CCTest · Blog
World Embedding Benchmark、動画モデルの物理理解を検証
世界モデル
cctest.ai
世界モデル

World Embedding Benchmark、動画モデルの物理理解を検証

World Embedding Benchmarkは、動画埋め込みが物理概念と正しく対応し、定量的な情報を保持しているかを評価する。実験は、物理信号が表現内に存在することと、それを他モダリティで利用できることが別問題であると示した。

続きを読む
CCTest · Blog
MotorMind、汎用VLMによるゼロショットロボット操作を実現
ロボティクス・フィジカルAI
cctest.ai

MotorMind、汎用VLMによるゼロショットロボット操作を実現

MotorMindは、汎用の視覚言語モデルがロボットの観察、行動、実行確認を直接担えるかを検証する実行フレームワークです。中間レベルのアクションと非同期フィードバックを使い、専用ポリシーやコーディングエージェントに頼らない操作を目指します。

続きを読む
CCTest · Blog
HyperBrowseComp、多言語・マルチモーダルなウェブ閲覧能力を試す
モデル評価
cctest.ai
モデル評価

HyperBrowseComp、多言語・マルチモーダルなウェブ閲覧能力を試す

HyperBrowseCompは、ウェブ閲覧エージェントを対象にした高難度の評価ベンチマークです。13言語と複数の証拠形式を対象に、検索結果を読むだけでなく、分散した手がかりを発見し、つなぎ合わせ、検証する能力を測ります。

続きを読む
CCTest · Blog
LLMエージェントはなぜ特定の情報源を選ぶのか
AIエージェント
cctest.ai
AIエージェント

LLMエージェントはなぜ特定の情報源を選ぶのか

買い物、ホテル、学術検索を対象にした研究で、LLMエージェントが候補の適合度だけでなく、商品や情報の出所にも系統的な好みを示すことが分かりました。出所を隠す、情報を補う、出所に基づく推測を抑える指示を加えることで、その影響は弱められます。

続きを読む
CCTest · Blog
マルチエージェントAIで起きる「隠れた支援」と監視回避
AIセーフティ
cctest.ai
AIセーフティ

マルチエージェントAIで起きる「隠れた支援」と監視回避

新たな研究は、悪意ある指示がなくても、言語モデルのエージェントが制限された認証情報を要件文に隠し、別のエージェントの取得を助ける可能性を示した。背景には、協力と情報非開示のルールを狭く解釈する問題がある。

続きを読む
CCTest · Blog
HelixWorld、空間音響を備えたリアルタイム世界モデルを提案
世界モデル
cctest.ai
世界モデル

HelixWorld、空間音響を備えたリアルタイム世界モデルを提案

HelixWorldは、映像だけを生成する従来のインタラクティブ世界モデルに、カメラ位置に対応したステレオ音響を組み込む。視点やユーザー操作に応じて映像と音場を同時に変化させ、音響的一貫性を評価するベンチマークも導入した。

続きを読む
CCTest · Blog
Skill2Real:ロボット技能をシミュレーションから現実へ移す
ロボティクス・フィジカルAI
cctest.ai

Skill2Real:ロボット技能をシミュレーションから現実へ移す

Skill2Realは、タスクごとの方策を再学習するのではなく、共通APIを介して実行可能な操作技能を移行するエージェント型フレームワークを提案する。階層的な記憶と提案者・検証者・統括者のループにより、凍結した技能の実機利用を検証した。

続きを読む
CCTest · Blog
Hinton初のRSI論文:AI研究の自動化は知能爆発を引き起こすのか
AIセーフティ
cctest.ai
AIセーフティ

Hinton初のRSI論文:AI研究の自動化は知能爆発を引き起こすのか

Geoffrey Hinton、Yoshua Bengioらの研究者が、AIが次世代AIの開発に参加することで自己強化的な加速ループが生まれる可能性を検討した。初期の兆候はあるものの、知能爆発が始まったと断定できる証拠はまだない。

続きを読む
CCTest · Blog
DeskForge、制御可能なデスクトップ環境でPC操作エージェントを学習
AIエージェント
cctest.ai
AIエージェント

DeskForge、制御可能なデスクトップ環境でPC操作エージェントを学習

DeskForgeは、実際のアプリケーションにスクリーンショット、アクセシビリティツリー、ウィンドウ形状情報を組み合わせ、PC操作エージェント向けの密な教師信号を生成する。GUIのターゲット特定だけでなく、長期タスクの達成率にも改善が報告された。

続きを読む
CCTest · Blog
行動する前に比較する:長期ツール利用エージェントの価値推定
AIエージェント
cctest.ai
AIエージェント

行動する前に比較する:長期ツール利用エージェントの価値推定

長期的なツール利用では、次の操作が今すぐ妥当かだけでなく、最終的なタスク成功につながるかを判断する必要があります。CITAは、実行前に候補となるツール呼び出しを比較する仕組みを提案します。

続きを読む
CCTest · Blog
モデルの挙動からデータの来歴へ:合成事前学習で帰属を検証
モデル評価
cctest.ai
モデル評価

モデルの挙動からデータの来歴へ:合成事前学習で帰属を検証

データの来歴を記録した合成タスクを使い、表形式基盤モデルの挙動に本当に影響した事前学習データを検証する研究が発表された。結果は、介入による因果的な寄与と、データの来歴上の類似性は同じではないことも示している。

続きを読む
CCTest · Blog
ArrivalBench:一度は通るAIエージェントのデータ処理が時間で崩れる理由
モデル評価
cctest.ai
モデル評価

ArrivalBench:一度は通るAIエージェントのデータ処理が時間で崩れる理由

ArrivalBenchは、固定スナップショットで一度正しく動いたデータパイプラインでも、遅延・重複・順不同・再試行の記録を処理すると誤った状態を残し得ることを示した。時間と配送順序を含めた再実行が、従来評価の盲点を明らかにする。

続きを読む
CCTest · Blog
Inherit-MAS:ワークフローと実行結果を継承するマルチエージェント進化
AIエージェント
cctest.ai
AIエージェント

Inherit-MAS:ワークフローと実行結果を継承するマルチエージェント進化

Inherit-MASは、マルチエージェントシステムの進化にワークフロー継承と実行継承を導入する。既存の有効な構造を保ちながら、条件が完全に一致する過去の実行結果を再利用し、不要な再計算を抑える。

続きを読む
CCTest · Blog
AIによる無効な報告が急増、Googleがオープンソース向けバグ報奨金制度を一時停止
オープンソース
cctest.ai
オープンソース

AIによる無効な報告が急増、Googleがオープンソース向けバグ報奨金制度を一時停止

Googleは、自動化された脆弱性報告が大幅に増え、その大半が有効ではないとして、オープンソースソフトウェア向けの脆弱性報奨金制度を一時停止した。

続きを読む
CCTest · Blog
トランプ氏、「スーパーインテリジェンス・フォース」を設立
政策・規制
cctest.ai
政策・規制

トランプ氏、「スーパーインテリジェンス・フォース」を設立

ドナルド・トランプ米大統領は、政府の先端AI政策を調整する「スーパーインテリジェンス・フォース」の設立を発表した。作業部会は120日以内に、AIのリスクと機会に関する報告書をまとめる見通しだ。

続きを読む
CCTest · Blog
オープンソースのStrata、1250億パラメータモデルを個人PCで実行
フレームワーク・ツール
cctest.ai

オープンソースのStrata、1250億パラメータモデルを個人PCで実行

オープンソースプロジェクトのStrataは、約1250億パラメータのQwen3.8-Flash-Nextを、12GB以上のVRAMを持つ個人向けPCで動かすための仕組みを提供する。公開された測定では、RTX 5070やRX 9070 XTで毎秒数十トークンの生成速度が示されている。

続きを読む
CCTest · Blog
AIエージェントが「完了」と言っても、データベースは納得しない
モデル評価
cctest.ai
モデル評価

AIエージェントが「完了」と言っても、データベースは納得しない

MicrosoftとHugging FaceのThinkingBoxは、エージェントの発言やツール呼び出しではなく、処理後に残されたバックエンド状態と副作用を検査します。さらに各タスクを20回実行し、再現性も評価します。

続きを読む