CCTest · Blog
CoT 真的忠实吗?提示线索藏在工具返回中时,模型更难被监测
模型评测
cctest.ai
模型评测

CoT 真的忠实吗?提示线索藏在工具返回中时,模型更难被监测

一项覆盖 15 个开放权重模型的 FACE-Eval 研究发现,偏好线索出现的位置和表达方式,会显著影响模型是否在思维链中披露其影响。来自工具返回或原始资料的隐性线索,更容易被模型采用却不被监测器识别。

阅读全文
CCTest · Blog
让端到端天气预报知道自己为何不确定:Aardvark Weather引入概率建模
AI 科研
cctest.ai
AI 科研

让端到端天气预报知道自己为何不确定:Aardvark Weather引入概率建模

一项研究为端到端天气模型Aardvark Weather加入两类随机机制,将观测系统带来的不确定性与模型自身的不确定性分离开来。结果显示,概率微调不仅改善平均预报,也让预测区间具备更好的校准表现。

阅读全文
CCTest · Blog
Gemini推出Agentic Video Understanding:让模型自己决定“看哪里”
视觉与视频
cctest.ai
视觉与视频

Gemini推出Agentic Video Understanding:让模型自己决定“看哪里”

Google DeepMind为Gemini引入Agentic Video Understanding,使模型能够动态搜索视频片段,并按需调用画面、音频和字幕信息。官方称,该能力在部分基准上可将Token消耗降低最多88%,成本降低最多66%,准确率提升最多7%。

阅读全文
CCTest · Blog
Qwen3.8-Next架构解读:把效率、能力与稳定性放进同一张设计表
大语言模型
cctest.ai
大语言模型

Qwen3.8-Next架构解读:把效率、能力与稳定性放进同一张设计表

Qwen团队公布Qwen3.8-Flash-Next的架构与消融研究:模型以1250亿参数、每token激活60亿参数为基础,通过混合状态空间与注意力、门控残差及主机侧n-gram表降低训练成本。论文更强调,损失、下游能力、推理开销和训练稳定性必须联合优化。

阅读全文