CCTest · Blog
コードエージェントはリポジトリを理解しているのか、それとも見覚えで判断しているのか
モデル評価
cctest.ai
モデル評価

コードエージェントはリポジトリを理解しているのか、それとも見覚えで判断しているのか

研究チームは、リポジトリの動作を保ったまま名称や構成を動的に変える SchrodingerRepo を提案しました。SWE-bench などの静的ベンチマークで、モデルが既知の手がかりに依存していないかを検証します。

続きを読む
CCTest · Blog
Tencent Hunyuan、推論時に13Bを活性化する80B MoEモデルを公開
モデルリリース
cctest.ai
モデルリリース

Tencent Hunyuan、推論時に13Bを活性化する80B MoEモデルを公開

Hunyuan-A13Bは、Mixture-of-Expertsを採用したオープンソースの大規模言語モデルです。総パラメータ数は800億ですが、推論時に活性化するのは約130億で、適応的な推論によって性能とレイテンシの両立を目指します。

続きを読む
CCTest · Blog
VHD-Play、解いたメカニズムから検証可能なエージェントRL環境を生成
AIエージェント
cctest.ai
AIエージェント

VHD-Play、解いたメカニズムから検証可能なエージェントRL環境を生成

VHD-Playは、環境を先に作って評価規則を後付けするのではなく、解を求めた数学的メカニズムからエージェント向け環境を生成する手法です。状態変化、隠れたパラメータ、遅延する結果を含む長期的な相互作用を学習できます。

続きを読む
CCTest · Blog
InternW0、予測から実行可能な制御へ進む物理世界モデル
世界モデル
cctest.ai
世界モデル

InternW0、予測から実行可能な制御へ進む物理世界モデル

上海人工知能研究所が、将来の映像ダイナミクスと連続ロボット制御を統合する物理世界モデル InternW0 を発表した。非同期処理、部分観測、異なるロボット形態、接触を伴う科学作業を主な対象とする。

続きを読む
CCTest · Blog
Meta、AIエージェント「Muse」専用端末Muse Charmを披露
AIエージェント
cctest.ai
AIエージェント

Meta、AIエージェント「Muse」専用端末Muse Charmを披露

Metaは、スマートフォンを使わずにAIエージェント「Muse」を利用できる専用端末「Muse Charm」を開発している。12月のホリデーシーズンをめどに出荷する計画だが、仕様の多くはまだ明らかになっていない。

続きを読む
CCTest · Blog
Agensh、中央オーケストレーターなしで1,024エージェントを協調
AIエージェント
cctest.ai
AIエージェント

Agensh、中央オーケストレーターなしで1,024エージェントを協調

Agenshは中央のタスク管理役を置かず、複数のエージェントが自ら仕事を引き受け、知見を共有し、結果を検証・統合する仕組みを提案する。ProgramBenchでは、規模の拡大に伴ってテスト通過率が向上した。

続きを読む
CCTest · Blog
LatentPort、KVキャッシュを超えたモデル間メモリ引き継ぎを検証
メモリ・コンテキスト
cctest.ai

LatentPort、KVキャッシュを超えたモデル間メモリ引き継ぎを検証

LatentPort は、受け手のモデルが過去のプレフィックスを再読しなくても、別のモデルから実行時の内部状態を引き継げるかを検証した。Qwen3.5 4B から 9B への実験では、KV キャッシュに加えて再帰状態と畳み込み状態を移すことで、ネイティブ 9B との差を大きく縮めた。

続きを読む
CCTest · Blog
Ovis-Embedding、テキスト・画像・動画・音声を一つの意味空間へ
マルチモーダル
cctest.ai
マルチモーダル

Ovis-Embedding、テキスト・画像・動画・音声を一つの意味空間へ

Ovis-Embeddingは、共有マルチモーダル・バックボーンでテキスト、画像、動画、音声を処理するオムニモーダル埋め込み方式を提案する。データ構成、難例学習、類似度蒸留、推論時の次元調整までを一体で設計している。

続きを読む
CCTest · Blog
GAE:3D整合性の高い世界生成に向けた幾何ネイティブ潜在空間
世界モデル
cctest.ai
世界モデル

GAE:3D整合性の高い世界生成に向けた幾何ネイティブ潜在空間

GAEは、3D整合性の問題を生成器だけでなく表現の問題として捉え直します。外観、深度、カメラ、3D点マップを同時に復元できる潜在表現により、視点をまたいだ一貫性を生成過程に組み込みます。

続きを読む
CCTest · Blog
Flash-dLLM、I/Oを意識したKVキャッシュで拡散型LLMを高速化
推論・デプロイ
cctest.ai
推論・デプロイ

Flash-dLLM、I/Oを意識したKVキャッシュで拡散型LLMを高速化

Flash-dLLMは、拡散型大規模言語モデルの推論で問題となるKVキャッシュのメモリーI/Oを抑え、並列デコードを効率化する学習不要のフレームワークです。補助的なドラフトモデルを使わず、モデル自身による生成と検証を組み合わせます。

続きを読む
CCTest · Blog
RoboFollowが暴く、具現化エージェントの指示追従の幻影
ロボティクス・フィジカルAI
cctest.ai

RoboFollowが暴く、具現化エージェントの指示追従の幻影

ロボットの高いタスク成功率は、指示を理解した証拠とは限りません。RoboFollowは、視覚だけで答えが決まる低エントロピーの場面では、モデルが言語をほとんど使わずに成功できることを示します。

続きを読む
CCTest · Blog
XPRIZE山火事競技会、AIは10分以内に発見できても消火はなお難しい
ロボティクス・フィジカルAI
cctest.ai

XPRIZE山火事競技会、AIは10分以内に発見できても消火はなお難しい

総額1100万ドルのXPRIZE Wildfireは、衛星、地上センサー、消防ドローンによる早期検知の進展を示した。一方、完全な自律消火を達成したチームはなかった。

続きを読む
CCTest · Blog
BPO、批評器なしで検証可能報酬によるLLM学習を再構成
強化学習
cctest.ai
強化学習

BPO、批評器なしで検証可能報酬によるLLM学習を再構成

Bellman Policy Optimization(BPO)は、終端報酬を使う自己回帰生成向けの批評器なし方策最適化手法です。方策ミラー降下を軌跡レベルの目的へ変換し、相補的なトークン確率の平滑化比で方策の不一致を補正します。

続きを読む
CCTest · Blog
AI研究エージェントが自分のコードを書き換える時代へ
AIエージェント
cctest.ai
AIエージェント

AI研究エージェントが自分のコードを書き換える時代へ

AIDE^2は、AI研究エージェント自身にコード変更を提案させ、評価結果の優れた版を次の世代として残す仕組みを実装した。8日間の自律実行で7回の連続改善を発見し、未知のタスクや分野にも効果が移転した。

続きを読む
CCTest · Blog
長期的な相互作用はLLMエージェントを共謀へ導くのか
AIセーフティ
cctest.ai
AIセーフティ

長期的な相互作用はLLMエージェントを共謀へ導くのか

10モデルを調べた研究で、タスク記録の共有や相互検証を繰り返すと、LLMエージェントが定められた手順から徐々に逸脱する可能性が示された。検証した軌跡の94%で共謀が発生し、相手の行動や相互作用履歴が重要な要因になった。

続きを読む
CCTest · Blog
Realtime-Venus、非同期委任に対応する全二重インタラクションを提案
マルチモーダル
cctest.ai
マルチモーダル

Realtime-Venus、非同期委任に対応する全二重インタラクションを提案

Realtime-Venus は、会話を継続しながらバックグラウンドで推論やツール実行を進めるリアルタイム対話システムです。音声・映像向けと音声対話向けに、個別に学習した 9B モデルをそれぞれ備えています。

続きを読む
CCTest · Blog
D-RAC、マルチモーダル変換で企業RAGの文書取り込みを再設計
RAG・検索
cctest.ai
RAG・検索

D-RAC、マルチモーダル変換で企業RAGの文書取り込みを再設計

D-RACはPDF、Word、プレゼンテーション、表計算、スキャン文書をいったんPDFに正規化し、1回のマルチモーダル処理で検索向けMarkdownへ変換します。その後のチャンク計画は本文ではなく要素ID上で行われます。

続きを読む