CCTest · Blog
OS-Helix、GUI操作とコード実行を統合するコンピューターエージェント
AIエージェント
cctest.ai
AIエージェント

OS-Helix、GUI操作とコード実行を統合するコンピューターエージェント

OS-Helixは、グラフィカルな操作とコード実行を単一の方策で学習し、デスクトップ作業で「クリックするか、コードを書くか」を判断できるエージェントを目指す。強化学習版はOSWorld-Verifiedで66.44%の成功率を報告している。

続きを読む
CCTest · Blog
PPMem、平面メモリで動画世界モデルの長期的な空間整合性を高める
世界モデル
cctest.ai
世界モデル

PPMem、平面メモリで動画世界モデルの長期的な空間整合性を高める

PPMemは、壁や床、建物の立面などを更新可能な平面として記憶し、後続の動画生成に利用する。長時間のロールアウトや大きな視点移動で起きる空間のずれを抑えることが狙いだ。

続きを読む
CCTest · Blog
BELIEFWEAVERが長期タスクエージェントの失敗復旧を改善
AIエージェント
cctest.ai
AIエージェント

BELIEFWEAVERが長期タスクエージェントの失敗復旧を改善

長期タスクで表面化する失敗は、数ステップ前の判断に起因することがある。BELIEFWEAVERは、継続的な証拠、関係的な信念状態、暗黙的な世界モデルを組み合わせ、ロールバックや修復、探索の方向を選びやすくする。

続きを読む
CCTest · Blog
LLMエージェントに持続的な人間の制御を与えるSAI
AIエージェント
cctest.ai
AIエージェント

LLMエージェントに持続的な人間の制御を与えるSAI

新たな論文は、型付きMCP呼び出しと優先順位付きの権威コンテキストを組み合わせるStructured Authority Injection(SAI)を提案した。計画サイクルをまたいで操作者の修正を維持し、指示の曖昧さや権威の弱まりを抑える一方、効果はモデルによって異なる。

続きを読む
CCTest · Blog
PRIME、AIエージェントの結論を証拠で検証可能に
AIエージェント
cctest.ai
AIエージェント

PRIME、AIエージェントの結論を証拠で検証可能に

PRIMEは、あらかじめ定めた証拠ルートと独立した検証台帳によって、LLMエージェントの判断を制約する手法です。公開記録480件のタスクで、根拠のない結論をゼロにし、正当化できる結論の質も高めました。

続きを読む
CCTest · Blog
Lean4AgenticRL、Lean4による多層プロセス報酬でエージェント強化学習を改善
強化学習
cctest.ai
強化学習

Lean4AgenticRL、Lean4による多層プロセス報酬でエージェント強化学習を改善

Lean4AgenticRLは、ツール呼び出し、ワークフローの段階、最終結果を対象に、Lean4形式化に基づく検証可能な報酬を導入します。学習したLAR-27BはTerminalBench-2.1で77.3%を達成しました。

続きを読む
CCTest · Blog
再帰的な自己蒸留がモデルの安全性を徐々に損なう可能性
AIセーフティ
cctest.ai
AIセーフティ

再帰的な自己蒸留がモデルの安全性を徐々に損なう可能性

安全な出力と無害な手がかりだけを使っていても、再帰的な自己蒸留によってモデルの安全な応答が段階的に崩れる可能性がある。研究チームはこの現象を「Progressive Misalignment」と呼んでいる。

続きを読む
CCTest · Blog
DeepSeek V4.1 Flash更新、プロジェクト生成と検索APIを強化
コーディングAI
cctest.ai
コーディングAI

DeepSeek V4.1 Flash更新、プロジェクト生成と検索APIを強化

DeepSeekはV4.1 Flashをバージョン1017に更新し、ゼロからプロジェクトを構築する能力を高めるとともに、自社開発の検索APIを公開しました。特にAPIの提供は、DeepSeekを使う開発者に直接影響する可能性があります。

続きを読む
CCTest · Blog
Anthropic、株式5%を「公益基金」へ拠出へ
ビジネス・資金調達
cctest.ai

Anthropic、株式5%を「公益基金」へ拠出へ

Anthropicは、同社株式の5%を拠出する「公益基金」を設立すると発表した。非営利団体への寄付や特定層への直接分配、AIと雇用に関する取り組みなどが想定されているが、運営体制はまだ明らかになっていない。

続きを読む
CCTest · Blog
ディズニー、Character.AIの大半の従業員を採用へ 買収先は未確定
業界動向
cctest.ai
業界動向

ディズニー、Character.AIの大半の従業員を採用へ 買収先は未確定

破産手続きに入ったチャットボット企業Character.AIに対し、ディズニーは少なくとも60人へ採用を提示することで合意した。大半の提示対象者は受け入れたとされるが、他社がより高い条件を出す可能性は残っている。

続きを読む
CCTest · Blog
Anthropic、外部評価機関に「社員並み」のAI安全アクセスを付与
AIセーフティ
cctest.ai
AIセーフティ

Anthropic、外部評価機関に「社員並み」のAI安全アクセスを付与

Anthropicは非営利の評価機関METRから6人を社内に受け入れ、ハードウェアや内部ツール、リスク評価システムへのアクセスを認めた。METRはAnthropicの承認なしに分析結果を公表できるが、機密情報は削除の対象となる。

続きを読む
CCTest · Blog
Replit、OpenAIを標準モデルに採用 Claudeも引き続き利用可能
コーディングAI
cctest.ai
コーディングAI

Replit、OpenAIを標準モデルに採用 Claudeも引き続き利用可能

Replitは、AIコーディング基盤の標準モデル提供者をAnthropicからOpenAIへ切り替えたと説明しました。一方で、ユーザーは引き続きClaudeを選択でき、判断には性能、コスト、提携条件が影響しています。

続きを読む
CCTest · Blog
Meta、ニュースサイトのスクレイピングを認めるとも読めた条項を削除
政策・規制
cctest.ai
政策・規制

Meta、ニュースサイトのスクレイピングを認めるとも読めた条項を削除

Metaは、AIの学習目的でウェブサイトのコンテンツを取得できるようにも読めた商用規約の文言を削除した。同社は、変更は規約の適用範囲を明確にするためであり、ウェブクローラーの運用を変えるものではないとしている。

続きを読む
CCTest · Blog
DeepSeek V4.1-Flash-1017発表、AIエージェントの高速化と低コスト化を狙う
モデルリリース
cctest.ai
モデルリリース

DeepSeek V4.1-Flash-1017発表、AIエージェントの高速化と低コスト化を狙う

DeepSeekがV4.1-Flash-1017を公開し、Web版、アプリ、APIに展開しました。新モデルはベンチマークの向上だけでなく、エージェントの実行時間、出力トークン、利用コストの削減を重視しています。

続きを読む
CCTest · Blog
PilotDeck 2.0がオープンソース化、AIエージェントの記憶とコストを管理
AIエージェント
cctest.ai
AIエージェント

PilotDeck 2.0がオープンソース化、AIエージェントの記憶とコストを管理

清華大学THUNLP実験室、面壁智能、OpenBMBなどのチームが、AIエージェントの記憶混乱や長時間タスク、モデル利用コストに対応するPilotDeck 2.0を公開した。ワークスペース、編集可能な記憶、バックグラウンド実行、モデルルーティングを備える。

続きを読む
CCTest · Blog
OmniCompass、時空間と視聴覚を網羅する動画理解ベンチマーク
モデル評価
cctest.ai
モデル評価

OmniCompass、時空間と視聴覚を網羅する動画理解ベンチマーク

OmniCompass は、時間グラウンディング、空間グラウンディング、質問応答を組み合わせた動画理解ベンチマークです。テキストのみとテキスト+画像による対象指定を比較し、モデルが妥当な回答を作るだけでなく、動画内の根拠を一貫して利用できるかを検証します。

続きを読む