CCTest · Blog
CoPE:让语言智能体边行动边预测,减少长程强化学习浪费
AI 智能体
cctest.ai
AI 智能体

CoPE:让语言智能体边行动边预测,减少长程强化学习浪费

CoPE 为语言智能体强化学习加入多步动作预测,让模型不只依赖轨迹末端的奖励,也能从成功轨迹中的中间动作获得训练信号。在五个智能体基准测试中,该方法展现出优于 GRPO 等基线的整体表现,并将样本效率最高提升至约 2 倍。

阅读全文
CCTest · Blog
从“能解码”到“能理解”:JEPA潜在世界的可解释性路线
世界模型
cctest.ai
世界模型

从“能解码”到“能理解”:JEPA潜在世界的可解释性路线

JEPA正在从表征学习工具走向支持预测、规划与控制的潜在世界模型,但其内部状态缺少直观的人类解释接口。一篇最新观点文章提出“Ground–Structure–Verify–Act”四阶段框架,推动可解释性从读取信息转向理解潜在世界的运行方式。

阅读全文
CCTest · Blog
让编码智能体自己改进:Self-HPO把Harness与策略交替优化
代码智能体
cctest.ai
代码智能体

让编码智能体自己改进:Self-HPO把Harness与策略交替优化

微软研究院等团队提出Self-HPO,通过让编码智能体分析自身失败、提出新的Harness方案,再用强化学习更新策略模型,实现编码智能体的递归改进。在三个代码基准上,Qwen3.5-35B-A3B的平均解决率从57.8%提升至64.8%。

阅读全文
CCTest · Blog
让世界模型先执行规则,再生成画面:Stateful Harness如何补上“隐状态”短板
世界模型
cctest.ai
世界模型

让世界模型先执行规则,再生成画面:Stateful Harness如何补上“隐状态”短板

清华大学团队提出 Stateful Harness,将世界状态演化与视频渲染拆开处理,让交互式世界模型能够依据不可见状态执行持久规则。其在 WorldState-Bench 上将同一视频模型的双案例正确率提升至 92%。

阅读全文