CCTest · Blog
给世界模型补上“物体恒存”:WROP如何训练视频模型理解遮挡与连续性
世界模型
cctest.ai
世界模型

给世界模型补上“物体恒存”:WROP如何训练视频模型理解遮挡与连续性

一项新研究把认知科学中的物体恒存任务引入视频生成模型训练,推出包含150类任务、150万样本的数据基础设施WROP。实验显示,经过训练的16B模型在连续生成模型中排名第一,但这仍主要反映特定测试集上的能力。

阅读全文
CCTest · Blog
ExplorationBench:让AI在“外星世界”中接受探索能力考验
模型评测
cctest.ai
模型评测

ExplorationBench:让AI在“外星世界”中接受探索能力考验

ExplorationBench试图解决一个长期难题:如何判断AI是真的通过实验发现新规律,而不是从训练数据中回忆答案。研究者构建了两个规则可执行、又有意违背常识的虚拟环境,用可验证任务评估模型的探索过程与结果。

阅读全文
CCTest · Blog
华为大模型团队创业押注“物理基模”:具身智能需要Scaling Law吗?
机器人与物理 AI
cctest.ai
机器人与物理 AI

华为大模型团队创业押注“物理基模”:具身智能需要Scaling Law吗?

前华为大模型负责人李寅与多模态科学家张含望共同创办息壤开物,试图用大规模预训练构建面向物理世界的基础模型。其核心问题是:机器人能否像语言模型一样,通过规模化训练获得跨本体、跨任务的通用能力?

阅读全文
CCTest · Blog
HappyWorld-Bench:从“看起来真实”到“交互可靠”的世界模型评测
世界模型
cctest.ai
世界模型

HappyWorld-Bench:从“看起来真实”到“交互可靠”的世界模型评测

HappyWorld-Bench提出了一套覆盖视频、空间与具身系统的统一评测框架,重点检验世界模型在探索、交互和修改后的状态一致性与行为响应能力。结果显示,当前系统仍普遍存在长期一致性不足、编辑执行偏差和多步状态保持困难。

阅读全文
CCTest · Blog
WhatWorkedBench:用有限实验检验 AI 研究代理是否真正理解“什么有效”
模型评测
cctest.ai
模型评测

WhatWorkedBench:用有限实验检验 AI 研究代理是否真正理解“什么有效”

WhatWorkedBench 为 AI 研究代理设计了一套实验理解基准:代理需要在有限预算下选择测量、分析代码,并预测不同组件组合的结果。研究显示,高斯过程、成对效应建模和代码等价性信息都能显著提升预测效果。

阅读全文
CCTest · Blog
AI 智能体团队开始学习“如何协作”,而不只是各自思考
AI 智能体
cctest.ai
AI 智能体

AI 智能体团队开始学习“如何协作”,而不只是各自思考

一项关于 Self-Organizing Agent Teams 的研究显示,固定成员的智能体团队可以从少量协作经验中学习角色分工、对话阶段和信息流组织方式。在数学与物理任务上,这种自组织协作明显超过单个最强智能体及理想化答案路由器。

阅读全文