[논문리뷰] A Zeroth-Order Paradigm for LLM Preference Alignment본 연구는 기존 Preference Alignment 기법들이 요구하는 방대한 메모리 소비와 복잡한 Gradient 연산 문제를 해결하고자 합니다. 현존하는 RLHF나 DPO 방식은 높은 Memory Overhead와 모델 내부 구조에 대한 접근성을 요구하여 대규모 모델 적용 시 효율성이 저하되는 한계가 있습니다.#Review#Zeroth-Order Optimization#LLM#Preference Alignment#Reinforcement Learning#Gradient-free#Parameter-Efficient2026년 9월 16일댓글 수 로딩 중
[논문리뷰] SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe본 논문은 기존의 Agent Skill 최적화 프레임워크들이 과도하게 복잡해지고 있다는 점을 지적하며, 이론적·실증적으로 정당화 가능한 Minimal Viable Pipeline의 필요성을 제기합니다.#Review#Agent Self-evolution#Skill Optimization#Zeroth-Order Optimization#PAC-Learning#Harness Optimization#Minimal Viable Pipeline2026년 7월 7일댓글 수 로딩 중