CCTest · Blog
用扩散语言模型做文本世界模型:Agent 强化学习的新模拟器路线
世界模型
cctest.ai
世界模型

用扩散语言模型做文本世界模型:Agent 强化学习的新模拟器路线

这篇论文把文本世界模型重新定义为可控的状态转移问题,并提出用 Masked Diffusion Language Models 缓解自回归模型的左到右偏置。实验显示,MDLM 在一致性、扎根性和 rollout 多样性上优于更大参数量的自回归模型。

阅读全文
CCTest · Blog
GigaChat Audio:把“时间”写进长音频理解的开源大模型
语音与音频
cctest.ai
语音与音频

GigaChat Audio:把“时间”写进长音频理解的开源大模型

这篇工作聚焦长录音中的时间定位问题,提出一种面向音频的时间感知 LLM,能够在最长 120 分钟的输入中给出带明确时间戳的回答,并支持片段描述与摘要生成。 它的核心思路,是把周期性的时间标记与连续音频 token 交错输入,再借助大规模合成监督训练。

阅读全文
CCTest · Blog
TOPL:把后训练改写成“逐 token 判断”,提升分布偏移下的忠实生成
大语言模型
cctest.ai
大语言模型

TOPL:把后训练改写成“逐 token 判断”,提升分布偏移下的忠实生成

这项工作提出了一种新的离策略后训练方法 TOPL,不是直接教模型“照着错误输出学”,而是让模型学会判断每个 token 是否正确。结果表明,它在摘要和翻译等忠实生成任务上,都展现出更强的跨数据集泛化能力。

阅读全文
CCTest · Blog
GEPO:给混合任务里的大模型强化学习加上“分组熵”调节器
强化学习
cctest.ai
强化学习

GEPO:给混合任务里的大模型强化学习加上“分组熵”调节器

GEPO 是对 GRPO 的轻量改造,核心不是简单压高熵或保低熵,而是按 prompt 分组的熵状态,去做更细粒度的优势项塑形。它试图解决混合任务训练中,不同题型探索需求不一致、导致统一熵控制失灵的问题。

阅读全文
CCTest · Blog
FlowMimic:用像素对流场把图像编辑“迁移”到视频编辑
视觉与视频
cctest.ai
视觉与视频

FlowMimic:用像素对流场把图像编辑“迁移”到视频编辑

这篇工作试图解决一个长期痛点:视频编辑数据难采、成本高、任务类型又不够丰富。FlowMimic提出一种不用掩码的生成与编辑框架,把图像编辑样本实时转成视频编辑样本,并让模型在图像与视频两种模态之间相互“模仿”。

阅读全文
CCTest · Blog
LLM 会“想象”结合分子吗?3D-Fit 评测其空间约束下的药物设计能力
AI 科研
cctest.ai
AI 科研

LLM 会“想象”结合分子吗?3D-Fit 评测其空间约束下的药物设计能力

Insilico Medicine 等作者提出 3D-Fit,用于评估通用大语言模型在结构化药物设计中处理三维空间约束的能力。结果显示,LLM 已能跟随多种局部空间指令,但距离物理可靠的分子生成仍有明显差距。

阅读全文