[논문리뷰] WMIP: A Working-Memory-Inspired Programmable Probe of Cumulative State Tracking in Large Language Models이 논문은 기존 LLM 평가가 fixed-difficulty benchmark에 의존해서 모델이 발전하면 saturate되고, 특정 cognitive process를 isolate하지 못한다는 문제를 다룹니다.#Review#Working Memory#Cumulative State Tracking#LLM Evaluation#Construct Validity#Parameterized Difficulty#Agent Benchmark#Kendall's Tau2026년 11월 11일댓글 수 로딩 중
[논문리뷰] Hybrid Reasoning Agents본 논문은 기존 LLM agent가 겪고 있는 텍스트 기반 추론의 비효율성과 latent 추론 모델의 도구 접근성 부재라는 이분법적 문제를 해결하고자 합니다. 현재의 agent는 복잡한 문제를 해결하기 위해 도구를 호출하고 환경과 상호작용해야 하지만, 모든 추론 과정이 텍스트로 생성되어야 하므로 추론 효율성이 제한됩니다.#Review#HybridAgent#Latent Reasoning#HybridLink#HybridSFT#HybridRL#Working Memory#Agentic Reasoning2026년 10월 14일댓글 수 로딩 중
[논문리뷰] VideoLoop: Looped Working Memory Against Semantic Thrashing in Long-Form Video AgentsLong-form video understanding은 여러 추론 단계를 거쳐 수많은 프레임에서 증거를 반복적으로 수집해야 하는 과제입니다. 기존의 대부분의 agentic methods는 Semantic Thrashing 문제에 직면합니다 .#Review#Long-form Video Understanding#Semantic Thrashing#Multimodal Agents#Working Memory#Dual-Loop Architecture#Memory Orchestration#Filesystem2026년 9월 29일댓글 수 로딩 중
[논문리뷰] MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents본 논문은 현대 멀티모달 에이전트들이 복잡한 환경에서 능동적으로 정보를 수집하고 통합하는 지각 상태 구성 역량이 부족하다는 문제를 해결하고자 한다. 기존 벤치마크들은 작업 수행 과정에서 발생하는 물리적 제어나 복잡한 시뮬레이션 환경 자체의 노이즈 때문에 순수한 '지각 상태 구성' 능력을 평가하기 어렵다는 한계가 있다.#Review#Agentic Perception#Partially Observable Markov Decision Process#Active Sensing#Working Memory#Multimodal Agents#MNIST-PRO2026년 8월 31일댓글 수 로딩 중
[논문리뷰] Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses본 논문은 긴 호흡의 에이전트 작업에서 발생하는 재귀적 자기 개선(Recursive Self-Improvement, RSI)의 불투명성과 성능 저하 문제를 해결합니다.#Review#Long-Horizon Agents#Recursive Self-Improvement#Working Memory#Experiential Memory#Failure Localization#Agent Harness2026년 8월 25일댓글 수 로딩 중
[논문리뷰] MementoGUI: Learning Agentic Multimodal Memory Control for Long-Horizon GUI Agents본 논문은 현재의 GUI agent가 장기적(Long-Horizon) 태스크 수행 시 인터페이스 변화에 따른 태스크 상태를 유지하는 데 한계를 보인다는 점을 문제로 지적합니다.#Review#GUI Agents#Multimodal Memory#Long-Horizon#Memory Control#MLLM#Working Memory#Episodic Memory2026년 5월 18일댓글 수 로딩 중
[논문리뷰] Context Training with Active Information Seeking본 논문은 LLM이 배포 후 새로운 정보나 전문 지식이 필요한 상황에서 겪는 적응력의 한계를 해결하기 위해 제안되었습니다. 기존의 closed-loop Context Training 방식은 모델의 내재된 지식에만 의존하므로, 모델이 모르는 외부 지식을 스스로 발견하거나 수정하는 데 결정적인 한계가 있습니다.#Review#Context Training#Active Information Seeking#Beam Search#Working Memory#LLM Optimization#Context Pollution#Generalization2026년 5월 13일댓글 수 로딩 중
[논문리뷰] Memory as Action: Autonomous Context Curation for Long-Horizon Agentic Tasks본 논문은 LLM 기반 에이전트가 긴 작업(long-horizon tasks)을 수행할 때 제한된 작업 메모리 가 불필요하거나 관련 없는 컨텍스트에 의해 쉽게 과부하되는 문제를 해결하고자 합니다.#Review#Long-Horizon Tasks#Agentic AI#Context Curation#Working Memory#Reinforcement Learning#Policy Optimization#Large Language Models#Memory-as-Action2025년 10월 15일댓글 수 로딩 중
[논문리뷰] Sculptor: Empowering LLMs with Cognitive Agency via Active Context Management본 논문은 대규모 언어 모델(LLMs)이 긴 컨텍스트를 처리할 때 발생하는 사전 간섭(proactive interference) 문제와 이로 인한 성능 저하를 해결하고자 합니다.#Review#Large Language Models#Active Context Management#Proactive Interference#Tool Augmentation#Working Memory#Context Curation#Long Context2025년 8월 7일댓글 수 로딩 중