CCTest · Blog
AI研究チームが線形アテンション構造を自律探索する方法
AI科学研究
cctest.ai
AI科学研究

AI研究チームが線形アテンション構造を自律探索する方法

異なる専門分野を持つ持続型AIエージェントで研究チームを構成し、線形アテンション構造を探索する研究が発表された。個別の研究履歴と適応的な実験配分が、限られた予算での発見に大きく影響することを示している。

続きを読む
CCTest · Blog
StreamEvalが示す、リアルタイム動画生成の本当の課題
モデル評価
cctest.ai
モデル評価

StreamEvalが示す、リアルタイム動画生成の本当の課題

StreamEvalは、アバターや生成世界、動画編集を対象にしたインタラクティブなストリーミング動画生成の統一ベンチマークです。高い映像品質だけでは、継続的な指示への確実な対応を保証できないことが明らかになりました。

続きを読む
CCTest · Blog
Ropedia W0、人間の経験で異なる身体をまたぐ運動・操作世界モデルを拡張
世界モデル
cctest.ai
世界モデル

Ropedia W0、人間の経験で異なる身体をまたぐ運動・操作世界モデルを拡張

Ropedia W0は、人間とロボットの一人称データから、移動と物体操作を同時に扱う世界基盤モデルを学習する。カメラ姿勢と投影骨格を共通表現として、異なる身体構造の間の転移を狙う。

続きを読む
CCTest · Blog
点の軌跡で4D世界を学ぶVPM、多視点映像と3D運動を統合
世界モデル
cctest.ai
世界モデル

点の軌跡で4D世界を学ぶVPM、多視点映像と3D運動を統合

Video-Point Model(VPM)は、複数カメラの映像履歴から未来の映像と、持続的なシーン点の3D軌跡を同時に予測する。点の軌跡を監督信号に加えることで、視点ごとの予測を共通の三次元運動に結び付ける。

続きを読む
CCTest · Blog
Agent S4、コンピューター操作エージェントのインターフェースを進化させる
AIエージェント
cctest.ai
AIエージェント

Agent S4、コンピューター操作エージェントのインターフェースを進化させる

Agent S4は、コンピューター操作エージェントの制約がモデルの性能だけでなく、人間向けに設計されたインターフェースにもあると指摘する。タスクの軌跡と集団進化を使い、エージェント向けの操作手段と利用知識を自動的に改善する。

続きを読む
CCTest · Blog
Specter、量子化モデルでMoEの専門家オフロードを高速化
推論・デプロイ
cctest.ai
推論・デプロイ

Specter、量子化モデルでMoEの専門家オフロードを高速化

Specterは、量子化した軽量ドラフトモデルと多段の投機的デコーディングを組み合わせ、次に必要となるMoE専門家を先読みします。予測結果を使って転送を前倒しし、単一GPU推論におけるPCIe待ち時間の削減を目指します。

続きを読む
CCTest · Blog
Épi:セッションをまたいで研究を続ける自律型エージェント
AIエージェント
cctest.ai
AIエージェント

Épi:セッションをまたいで研究を続ける自律型エージェント

Épi は、過去の研究履歴を保存し、モデルのセッションをまたいで実験を継続しながら手法を改善する自律研究エージェントです。数学的な数値限界や計算機支援証明、最適化ソルバーの生成まで対象を広げています。

続きを読む
CCTest · Blog
EdgeKernelBench、大規模言語モデルのエッジ向けカーネル生成を評価
モデル評価
cctest.ai
モデル評価

EdgeKernelBench、大規模言語モデルのエッジ向けカーネル生成を評価

EdgeKernelBenchは、異種エッジバックエンドを統一IRで接続し、LLMが正しく高速なカーネルを生成できるかを段階的に測定する。機能的な正しさと実性能の差が明らかになる一方、LEKAは階層的な最適化で高速化率を改善した。

続きを読む
CCTest · Blog
PVBench、生成動画の「物理的なもっともらしさ」を定量評価
モデル評価
cctest.ai
モデル評価

PVBench、生成動画の「物理的なもっともらしさ」を定量評価

生成動画は見た目が自然でも、物体の形状や運動、接触関係が物理法則に反していることがあります。PVBenchは、物体レベルの計測を取り入れ、こうした問題を体系的に評価するベンチマークです。

続きを読む
CCTest · Blog
DecisionPivot、平均正解率では見えないLLMの判断能力を診断
モデル評価
cctest.ai
モデル評価

DecisionPivot、平均正解率では見えないLLMの判断能力を診断

DecisionPivotは、ルーティングやガードレール、出力検証に使われるLLMの意思決定モデルを診断するベンチマークです。管理された差分への反応と、信頼度が実際の正しさを反映しているかを評価します。

続きを読む
CCTest · Blog
FlowState、実行状態を長期タスク向けエージェントの記憶に変える
メモリ・コンテキスト
cctest.ai

FlowState、実行状態を長期タスク向けエージェントの記憶に変える

FlowState は、過去の対話全体を毎回読み込む代わりに、意味型付きの実行状態と元のツール観測への参照を保存します。必要な情報だけを段階的に取り出すことで、長期タスクの性能向上とトークン削減を両立します。

続きを読む
CCTest · Blog
Leanでコンパイルできても、定理の意味が正しいとは限らない
モデル評価
cctest.ai
モデル評価

Leanでコンパイルできても、定理の意味が正しいとは限らない

Leanは生成された宣言の型や構文を検証できますが、それがユーザーの意図した定理を表しているかまでは判断できません。新たな研究は、標準的なLeanの正解がない状況で形式化の忠実度を評価しました。

続きを読む
CCTest · Blog
λ₀、人間の500時間データでヒューマノイドの移動操作を学習
ロボティクス・フィジカルAI
cctest.ai

λ₀、人間の500時間データでヒューマノイドの移動操作を学習

λ₀プロジェクトは、第一人称映像と身体・手の動きを同期させたHumanVerseデータセットを公開した。人間の全身行動をロボット向けに整合し、大規模な移動操作学習に活用する。

続きを読む
CCTest · Blog
FocusGUI、全モーダルGUIエージェントの注意を次の行動へ導く
AIエージェント
cctest.ai
AIエージェント

FocusGUI、全モーダルGUIエージェントの注意を次の行動へ導く

スクリーンショット、音声、動画、操作履歴、デバイス状態を常にすべて渡せば、GUIエージェントの性能が上がるとは限りません。FocusGUIは、現在の行動に関係する証拠を動的に選び、基盤モデルを微調整せずに注意を誘導します。

続きを読む
CCTest · Blog
企業エージェントに必要なのは検索力だけでなく、記録を信頼できるか判断する力
モデル評価
cctest.ai
モデル評価

企業エージェントに必要なのは検索力だけでなく、記録を信頼できるか判断する力

MMEnterprise-Benchは、更新や修正、食い違いが生じる職場の記録を対象に、マルチモーダルエージェントの推論能力を評価する。検索する証拠を増やしても、回答の正確さが必ずしも向上しないことが示された。

続きを読む
CCTest · Blog
MemT-1.0:基盤モデルにネイティブな記憶を組み込む
メモリ・コンテキスト
cctest.ai

MemT-1.0:基盤モデルにネイティブな記憶を組み込む

MemT-1.0は、長いプロンプトや外部検索だけに頼らず、記憶をモデルの計算そのものに組み込むアーキテクチャを提案する。長い履歴を扱う際の推論速度と永続ストレージの削減を目指した研究だ。

続きを読む
CCTest · Blog
Interlock:長期タスクエージェントを局所的正しさから完遂へ導く
AIエージェント
cctest.ai
AIエージェント

Interlock:長期タスクエージェントを局所的正しさから完遂へ導く

長期タスクでは、個々の操作が正しくても、証拠や判断、成果物のつながりが切れると最終結果は不完全になる。Interlockはタスク完了グラフで依存関係を表現し、検証済み軌跡を訓練に活用する。

続きを読む
CCTest · Blog
RoboValue、ロボット価値モデルを細粒度に評価する基準を提案
ロボティクス・フィジカルAI
cctest.ai

RoboValue、ロボット価値モデルを細粒度に評価する基準を提案

RoboValueは、シミュレーションと実世界の操作タスクを用いて、ロボット価値モデルの判断を細かく検証するベンチマークです。最終結果だけでなく、実行途中の進捗や失敗からの回復も評価します。

続きを読む