[논문리뷰] Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens본 연구는 VLM 기반 로봇 에이전트가 작업을 수행할 때 발생하는 과도한 Inference 비용과 불필요한 토큰 오버헤드 문제를 해결하는 데 목적이 있습니다.#Review#VLM#Robot Agent#Code Execution#Primitive Composition#Selective Observation#Inference Efficiency#Token Consumption2026년 10월 1일댓글 수 로딩 중
[논문리뷰] FastContext: Training Efficient Repository Explorer for Coding Agents본 논문은 LLM 기반 코딩 에이전트의 저장소 탐색 단계에서 발생하는 고비용 토큰 소비 및 불필요한 컨텍스트 오염 문제를 해결하기 위해 제안되었다. 기존 에이전트들은 동일한 모델이 탐색과 문제 해결을 모두 수행하여, 탐색 과정에서 누적된 방대한 양의 관련 없는 코드 스니펫이 주 모델의 컨텍스트를 오염시킨다 .#Review#Coding Agents#Repository Exploration#Subagent Architecture#Supervised Fine-Tuning#Reinforcement Learning#Context Efficiency#Token Consumption2026년 6월 15일댓글 수 로딩 중