CCTest · Blog
AnthropicがIPOを正式申請、急成長の裏で問われる収益性とAIガバナンス
ビジネス・資金調達
cctest.ai

AnthropicがIPOを正式申請、急成長の裏で問われる収益性とAIガバナンス

Anthropicは米国での新規株式公開を正式に申請し、ティッカーシンボル「ANT」での上場を予定している。申請書類からは、急拡大する企業向け事業、依然として続く損失、そして創業者が議決権を維持する独自の統治構造が明らかになった。

続きを読む
CCTest · Blog
OpenAIが最先端モデルの訓練環境からインターネットを切り離す理由
AIセーフティ
cctest.ai
AIセーフティ

OpenAIが最先端モデルの訓練環境からインターネットを切り離す理由

OpenAIは、最先端モデルの訓練で実際のインターネットへのアクセスを禁止する新たな安全方針を示しました。代わりに、キャッシュしたウェブ情報と複数の隔離層を使い、エージェントが隠れた経路で通信・脱出できないか検証します。

続きを読む
CCTest · Blog
UserArena、長期的な購買行動でショッピングエージェントを評価
モデル評価
cctest.ai
モデル評価

UserArena、長期的な購買行動でショッピングエージェントを評価

UserArenaは、実際のECセッション、対話型環境、運用中のA/Bテスト結果を組み合わせ、長い購買インタラクションでユーザーを再現できるかを評価する。さらに、生成軌跡への教師信号を強化するOPTDを提案した。

続きを読む
CCTest · Blog
RSIHub、エージェント進化研究を再利用可能な実験基盤に
フレームワーク・ツール
cctest.ai

RSIHub、エージェント進化研究を再利用可能な実験基盤に

RSIHubは、エージェントのプロンプトやスキル、ツール、オーケストレーションを改善する手法を、共通基盤上で構築・比較するオープンソースフレームワークです。再利用可能な演算子と候補履歴の追跡により、研究者は進化方針に集中できます。

続きを読む
CCTest · Blog
Dual Examがマルチモーダルエージェントと世界モデルを分離評価
モデル評価
cctest.ai
モデル評価

Dual Examがマルチモーダルエージェントと世界モデルを分離評価

Dual Examは、環境の応答を固定してマルチモーダルエージェントの行動選択を、行動介入を固定して世界モデルの状態遷移を評価する二つの軌道を提案した。個別の高得点だけでは、両者が閉ループで安定して協調できるとは限らないことが示された。

続きを読む
CCTest · Blog
HiSTEVE 1.0、人間のキーボード・マウス操作でMinecraftを攻略
AIエージェント
cctest.ai
AIエージェント

HiSTEVE 1.0、人間のキーボード・マウス操作でMinecraftを攻略

HiSTEVE 1.0は、長期計画とネイティブなキーボード・マウス操作を組み合わせ、視覚情報だけでMinecraftの複数段階タスクに取り組むVLAエージェントです。能力を考慮した計画、方策と連動した完了判定、異なる操作モードに対応する学習設計が特徴です。

続きを読む
CCTest · Blog
HoloBoxing、人型ロボットのボクシングを計画と実行に分離
ロボティクス・フィジカルAI
cctest.ai

HoloBoxing、人型ロボットのボクシングを計画と実行に分離

HoloBoxingは、事前学習済みの全身コントローラを固定し、コンパクトなタスクプランナーだけを学習する人型ロボット向けの手法を提案する。利用可能なコントローラを起点にした追加学習は、単一GPUで約7分と報告されている。

続きを読む
CCTest · Blog
LLM評価ではスコアラーだけでなく比較そのものを検証すべき理由
モデル評価
cctest.ai
モデル評価

LLM評価ではスコアラーだけでなく比較そのものを検証すべき理由

自動評価器の全体精度やF1が高くても、プロンプト間の比較が正しいとは限りません。条件ごとに異なる誤りが生じれば、観測された効果は過大評価、過小評価、あるいは方向の逆転まで起こり得ます。

続きを読む
CCTest · Blog
思考連鎖を監視しやすくする:因果評価と安全な追加学習
AIセーフティ
cctest.ai
AIセーフティ

思考連鎖を監視しやすくする:因果評価と安全な追加学習

新たな論文は、介入後に目標行動が現れたというだけでは、その行動が介入によって引き起こされたとは限らないと指摘する。因果検出率の上下限を導入し、監視しやすい思考連鎖を学習する三つの手法も検討した。

続きを読む
CCTest · Blog
長期エージェントが文脈圧縮に強く見える理由、研究が示した盲点
メモリ・コンテキスト
cctest.ai

長期エージェントが文脈圧縮に強く見える理由、研究が示した盲点

長期タスク向けの既存ベンチマークは、外部ファイルに進捗が保存されるため、文脈圧縮の影響を受けにくい可能性がある。一方で、作業ルールや禁止事項のように外部から復元できない制約は、要約の中で静かに失われる。

続きを読む
CCTest · Blog
SpecMem、オンライン記憶でツール呼び出しエージェントを高速化
推論・デプロイ
cctest.ai
推論・デプロイ

SpecMem、オンライン記憶でツール呼び出しエージェントを高速化

SpecMem は、検証済みのツール呼び出しをユーザー単位の記憶へ継続的に書き戻し、固定されたドラフトストアの劣化を抑える。不可逆な操作には副作用ゲートを設け、推測デコードの高速化と安全性を両立する。

続きを読む
CCTest · Blog
AIエージェントに失敗を記憶させるSelf-Direction、経験を再利用可能な知識へ
AIエージェント
cctest.ai
AIエージェント

AIエージェントに失敗を記憶させるSelf-Direction、経験を再利用可能な知識へ

Self-Directionは、エージェントが失敗した軌跡を振り返り、その教訓を軽量な低ランクアダプターとして保存する手法です。過去の経験を関連タスクで呼び出すことで、一時的な再試行を継続的な改善につなげます。

続きを読む
CCTest · Blog
合成リライトのスケーリング則、最適なデータ比率を算出
大規模言語モデル
cctest.ai
大規模言語モデル

合成リライトのスケーリング則、最適なデータ比率を算出

合成リライトを無料のデータ拡張ではなく、生成コストを含む計算資源配分の問題として扱う研究が発表された。実験では、学習計算量が増えるほど最適なリライトデータの比率が高まり、生成モデルを下流モデルが上回る可能性も示された。

続きを読む
CCTest · Blog
TACS-RF、AIエージェントでEDAを操作しミリ波回路を設計
AIエージェント
cctest.ai
AIエージェント

TACS-RF、AIエージェントでEDAを操作しミリ波回路を設計

TACS-RFは、大規模言語モデルのコーディングエージェントを産業用EDAツールに接続し、RF・ミリ波モジュールの設計を試みるフレームワークです。90nm SiGe BiCMOSプロセスで240~251GHzのサブTHz送信機を検証しました。

続きを読む