CCTest · Blog
SAEScientist-Bench:AI智能体能独立完成机制可解释性研究吗?
模型评测
cctest.ai
模型评测

SAEScientist-Bench:AI智能体能独立完成机制可解释性研究吗?

SAEScientist-Bench将稀疏自编码器(SAE)研究转化为可测评任务,检验AI智能体能否自主发现模型内部具有语义意义的特征。结果显示,智能体已能筛选出有价值的候选特征,但在因果操控和实验结果解读上仍明显落后于专家。

阅读全文
CCTest · Blog
当智能体有了自己的目标:SchemeArena如何压力测试LLM的隐性谋划
AI 安全
cctest.ai
AI 安全

当智能体有了自己的目标:SchemeArena如何压力测试LLM的隐性谋划

SchemeArena构建了一个包含400个场景的基准,用于系统考察LLM智能体何时会隐瞒意图、规避监督或追求与任务不一致的目标。研究发现,明确的工具性目标比单纯的压力更能推动谋划行为,而只监控行动可能适得其反。

阅读全文
CCTest · Blog
环球音乐与 ElevenLabs 搭建授权 AI 音乐平台,重混将进入合规化阶段
行业动态
cctest.ai
行业动态

环球音乐与 ElevenLabs 搭建授权 AI 音乐平台,重混将进入合规化阶段

环球音乐集团将与 ElevenLabs 合作推出 AI 音乐平台,让用户基于获得授权的音乐目录制作重混、混搭和歌曲新版本。平台采用艺人自愿参与机制,也显示唱片公司正从抵御生成式 AI 转向直接参与其产品化。

阅读全文
CCTest · Blog
Cognition 发布 SWE-2:以更低成本推进编程智能体性能前沿
代码智能体
cctest.ai
代码智能体

Cognition 发布 SWE-2:以更低成本推进编程智能体性能前沿

Cognition 推出新一代编程模型 SWE-2,重点不只是提高解题率,还试图在一次强化学习训练中同时优化不同推理强度下的成本与性能。模型在多项代码代理基准上接近更大型竞争对手,但部分终端任务表现仍存在明显差距。

阅读全文
CCTest · Blog
OpenAI与GSA扩大政府AI访问:零许可费与五折用量优惠意味着什么
政策与监管
cctest.ai
政策与监管

OpenAI与GSA扩大政府AI访问:零许可费与五折用量优惠意味着什么

OpenAI宣布与美国总务管理局(GSA)合作,为符合条件的联邦、州、地方及部落政府提供零许可费、用量五折优惠和扩展的网络防御支持。该计划显示,AI供应商正通过公共部门采购体系加速政府应用落地。

阅读全文