CCTest · Blog
τ^τ-Bench、コーディングエージェントの実務的な納品力を測る
モデル評価
cctest.ai
モデル評価

τ^τ-Bench、コーディングエージェントの実務的な納品力を測る

τ^τ-Benchは、コード生成ではなく、現実的な制約の下で実用的なエージェントを構築・納品できるかを評価するベンチマークだ。現在のシステムと専門家が作成した参照実装の間には大きな差が残っている。

続きを読む
CCTest · Blog
定型的な拒否文を使わずに安全性を学習すると誤拒否は減るのか
AIセーフティ
cctest.ai
AIセーフティ

定型的な拒否文を使わずに安全性を学習すると誤拒否は減るのか

安全チューニングの応答を、定型的な拒否文と拒否理由に分けて分析した研究が発表されました。拒否理由だけで学習すると、安全性を大きく損なわずに、無害な依頼への誤拒否を減らせる可能性があります。

続きを読む
CCTest · Blog
VLMに求められるのは、答えない部分を見極める能力
モデル評価
cctest.ai
モデル評価

VLMに求められるのは、答えない部分を見極める能力

新しいベンチマークKoNAは、質問全体を拒否するかどうかではなく、複合的な依頼のうちどの部分だけを拒否すべきかを評価します。視覚言語モデルは、答えられる内容を保ちながら、根拠のない推測や危険な要求を切り分ける必要があります。

続きを読む
CCTest · Blog
AWS、非同期で動くコーディングエージェント基盤「Kiro Crew」をオープンソース化
AIエージェント
cctest.ai
AIエージェント

AWS、非同期で動くコーディングエージェント基盤「Kiro Crew」をオープンソース化

AWSは、複数のKiro Coding Agentをセッションやツール、タスクをまたいで協調させるKiro Crewを公開した。開発者が席を離れている間も、調査や移行、チケット処理などを継続できる仕組みを目指す。

続きを読む
CCTest · Blog
マイクロソフト、AIガバナンスを実行時の強制へ移行
政策・規制
cctest.ai
政策・規制

マイクロソフト、AIガバナンスを実行時の強制へ移行

マイクロソフトは、AIガバナンスの重点を政策文書から、実行時の制御、継続的な評価、可観測性、監査証跡へ移すアーキテクチャを示しました。目的は、AIシステムの稼働中にルールが実際に守られているかを検証できるようにすることです。

続きを読む
CCTest · Blog
AIで増殖するPRに、オープンソースのメンテナーが警鐘
オープンソース
cctest.ai
オープンソース

AIで増殖するPRに、オープンソースのメンテナーが警鐘

オープンソースのメンテナーが、履歴書を充実させる目的でAI生成のPRやissueを大量に送る行為を批判しました。問題はAIの利用そのものではなく、検証されていない内容が保守負担を増やしている点にあります。

続きを読む
CCTest · Blog
NVIDIA、余ったPCをプライベートAIクラスターにするPAIRを公開
オープンソース
cctest.ai
オープンソース

NVIDIA、余ったPCをプライベートAIクラスターにするPAIRを公開

NVIDIAは、ローカルネットワーク上の対応コンピューターを検出し、ローカルAI推論に利用できるオープンソースソフトウェア「Personal AI Router(PAIR)」を公開しました。主にGeForce RTX搭載機を対象とし、AppleのM4以降のチップにも対応します。

続きを読む
CCTest · Blog
Motion-Omni:対話モデルが発話と全身動作を同時に生成
マルチモーダル
cctest.ai
マルチモーダル

Motion-Omni:対話モデルが発話と全身動作を同時に生成

Motion-Omniは、音声対話と表情、手振り、全身動作を共通の隠れ状態から生成するエンドツーエンドモデルです。従来の音声生成後に動作を付ける方式に比べ、動作品質を保ちながらリアルタイム性を高めています。

続きを読む
CCTest · Blog
Iris、SFTと強化学習の反復で検索エージェントを高度化
AIエージェント
cctest.ai
AIエージェント

Iris、SFTと強化学習の反復で検索エージェントを高度化

Iris-miniとIris-proは、ウェブのリンク構造から多段検索タスクを作り、教師あり微調整とオンライン強化学習を交互に実施する検索エージェントです。長い推論で証拠を整理するコンテキスト管理も、評価の重要な要素として扱われています。

続きを読む
CCTest · Blog
WorldSculpt:単一物体の3D生成先験で構成可能な世界を作る
世界モデル
cctest.ai
世界モデル

WorldSculpt:単一物体の3D生成先験で構成可能な世界を作る

WorldSculptは、単一物体向けの3D生成先験を、姿勢付きの多視点動画へ拡張する手法です。激しい遮蔽がある、数百物体規模の複雑なシーンを、共有された世界座標系内の個別メッシュとして再構成します。

続きを読む
CCTest · Blog
MaxKernel、多エージェントで TPU カーネル生成を自動化
AIエージェント
cctest.ai
AIエージェント

MaxKernel、多エージェントで TPU カーネル生成を自動化

MaxKernel は、大規模言語モデルにコンパイラからのフィードバックとハードウェアプロファイリングを組み合わせ、TPU カーネルの開発と最適化を支援する。人間協調、自律最適化、グラフベース探索の3方式を備える。

続きを読む
CCTest · Blog
テストを通っても十分ではない:コードモデルが編集しすぎる理由
コーディングAI
cctest.ai
コーディングAI

テストを通っても十分ではない:コードモデルが編集しすぎる理由

コード修正モデルは、テストに通る場合でも必要以上に広い範囲を書き換えることがある。新たな研究は、保全を求める指示と強化学習が編集の忠実度を高める可能性を示した。

続きを読む
CCTest · Blog
ShallowStream:浅い層で索引を作り、深い層で動画を理解する
視覚・動画
cctest.ai
視覚・動画

ShallowStream:浅い層で索引を作り、深い層で動画を理解する

ShallowStreamは、MLLMの浅い層を使ってストリーミング動画の符号化と検索用インデックスの構築を行い、質問時だけ深い層を活用します。論文では、フレーム単位のプリフィル遅延を最大52.1倍、10秒間のエンドツーエンド遅延を最大11.9倍削減したと報告しています。

続きを読む
CCTest · Blog
高性能モデルはシステムを危険にするのか?LLMエージェントの逆説
AIセーフティ
cctest.ai
AIセーフティ

高性能モデルはシステムを危険にするのか?LLMエージェントの逆説

金融市場のエージェントシミュレーションを用いた研究で、高性能な言語モデルほど行動が似通う可能性が示されました。共通の判断が正しければリスク低減につながりますが、誤情報を共有すると損失を増幅する可能性があります。

続きを読む
CCTest · Blog
ASR幻覚はどこで始まるのか:エンコーダー最終段が重要な境界に
音声・オーディオ
cctest.ai

ASR幻覚はどこで始まるのか:エンコーダー最終段が重要な境界に

音声入力と無関係なのに流暢な文章を生成するASRの「幻覚」について、新たな研究がその発生条件を分析した。エンコーダーの最終段は音声情報をテキストとして読める形に整える重要な位置だが、そこを壊すだけで自然な幻覚が生じるわけではない。

続きを読む
CCTest · Blog
ハイブリッド言語モデルの分業:注意機構は想起し、再帰状態は表現を制御する
メモリ・コンテキスト
cctest.ai

ハイブリッド言語モデルの分業:注意機構は想起し、再帰状態は表現を制御する

Qwen3.5 と Falcon-H1 を調べた研究で、KV キャッシュと固定サイズの再帰状態が明確に異なる役割を持つことが示された。注意機構は文脈にあった情報を検索し、再帰状態は出力言語やペルソナを主に決める。

続きを読む