본문으로 건너뛰기

#Tool-Use

8개의 포스트

[논문리뷰] ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step

본 논문은 현재의 대규모 언어 모델(LLM) 기반 에이전트들이 도구 사용 능력을 평가할 때, 실제적인 행동 추론보다는 API 이름과 같은 의미론적 우선순위(semantic priors)에 과도하게 의존하고 있다는 문제를 제기합니다 .
#Review#Autonomous Agents#Tool-Use#Benchmark#Behavioral Reasoning#Semantic Obfuscation#Mapping Drift#Stochastic Failure#Persistent Memory
댓글 수 로딩 중

[논문리뷰] S-Agent: Spatial Tool-Use Elicits Reasoning for Spatial Intelligence

본 논문은 기존 VLM들이 정적인 단일 프레임 관찰에 의존하여 연속적이고 진화하는 3D 환경에서의 공간 추론에 한계를 보인다는 점을 해결하고자 합니다 . 기존 모델들은 파편화된 2D 시각 정보에 의존하기 때문에 공간적 일관성(spatial consistency) 유지와 고도화된 3D 기하학적 이해가 어렵습니다.
#Review#Spatial Intelligence#Vision-Language Models (VLM)#Agentic Paradigm#Spatio-Temporal Reasoning#Tool-Use#Spatial Evidence Accumulation
댓글 수 로딩 중

[논문리뷰] PREPING: Building Agent Memory without Tasks

LLM 에이전트는 새로운 환경에 배치될 때 작업별 경험이 부족한 상태에서 발생하는 Cold-Start 문제에 직면합니다. 기존의 메모리 구축 방식은 사전에 수집된 사람의 시연(offline)이나 배포 후 사용자와의 상호작용(online)에 의존하는데, 이는 배포 초기 단계의 실패를 야기하거나 구축 비용을 증가시킵니다 .
#Review#Agent Memory#Procedural Memory#Synthetic Practice#Cold-Start#Agentic Context Engineering#Tool-Use#Pre-task Construction
댓글 수 로딩 중

[논문리뷰] OmniAgent: Audio-Guided Active Perception Agent for Omnimodal Audio-Video Understanding

기존 옴니모달 대규모 언어 모델(OmniLLMs) 이 겪는 미세한 크로스모달 이해(fine-grained cross-modal understanding) 및 멀티모달 정렬(multimodal alignment) 의 한계를 해결하는 것을 목표로 합니다.
#Review#Omnimodal Understanding#Audio-Guided Perception#Active Learning Agents#Cross-Modal Alignment#Tool-Use#Video Understanding#Multimodal LLMs
댓글 수 로딩 중

[논문리뷰] SceneWeaver: All-in-One 3D Scene Synthesis with an Extensible and Self-Reflective Agent

이 논문은 기존 3D 장면 합성 방법론들이 고정된 카테고리, 부족한 객체 디테일, 물리적 불일치, 복잡한 사용자 지시와의 낮은 정합성 등의 한계를 가지는 문제를 해결하고자 합니다.
#Review#3D Scene Synthesis#Agentic Framework#LLMs#Self-Reflection#Tool-Use#Physical Plausibility#Iterative Refinement#Embodied AI
댓글 수 로딩 중