RAG 평가 모델의 Overfitting 방지를 통한 일반화 성능 확보
Evaluating Large Language Models: The Overfitting Problem
Memorization 억제를 통한 LM Generalization 능력 극대화 설계
Presentation: Rules for Understanding Language Models
Auto-regressive LLM의 Reversal Curse 식별 및 GPT-4 정답률 79% vs 33% 격차 확인
The Reversal Curse: LLMs trained on "A is B" fail to learn "B is A"
Bias-Variance Tradeoff 최적화를 통한 모델 Generalization 성능 확보
Understanding Underfitting and Overfitting: An Introduction
SFT의 Overfitting 한계 극복을 위한 RLHF 기반 모델 Aligning 전략
Understanding Reinforcement Learning with Human Feedback Part 2: Aligning Pretrained Models
LoRA SFT 기반 Delta A +0.263 달성 및 암기 vs 일반화 검증 분석
Did My LoRA Learn Tenacious Style—or Just Memorize Augmented Patterns?
Train-Test Gap 분석을 통한 Overfitting 제어 및 Generalization 최적화
53. Overfitting: When Your Model Is Too Good at Being Wrong
Data Leakage 원천 차단을 통한 Model Generalization 확보 및 평가 신뢰도 제고
52. The Rule That Prevents You From Cheating Your Own Model
RL 환경 구축 비용 절감을 위한 도메인 특화 플랫폼 전환 전략
The RL environment platform landscape in 2026
Model Complexity 제어를 통한 Overfitting 해결 및 Generalization 성능 확보 전략
Regularization in Machine Learning — How to Actually Prevent Overfitting (L1, L2, Dropout)
Optimization과 Regularization의 균형을 통한 Model Generalization 최적화 전략
Optimization vs Regularization — The Real Reason Your Model Overfits (and How to Fix It)
Spectral 분석을 통한 LLM Benchmark Overfitting 진단 및 데이터 다양성 증명
Benchmark Shadows Study: Data Alignment Limits LLM Generalization
Grok의 ARC-AGI 0점 기록, LLM의 보간법 한계와 벤치마크의 실체
Grok scored zero on ARC-AGI-3. Every 5-year-old did better
MiniMax M2 팀이 Interleaved Thinking과 perturbation 기반 데이터 파이프라인을 도입해 벤치마크 성능과 실제 환경 일반화를 동시에 달성
Aligning to What? Rethinking Agent Generalization in MiniMax M2
Hugging Face가 공개·비공개 데이터셋 하이브리드 전략으로 임베딩 모델 평가의 과적합 문제 해결하는 RTEB 벤치마크 출시
Introducing RTEB: A New Standard for Retrieval Evaluation
LeRobot이 로봇 데이터 수집 파이프라인 단순화와 Hugging Face Hub 통합으로 커뮤니티 기여 데이터셋 증가
LeRobot Community Datasets: The “ImageNet” of Robotics — When and How?