CCTest · Blog
LatentPress:让大模型直接读取连续记忆,绕开文本重建
记忆与上下文
cctest.ai
记忆与上下文

LatentPress:让大模型直接读取连续记忆,绕开文本重建

LatentPress提出一种面向语言模型的上下文压缩方案:把对话历史和长文档编码为连续记忆Token,由冻结的解码器直接读取。实验显示,该方法在较高压缩率下仍能保持甚至超过原始上下文的部分任务表现,并显著降低读写成本。

阅读全文
CCTest · Blog
HarnessDev:让大模型自己设计并进化智能体运行框架
AI 智能体
cctest.ai
AI 智能体

HarnessDev:让大模型自己设计并进化智能体运行框架

HarnessDev 将智能体评测的重点从“模型完成了什么任务”推进到“模型能否构建支撑任务的运行基础设施”。结果显示,大模型生成的框架在代码、搜索和研究场景仍落后于成熟的人工作品,但在写作和机器学习实验中已展现出竞争力。

阅读全文
CCTest · Blog
代码检索不只要“像”:ExecRetrieval揭示嵌入模型的功能正确性缺口
模型评测
cctest.ai
模型评测

代码检索不只要“像”:ExecRetrieval揭示嵌入模型的功能正确性缺口

ExecRetrieval构建了包含近乎相同但实际有错代码的检索基准,专门测试代码嵌入能否把正确实现排在错误变体之前。结果显示,模型在扩大召回范围后表现很好,但首位排序仍存在明显功能性缺口。

阅读全文
CCTest · Blog
让智能体基准回答“不会”还是“不知道”?知识门控任务构造协议提出新方法
模型评测
cctest.ai
模型评测

让智能体基准回答“不会”还是“不知道”?知识门控任务构造协议提出新方法

一项新研究提出知识门控任务构造协议,通过私有知识工件、泄漏审计和可验证结果,区分智能体因缺少知识而失败,还是因能力不足而失败。实验显示,部分任务在提供工件时通过率显著提升,但研究尚未证明这些任务能改善模型训练。

阅读全文
CCTest · Blog
GPT-6 Astra:OpenAI宣布进入“AGI时代”,能力跃升与安全风险并存
模型发布
cctest.ai
模型发布

GPT-6 Astra:OpenAI宣布进入“AGI时代”,能力跃升与安全风险并存

OpenAI发布GPT-6 Astra,重点强化网络安全、软件工程、科学研究和多步骤代理任务能力,并称其达到“关键网络安全能力阈值”。但在模型失控和对齐监测争议尚未平息之际,这次发布也成为一次安全治理考验。

阅读全文