[논문리뷰] τ-Emotion-Bench: Exposing the Interaction Fragility of LLM Agents through Real-World User Emotions본 논문은 기존 LLM 에이전트 벤치마크가 터미널 태스크 성공에만 초점을 맞추어 사용자 상호작용의 효율성을 간과하는 문제점을 제기한다.#Review#LLM Agents#Tool-calling#User Emotions#Interaction Fragility#Benchmarking#Data Generation#Agent Training#User Simulation2026년 10월 14일댓글 수 로딩 중
[논문리뷰] Orchard: An Open-Source Agentic Modeling Framework본 논문은 에이전트 모델링 연구에서 인프라와 훈련 기법 간의 결합도가 높아 재현성과 확장성에 한계가 있다는 점을 지적합니다. 기존 연구들은 에이전트의 하네스(harness)와 훈련 스택이 환경 관리와 강하게 결합되어 있어, 서로 다른 도메인이나 환경에서의 재사용이 어렵습니다.#Review#Agentic Modeling#Kubernetes-native#Orchard Env#Balanced Adaptive Rollout#Credit-assignment SFT#SWE-bench#GUI Agents#Tool-calling2026년 5월 14일댓글 수 로딩 중
[논문리뷰] Look Where It Matters: High-Resolution Crops Retrieval for Efficient VLMs기존 Vision-language models (VLMs) 은 detail-sensitive tasks 를 해결하기 위해 high-resolution visual inputs 에 의존하지만, 이로 인해 computational costs 와 inference latency 가 크게 증가하는 문제가 발생한다.#Review#Vision-language models#High-resolution crops#Tool-calling#Efficiency#Reinforcement Learning#Multi-turn interaction#Data curation#Spatial-on-demand2026년 3월 23일댓글 수 로딩 중