CCTest · Blog
ベクトルではなく記号を共有:異なるLLMを訓練なしでつなぐSYNC
AIエージェント
cctest.ai
AIエージェント

ベクトルではなく記号を共有:異なるLLMを訓練なしでつなぐSYNC

SYNCは、異なるアーキテクチャの言語モデルが、微調整や学習済み変換器を使わずに事実を共有するための、単語インデックス型通信方式を提案する。受信側は自分の隠れ状態にある単語方向を利用して、受け取った情報を書き込む。

続きを読む
CCTest · Blog
ActionOPD:トークンではなくエージェントの意思決定を蒸留する
AIエージェント
cctest.ai
AIエージェント

ActionOPD:トークンではなくエージェントの意思決定を蒸留する

ActionOPDは、ブラックボックスの教師モデルから小型エージェントへ、トークン列ではなく意味的なアクションを蒸留する手法を提案する。教師のトークン確率や共通のトークナイザーを必要としない。

続きを読む
CCTest · Blog
HybridAgent、潜在空間で考えテキストで行動するAIエージェント
AIエージェント
cctest.ai
AIエージェント

HybridAgent、潜在空間で考えテキストで行動するAIエージェント

Hybrid Reasoning Agentsは、潜在空間での内部推論と、テキストによるツール操作を一つの生成フローに統合する。論文では、複数分野のベンチマークで性能を高めながら、トークン数、推論時間、コストを抑えたと報告している。

続きを読む
CCTest · Blog
JSSA、共同部分空間とGather-freeカーネルで長文脈デコードを高速化
推論・デプロイ
cctest.ai
推論・デプロイ

JSSA、共同部分空間とGather-freeカーネルで長文脈デコードを高速化

JSSAは、トークン単位のスパース注意機構における選択精度とメモリアクセスの問題を同時に扱う手法です。NVIDIA B200で128K文脈を評価した結果、full-KV attentionに対して最大6.43倍のデコードスループットを報告しています。

続きを読む
CCTest · Blog
ProbabilityBench:正解付きの不確実性でモデルを評価する
モデル評価
cctest.ai
モデル評価

ProbabilityBench:正解付きの不確実性でモデルを評価する

ProbabilityBench は、インスタンスごとのクラス確率を正確に計算できる3つのシミュレーション型テキスト環境を提供します。これにより、モデルの確率予測と校正指標を、既知の真値に対して直接検証できます。

続きを読む
CCTest · Blog
PreciseCoder、コードモデルに「必要な箇所だけ直す」デバッグを教える
コーディングAI
cctest.ai
コーディングAI

PreciseCoder、コードモデルに「必要な箇所だけ直す」デバッグを教える

ユニットテストに通ることは、修正が適切だったことを意味しない。PreciseCoderは、意味的に検証された局所編集の報酬を加え、過剰な変更や存在しないバグの推測を抑えることを目指す。

続きを読む
CCTest · Blog
SWEeper-Bench、対話型ソフトウェアのバグ発見能力を測る
モデル評価
cctest.ai
モデル評価

SWEeper-Bench、対話型ソフトウェアのバグ発見能力を測る

SWEeper-Bench は、既知の不具合を修正するだけでなく、ブラウザー上の多段階操作から未報告のバグを見つけて直せるかをコードエージェントに問うベンチマークです。15 の先端エージェントで最高の通過率は 59.0% にとどまりました。

続きを読む
CCTest · Blog
ロボットポリシーからエージェント型ロボットへ:モデル・データ・環境の全体像
ロボティクス・フィジカルAI
cctest.ai

ロボットポリシーからエージェント型ロボットへ:モデル・データ・環境の全体像

エージェント型ロボットに関する研究を整理したサーベイが、低レベルの行動予測を超え、目標理解、計画、失敗修正、環境への適応を行うロボットの姿を描いている。研究領域はModel、Data、Environment、Harnessの4領域に分類される。

続きを読む
CCTest · Blog
HumanoidToolBench、人型ロボットの工具選択から移動実行までを評価
ロボティクス・フィジカルAI
cctest.ai

HumanoidToolBench、人型ロボットの工具選択から移動実行までを評価

人型ロボットの工具利用では、工具を持てるだけでは不十分です。適切な工具を選び、操作し、必要に応じて歩行しながらタスクを完了できるかを、HumanoidToolBenchが評価します。

続きを読む
CCTest · Blog
TextVerifier、認識を超えて中国語文字の描画を検証
モデル評価
cctest.ai
モデル評価

TextVerifier、認識を超えて中国語文字の描画を検証

画像生成モデルは読める中国語を生成できても、画数の欠落や余分な画、部品の崩れを残すことがあります。TextVerifierは、文字を読めるかではなく、指定された漢字が正しい形で描画されているかを判定します。

続きを読む
CCTest · Blog
GreenWAM、ロボットの世界モデルと行動方策を一つに統合
ロボティクス・フィジカルAI
cctest.ai

GreenWAM、ロボットの世界モデルと行動方策を一つに統合

GreenWAMは、20種類のロボットを共通の解剖学的な行動空間で表現し、世界モデルと制御方策の両方として機能することを目指す。異なる身体をまたいだロボット学習への新しい設計を示している。

続きを読む
CCTest · Blog
JevGPT:自律研究エージェントに「速い思考」と「遅い思考」を導入
AIエージェント
cctest.ai
AIエージェント

JevGPT:自律研究エージェントに「速い思考」と「遅い思考」を導入

JevGPTは、研究計画と証拠処理を分担する二重システム型の自律研究アーキテクチャを提案する。関連資料を見つけるだけでなく、実際の推論に活用することを重視し、証拠のカバレッジと研究効率の向上を目指す。

続きを読む
CCTest · Blog
LifeSearchが示す、現実の生活課題で深度調査AIが苦戦する理由
モデル評価
cctest.ai
モデル評価

LifeSearchが示す、現実の生活課題で深度調査AIが苦戦する理由

LifeSearchは、学術研究や合成タスクだけでなく、生活と生産性に関する現実的な課題で深度調査エージェントを評価するベンチマークです。最高性能のエージェントでも得点は63.4%にとどまりました。

続きを読む