CCTest · Blog
AutoIndex:検索の前処理を「学習可能な文書表現プログラム」に変える
RAG・検索
cctest.ai
RAG・検索

AutoIndex:検索の前処理を「学習可能な文書表現プログラム」に変える

AutoIndex は、検索器やリランカーを変更するのではなく、索引化の前に文書をどう表現するかを学習する枠組みです。BM25 を固定したまま、CRUMB の 8 タスクすべてで Recall@100 の改善を報告しています。

続きを読む
CCTest · Blog
AlayaRenderer-Flash、生成型ワールドレンダリングをプレイ可能な 30 FPS へ
世界モデル
cctest.ai
世界モデル

AlayaRenderer-Flash、生成型ワールドレンダリングをプレイ可能な 30 FPS へ

AlayaRenderer-Flash は、生成型ワールドレンダリングの速度を 0.56 FPS から 31.54 FPS へ引き上げ、物理エンジンと連携するインタラクティブ環境を実時間に近づけた。テキストだけで動画を作るのではなく、構造化された世界状態から RGB フレームを合成する点が特徴だ。

続きを読む
CCTest · Blog
Masked Diffusion LMはAgent強化学習向けの新しいテキスト世界モデルになるか
世界モデル
cctest.ai
世界モデル

Masked Diffusion LMはAgent強化学習向けの新しいテキスト世界モデルになるか

この論文は、Masked Diffusion Language Modelsをテキストベースの世界モデルとして用いることで、自回帰モデルの左から右への生成バイアスを緩和できると主張している。工具スキーマ、過去の対話、期待される結果などのグローバルな制約を保ちやすい点が焦点だ。

続きを読む
CCTest · Blog
実行環境なしで API エージェントを学習させる新手法
AIエージェント
cctest.ai
AIエージェント

実行環境なしで API エージェントを学習させる新手法

API を呼び出すエージェントの学習には、大量の高品質な軌跡が必要です。しかし本物の環境を整備するのは重い作業です。本論文は、API 仕様だけを使って LLM に状態付き環境を模擬させる方法を提案します。

続きを読む
CCTest · Blog
GigaChat Audio:長時間音声を時間付きで理解するオープンLLM
音声・オーディオ
cctest.ai
音声・オーディオ

GigaChat Audio:長時間音声を時間付きで理解するオープンLLM

長い録音で「何が起きたか」だけでなく「いつ起きたか」まで答えることを目指した音声LLMです。最大120分の入力に対して、明示的なタイムスタンプ付きで応答できます。 周期的な時間マーカーを音声トークンと交互に入れ、合成データで学習させる設計が特徴です。

続きを読む
CCTest · Blog
DiFA:拡散モデル推論を「数値積分」から「状態推定」へ捉え直す
拡散モデル
cctest.ai
拡散モデル

DiFA:拡散モデル推論を「数値積分」から「状態推定」へ捉え直す

DiFA は、拡散モデルの推論時に得られる過去の予測を相関のある観測として扱う、再学習不要のフレームワークです。前向き拡散過程に沿った時間的コンセンサスにより、生成の安定性と細部表現の改善を狙います。

続きを読む
CCTest · Blog
RynnBrain 1.1、ロボット操作に近づく具身基盤モデル
ロボティクス・フィジカルAI
cctest.ai

RynnBrain 1.1、ロボット操作に近づく具身基盤モデル

RynnBrain 1.1 は、知覚・空間推論・位置推定・計画を一つの枠組みにまとめた具身基盤モデル群です。単なる認識ではなく、実際の操作に使いやすい表現を目指している点が特徴です。

続きを読む
CCTest · Blog
TOPLはオフポリシー後学習を「トークンごとの判定」に変える
大規模言語モデル
cctest.ai
大規模言語モデル

TOPLはオフポリシー後学習を「トークンごとの判定」に変える

本論文は、オフポリシー生成をそのまま模倣するのではなく、各トークンが正しいかどうかを学習するTOPLを提案する。要約と翻訳の両方で、分布ずれに対する頑健性が示された。

続きを読む
CCTest · Blog
EvolvingWorld:キャラクターと世界が共進化する文学世界フレームワーク
世界モデル
cctest.ai
世界モデル

EvolvingWorld:キャラクターと世界が共進化する文学世界フレームワーク

EvolvingWorldは、単発の会話生成ではなく、物語の進行に合わせて人物と世界の状態が更新され続ける仕組みを提案する。静的な人物模倣から、長期的な整合性を重視する方向へ踏み出した研究だ。

続きを読む
CCTest · Blog
FlowMimic:画像編集データから動画編集を学ぶ新しい枠組み
視覚・動画
cctest.ai
視覚・動画

FlowMimic:画像編集データから動画編集を学ぶ新しい枠組み

FlowMimic は、動画編集データの収集コストとタスクの狭さという課題に向き合う研究です。画像編集サンプルをリアルタイムで動画編集サンプルへ変換し、画像と動画の能力を相互模倣で近づけます。

続きを読む
CCTest · Blog
LLMは結合分子を“夢見る”のか:3D-Fitが測る創薬向け空間推論
AI科学研究
cctest.ai
AI科学研究

LLMは結合分子を“夢見る”のか:3D-Fitが測る創薬向け空間推論

3D-Fitは、構造ベース創薬において汎用LLMが三次元の空間制約を満たすリガンドを生成できるかを評価する新しいベンチマークです。結果は有望さを示す一方、専用拡散モデルとの差も明確にしています。

続きを読む
CCTest · Blog
TimeLens2:動画MLLMに「根拠がいつ起きたか」を示させる
視覚・動画
cctest.ai
視覚・動画

TimeLens2:動画MLLMに「根拠がいつ起きたか」を示させる

TimeLens2 は、動画の時間的グラウンディングを可変数の区間集合として扱い、モデルが出来事だけでなく根拠となる時間帯も示せるようにする研究です。2B、4B、8B の各モデルは Qwen3-VL バックボーンから大きな改善を示しています。

続きを読む
CCTest · Blog
ReflectWorld-MM、動画記憶を「フレーム」から「実体」へ
メモリ・コンテキスト
cctest.ai

ReflectWorld-MM、動画記憶を「フレーム」から「実体」へ

ReflectWorld-MM は、連続する動画の中で誰が何度現れ、何が変わったのかを、実体単位で記憶することを狙った研究です。動画を切り出して保存する発想から、世界の出来事を整理して覚える発想へと移っています。

続きを読む