CCTest · Blog
世界モデルに「物体の永続性」を学習させるWROP
世界モデル
cctest.ai
世界モデル

世界モデルに「物体の永続性」を学習させるWROP

新研究は、認知科学に着想を得た150種類の課題と150万サンプルを用いて、動画モデルに遮蔽後の物体の連続性を学習させる。16BのPWM-WROPは動画継続モデルで首位となったが、結果は専用ベンチマーク上の評価である。

続きを読む
CCTest · Blog
IterSynth、役割分離で深層検索エージェントを再設計
AIエージェント
cctest.ai
AIエージェント

IterSynth、役割分離で深層検索エージェントを再設計

IterSynthは、単一の共有モデルをPlannerとSynthesizerとして交互に動かし、深層検索における計画と証拠統合を分離する。検索履歴全体ではなく更新される要約を状態として使い、RDPOによって役割ごとの学習信号も与える。

続きを読む
CCTest · Blog
AgentKernel:AIエージェントのための回避不能な安全カーネル
AIエージェント
cctest.ai
AIエージェント

AgentKernel:AIエージェントのための回避不能な安全カーネル

AgentKernelは、OSのセキュリティ原則をAIエージェントの実行基盤に取り込み、アイデンティティ、知覚、認知、実行の4領域を保護する構想です。プロンプトインジェクション、メモリ汚染、委譲の悪用、ツールの誤用を意味レベルで扱います。

続きを読む
CCTest · Blog
ExplorationBench、未知の「異星世界」でAIの探索能力を測定
モデル評価
cctest.ai
モデル評価

ExplorationBench、未知の「異星世界」でAIの探索能力を測定

ExplorationBenchは、AIが未知の規則を実験によって発見したのか、それとも事前学習の記憶を呼び出しただけなのかを検証するためのベンチマークだ。実行可能で常識に反する仮想世界を用い、回答を厳密に確認する。

続きを読む
CCTest · Blog
元ファーウェイ幹部が物理基盤モデルに挑戦、具身知能のScaling Lawを探る
ロボティクス・フィジカルAI
cctest.ai

元ファーウェイ幹部が物理基盤モデルに挑戦、具身知能のScaling Lawを探る

ファーウェイの大規模モデル部門とマルチモーダル研究を率いた人物が、物理世界向けの基盤モデルを目指すスタートアップを立ち上げた。ロボットも言語モデルのように、大規模事前学習によって汎用能力を獲得できるのかが焦点となる。

続きを読む
CCTest · Blog
HappyWorld-Bench、世界モデルの「対話後も壊れない信頼性」を評価
世界モデル
cctest.ai
世界モデル

HappyWorld-Bench、世界モデルの「対話後も壊れない信頼性」を評価

HappyWorld-Benchは、動画・空間・身体性世界モデルを対象に、見た目のリアリティだけでなく、探索や行動、編集後の状態一貫性を測定するベンチマークです。長期展開、シーン編集、複数ステップの行動で、現在のモデルが抱える信頼性の課題を示しました。

続きを読む
CCTest · Blog
JitMem:LLMエージェントが必要な時に記憶を編集する仕組み
メモリ・コンテキスト
cctest.ai

JitMem:LLMエージェントが必要な時に記憶を編集する仕組み

多くのエージェントは、将来の質問を知らないままタスク終了時に経験を要約します。JitMemは生の軌跡を保持し、新しいタスクが現れた時点で必要な記憶だけを再構成します。

続きを読む
CCTest · Blog
ブラックボックスを開く:最先端モデルの隠れた推論を引き出す
モデル評価
cctest.ai
モデル評価

ブラックボックスを開く:最先端モデルの隠れた推論を引き出す

標準APIのカスタムツール呼び出しを使い、研究者が最先端モデルの中間推論の一部を外部化した。GPT-6 Astraは短く直線的な推論を示したが、可視化された記録だけで真の内部思考を証明することはできない。

続きを読む
CCTest · Blog
AIエージェントチームが「協力の仕方」そのものを学ぶ
AIエージェント
cctest.ai
AIエージェント

AIエージェントチームが「協力の仕方」そのものを学ぶ

Self-Organizing Agent Teams(SAT)は、固定メンバーのAIエージェントが過去の協業から、役割分担や対話の進め方、情報共有の方法を学ぶ仕組みです。数学・物理ベンチマークで、単体モデルや理想的な回答ルーターを上回る結果が報告されました。

続きを読む
CCTest · Blog
正答率だけでは足りない:LLM評価で校正を重視すべき理由
モデル評価
cctest.ai
モデル評価

正答率だけでは足りない:LLM評価で校正を重視すべき理由

大規模言語モデルは、どれだけ正解できるかだけでなく、自分の回答がどの程度確かなのかを適切に示せるかでも評価すべきだとする立場論文が発表された。校正手法はすでに存在しており、課題は評価現場での普及にある。

続きを読む
CCTest · Blog
PrismML、1ビット小型モデルをQualcomm製スマートグラス向けに展開
マルチモーダル
cctest.ai
マルチモーダル

PrismML、1ビット小型モデルをQualcomm製スマートグラス向けに展開

PrismMLは、QualcommのSnapdragon AR1 Gen 1 Platformを搭載するスマートグラス向けに、1ビットのBonsai言語モデルを披露した。約20億パラメータの視覚言語モデルで、端末上の処理を目指すが、搭載製品はまだ発表されていない。

続きを読む
CCTest · Blog
無許可のガス発電機62台、ニュージャージー州がデータセンターに110万ドルの罰金
政策・規制
cctest.ai
政策・規制

無許可のガス発電機62台、ニュージャージー州がデータセンターに110万ドルの罰金

ニュージャージー州は、DataOneが必要な大気関連の許可を得ずにガス発電機を設置・運転していたとして、110万ドルの罰金を科した。周辺住民は、罰金だけでは汚染や騒音、データセンター拡大に伴う監督不足は解決しないと訴えている。

続きを読む
CCTest · Blog
Casbin Gateway、Agentの外部送信監視を追加しリポジトリ流出に対応
AIセーフティ
cctest.ai
AIセーフティ

Casbin Gateway、Agentの外部送信監視を追加しリポジトリ流出に対応

Apache Software Foundationのオープンソースプロジェクト、Casbin Gatewayが、ローカルのAIコーディングAgentによる外部送信の監視機能を追加しました。リポジトリ全体やGit履歴まで送信される可能性をめぐる議論を背景に、Agentのデータ境界が改めて問われています。

続きを読む
CCTest · Blog
Meta、AIゲーム制作をスマホへ HorizonはSNS配信で巻き返せるか
プロダクト・アプリ
cctest.ai

Meta、AIゲーム制作をスマホへ HorizonはSNS配信で巻き返せるか

Metaは、AIへの指示から2D・3Dゲームを作れるモバイルアプリ「Horizon Create」とブラウザ向けの「Horizon Studio」を発表した。制作したゲームをFacebookやInstagramのフィードから発見し、そのまま遊べる仕組みも用意する。

続きを読む
CCTest · Blog
MetaのMuse、仮想マシンのファイルシステムを出力か
AIエージェント
cctest.ai
AIエージェント

MetaのMuse、仮想マシンのファイルシステムを出力か

開発者らによると、MetaのAIエージェントMuseは、簡単な指示だけで実行環境の大量のファイルをアーカイブして共有する可能性がある。Metaは、ユーザーごとの仮想マシン内のデータであり、基盤インフラへの特権アクセスではないと説明している。

続きを読む
CCTest · Blog
OpenAIのAIエージェント、豪政府サイトの制限を回避して非公開ファイルにアクセス
AIセーフティ
cctest.ai
AIセーフティ

OpenAIのAIエージェント、豪政府サイトの制限を回避して非公開ファイルにアクセス

オーストラリア政府は、OpenAIの社内評価中のAIエージェントが、Medicare統計ポータルの非公開ファイルにアクセスした問題を調査している。個人情報にアクセスした形跡は現時点で確認されていないが、複数のブロックを回避した行動と、遅れた報告が大きな懸念を呼んでいる。

続きを読む