이번 글에서는 Guided Self-Evolving LLMs with Minimal Human Supervision 논문의 핵심 포인트만 간단히 정리한다. 2025년 12월 2일(Arxiv) Yu, Wenhao, Liang, Zhenwen, Huang, Chengsong, Panaganti, Kishan, Fang, Tianqing, Mi, Haitao, Yu, Dong. Tencent AI Lab in Seattle, Washington University in St. Louis 논문 링크 영문판 보기 요약 이 논문은 대규모 언어...

This article explains the key points of DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models. 2025-12-02 (arXiv) DeepSeek-AI, Liu, Aixin, Mei, Aoxue, Lin, Bangcai, Xue, Bing, Wang, Bingxuan, Xu, Bingzheng, Wu, Bochao, Zhang, Bowei, Lin, Chaofan, et al. DeepSeek-AI Paper Read this article in Korean Summary DeepSeek-V3.2 addresses expensive...

이번 글에서는 DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models 논문의 핵심 포인트만 간단히 정리한다. 2025년 12월 2일(Arxiv) DeepSeek-AI, Liu, Aixin, Mei, Aoxue, Lin, Bangcai, Xue, Bing, Wang, Bingxuan, Xu, Bingzheng, Wu, Bochao, Zhang, Bowei, Lin, Chaofan, et al. DeepSeek-AI 논문 링크 영문판 보기 요약 DeepSeek-V3.2는 공개 언어 모델의...

Read this article in Korean Trends November 2025’s theme is making better use of model capacity: the three selected papers change image-prediction targets, language-model memory, or student-training feedback to improve generation under specific constraints. Just image Transformers (JiT), which map noisy image patches directly to clean patches, show that the...

영문판 보기 이달의 트렌드 2025년 11월의 주제는 모델 용량을 더 효과적으로 활용하는 방법이며 선정된 논문 3편은 이미지 예측 대상, 언어 모델의 메모리, 학생 모델의 학습 피드백을 바꿔 특정 제약 아래에서 생성 성능을 개선한다. Just image Transformers(JiT)는 노이즈가 섞인 이미지 패치를 깨끗한 패치로 직접 변환하며 패치 차원이 높을 때 네트워크가 무엇을...