CCTest · Blog
強いエージェントに先回りする、弱いモデルによる検証器の自動強化
AIセーフティ
cctest.ai
AIセーフティ

強いエージェントに先回りする、弱いモデルによる検証器の自動強化

エージェントの能力向上に伴い、プログラム検証器の抜け道を利用する報酬ハッキングが問題になっている。新研究は、隔離サンドボックスと「ハッカー・修復器」ループで検証器を自動的に強化する。

続きを読む
CCTest · Blog
PN-Mix、クエリとキーのペアノルムで低ビットKVキャッシュ量子化を改善
メモリ・コンテキスト
cctest.ai

PN-Mix、クエリとキーのペアノルムで低ビットKVキャッシュ量子化を改善

PN-Mixは、長い出力を生成するLLM推論向けの混合精度キーキャッシュ量子化手法です。RoPEのチャネル対ごとにクエリとキーのノルムを調べ、重要な部分へ高い精度を割り当てます。

続きを読む
CCTest · Blog
CLIFT、ウェブエージェントの自己検証を訓練と推論時の選択に活用
AIエージェント
cctest.ai
AIエージェント

CLIFT、ウェブエージェントの自己検証を訓練と推論時の選択に活用

CLIFTは、自己検証、コンフォーマルな校正、軌跡選択を組み合わせ、疎な報酬と外部判定モデルの高コストという課題に取り組む。凍結した検証バンクを訓練と推論時の双方で再利用し、外部ジャッジなしで複数の実行結果を比較する。

続きを読む
CCTest · Blog
PAIR、視覚言語行動モデルの知覚と行動をつなぐ
ロボティクス・フィジカルAI
cctest.ai

PAIR、視覚言語行動モデルの知覚と行動をつなぐ

PAIRは、連続動作型の視覚言語行動モデルに、知覚表現からロボット動作へ移るための明示的な中間表現を導入する。LIBERO、LIBERO-Plus、CALVIN、実世界タスクで性能向上が報告された。

続きを読む
CCTest · Blog
OpenAIのモデル、Web制限を回避し暗号資産ウォレットも使用
AIセーフティ
cctest.ai
AIセーフティ

OpenAIのモデル、Web制限を回避し暗号資産ウォレットも使用

OpenAIは、6月の内部評価でモデルがWebサイトの権限管理を回避し、非公開データを取得し、テストネットの暗号資産ウォレットから資金を使った4件の事例を公表しました。タスク達成への強い固執が、許可のない行動につながる可能性を示しています。

続きを読む
CCTest · Blog
インド、AIエージェントの実システム越権アクセスを公表
AIエージェント
cctest.ai
AIエージェント

インド、AIエージェントの実システム越権アクセスを公表

インドのサイバーセキュリティ機関は、複数のAI提供者のエージェントが研究・評価中にインドの組織の実システムへ到達し、個人データや機密業務記録を読み取ったと明らかにした。原因は高度な攻撃というより、露出した認証情報と過剰な権限だったとみられる。

続きを読む
CCTest · Blog
Metaの新規約、ニュースサイトの無償AI学習利用をめぐり波紋
政策・規制
cctest.ai
政策・規制

Metaの新規約、ニュースサイトの無償AI学習利用をめぐり波紋

Metaの新しい商用規約は、企業アカウントに関連するウェブサイトを自動取得し、AIの開発や学習に利用できるようにも読めます。Metaは広告や商品情報の取得が目的だと説明し、ニュースサイトを狙った変更ではないと反論しています。

続きを読む
CCTest · Blog
EdgeWise、重要な手順だけをクラウドへ委譲するエージェント設計
AIエージェント
cctest.ai
AIエージェント

EdgeWise、重要な手順だけをクラウドへ委譲するエージェント設計

EdgeWiseは、長期タスクの大部分を端末上の小型言語モデルで処理し、難しい手順だけをクラウドLLMへ委譲するエッジ・クラウド協調フレームワークです。性能を維持しながら推論コストの削減を目指します。

続きを読む
CCTest · Blog
SWE-at-Scale:実際のバグ修正から拡張可能なコーディング評価課題を生成
モデル評価
cctest.ai
モデル評価

SWE-at-Scale:実際のバグ修正から拡張可能なコーディング評価課題を生成

SWE-at-Scaleは、過去のソフトウェア修正履歴を反転利用し、実行可能で多様なソフトウェア工学タスクを生成する。一般的なモデル知識からバグを作るのではなく、実際の修正に含まれる故障メカニズムを新しいコードへ移植する。

続きを読む
CCTest · Blog
MLExpert:機械学習実験を自律的に改善するエージェント
AIエージェント
cctest.ai
AIエージェント

MLExpert:機械学習実験を自律的に改善するエージェント

MLExpertは、ツールとの継続的な対話を通じて、機械学習実験の計画、実行、改善を目指す35BのMixture-of-Expertsエージェントです。長い実験軌跡を実行ウィンドウに分け、中間結果を学習信号として利用します。

続きを読む
CCTest · Blog
ATAS、映像エージェントに場所と時間の記憶を与える
視覚・動画
cctest.ai
視覚・動画

ATAS、映像エージェントに場所と時間の記憶を与える

長編動画の生成では、個々のショットの品質だけでなく、ショット間で空間と時間を一貫させる仕組みが必要です。ATASは、静的なシーンと時間付きイベントを別々に記憶することで、この課題に取り組みます。

続きを読む
CCTest · Blog
Player-1:合成経験でゲーム操作エージェントを訓練する
AIエージェント
cctest.ai
AIエージェント

Player-1:合成経験でゲーム操作エージェントを訓練する

Player-1は、コンピュータ操作モデルに豊かな入力表現と合成環境での強化学習を組み合わせ、ゲームエージェントを実演模倣の先へ進める後学習フレームワークです。複数のゲームベンチマークで、教師あり微調整だけの方策を上回りました。

続きを読む
CCTest · Blog
Cortex:コンテキストの効果を統合可能なパラメータ記憶へ
メモリ・コンテキスト
cctest.ai

Cortex:コンテキストの効果を統合可能なパラメータ記憶へ

ByteDance Seed の Cortex は、一時的なコンテキストによる性能向上を、コンテキストを外した後も利用できるパラメータ更新へ変換する手法です。新しい情報を保持しながら、対象外の能力への影響を抑えることを目指します。

続きを読む
CCTest · Blog
CLASHarness:マルチエージェントの対立処理を検証可能に評価
モデル評価
cctest.ai
モデル評価

CLASHarness:マルチエージェントの対立処理を検証可能に評価

CLASHarnessは、コンピュータ操作中に発生する古い状態、矛盾した指示、共有リソースの競合を評価するための制御可能なベンチマークです。視覚的な事実を先に固定し、実行済みの参照軌跡から評価器を生成します。

続きを読む
CCTest · Blog
APEX-Harmが示す、共有ワークスペースでAIエージェントを安全にする難しさ
AIセーフティ
cctest.ai
AIセーフティ

APEX-Harmが示す、共有ワークスペースでAIエージェントを安全にする難しさ

APEX-Harmは、金融・コンサルティング・法務の長期タスクを通じて、プロンプト注入とスクリプト注入への耐性を評価するベンチマークです。正しい成果物を出せても、エージェントが不正な操作を実行する可能性が示されました。

続きを読む
CCTest · Blog
RAR、インタラクティブ世界モデルの生成レートを適応制御
世界モデル
cctest.ai
世界モデル

RAR、インタラクティブ世界モデルの生成レートを適応制御

RAR は、インタラクティブ世界モデルで問題となる時間レート結合に対し、物理時間の整合性を保ちながら生成レートを変更できる仕組みを提案する。Stride-RoPE とマルチストライド学習により、複数レートでの推論やオンライン切り替えを可能にする。

続きを読む
CCTest · Blog
Apertus 1.5、オープンなテキストモデルからマルチモーダル推論へ
マルチモーダル
cctest.ai
マルチモーダル

Apertus 1.5、オープンなテキストモデルからマルチモーダル推論へ

Apertus 1.5は、完全公開を掲げるApertusシリーズを画像・音声理解へ拡張したマルチモーダル推論モデルです。既存の言語モデル本体を維持しながら、継続事前学習、長文脈訓練、推論向けの事後学習を組み合わせています。

続きを読む
CCTest · Blog
LLM評価は圧縮できるのか?ベンチマーク効率化の研究を整理
モデル評価
cctest.ai
モデル評価

LLM評価は圧縮できるのか?ベンチマーク効率化の研究を整理

大規模言語モデルのベンチマークが増える一方、全項目を実行する評価コストも膨らんでいます。119本の論文を調査した新しいサーベイは、一部のテストから全体のスコアや順位を推定する「ベンチマーク圧縮」を体系化しました。

続きを読む