Learning#Unsupervised Learning#Medical Imaging2026년 6월 9일댓글 수 로딩 중
[논문리뷰] SIA: Self Improving AI with Harness & Weight Updates본 논문은 기존 AI 자기 개선 연구가 Harness(scaffold) 개선과 Test-time training(weight updates)이라는 두 가지 고립된 사일로(silo)로 나뉘어 있는 한계를 해결하고자 한다 .#Review#Self-Improving Agents#Test-Time Training#Reinforcement Learning#Harness Engineering#Scaffold Generation#LoRA2026년 6월 7일댓글 수 로딩 중
[논문리뷰] Fast Spatial Memory with Elastic Test-Time Training본 논문은 기존 LaCT 기반의 4D 재구성 모델이 추론 중 겪는 불안정한 학습 및 과적합(overfitting) 문제를 해결하고자 합니다.#Review#4D Reconstruction#Test-Time Training#Elastic Weight Consolidation#Spatial Memory#Novel View Synthesis#Large Chunk Adaptation2026년 4월 8일댓글 수 로딩 중
[논문리뷰] Spatial-TTT: Streaming Visual-based Spatial Intelligence with Test-Time Training인간은 시각적 관찰 스트림을 통해 실제 공간을 인지하고 이해하므로, 잠재적으로 무한한 비디오 스트림에서 Spatial Evidence 를 스트리밍 방식으로 유지하고 업데이트하는 능력은 Spatial Intelligence 에 필수적입니다.#Review#Spatial Intelligence#Test-Time Training#MLLM#Streaming Video#Hybrid Architecture#Spatiotemporal Convolution2026년 3월 12일댓글 수 로딩 중
[논문리뷰] Test-Time Training with KV Binding Is Secretly Linear Attention논문은 TTT(Test-Time Training) with KV binding이 단순히 테스트-타임 메모리화 또는 온라인 메타-러닝 메커니즘이라는 기존 해석에 이의를 제기 하고, 대신 TTT가 선형 어텐션(linear attention) 연산자 의 한 형태로 재해석될 수 있음을 증명하는 것을 목표로 합니다.#Review#Test-Time Training#KV Binding#Linear Attention#Sequence Modeling#Model Interpretation#Computational Efficiency#Dynamic Adaptation2026년 2월 24일댓글 수 로딩 중
[논문리뷰] Learning Cross-View Object Correspondence via Cycle-Consistent Mask Prediction본 논문은 비디오 내에서 극심한 시점 변화(egocentric-to-exocentric 및 exocentric-to-egocentric) 에도 불구하고 객체 수준의 시각적 대응(object-level visual correspondence)을 확립하는 문제를 해결하는 것을 목표로 합니다.#Review#Cross-View Correspondence#Object Segmentation#Cycle-Consistency#Test-Time Training#Vision Foundation Models#Self-Supervision#Egocentric-Exocentric2026년 2월 23일댓글 수 로딩 중
[논문리뷰] TTCS: Test-Time Curriculum Synthesis for Self-EvolvingTTCS는 대규모 언어 모델(LLM)이 테스트 질문만 사용하여 추론 능력을 향상시키는 기존 Test-Time Training(TTT) 방법론의 한계를 극복하고자 합니다.#Review#Test-Time Training#Self-Evolving LLMs#Curriculum Learning#Reinforcement Learning#Question Synthesis#Mathematical Reasoning#GRPO2026년 2월 1일댓글 수 로딩 중
[논문리뷰] Reinforcement Learning via Self-Distillation대규모 언어 모델(LLM)의 강화 학습(RL) 후 훈련에서 발생하는 심각한 신용 할당(credit assignment) 병목 현상 을 해결하는 것이 목표입니다. 특히, 코드 생성이나 수학 문제 해결과 같은 검증 가능한 도메인 에서 스칼라 보상 이 아닌 풍부한 텍스트 피드백 을 활용하여 학습 효율성을 극대화하고자 합니다.#Review#Reinforcement Learning#Self-Distillation#Large Language Models (LLMs)#Rich Feedback#Credit Assignment#Policy Optimization#RLHF#Code Generation#Test-Time Training2026년 1월 28일댓글 수 로딩 중
[논문리뷰] Learning to Discover at Test Time본 연구는 AI를 활용하여 과학적 문제에서 새로운 SOTA(State-of-the-Art) 솔루션 을 발견하는 방법을 제시합니다. 특히, 훈련 데이터 범위를 넘어서는 새로운 아이디어 를 요구하는 난제들을 LLM이 테스트 시점에 지속적으로 학습 하며 해결하는 것을 목표로 합니다.#Review#Test-Time Training#Reinforcement Learning#Scientific Discovery#LLM Optimization#GPU Kernel Engineering#Algorithm Design#Single-Cell Analysis2026년 1월 22일댓글 수 로딩 중