CCTest · Blog
LatentPress、連続メモリトークンでLLMの文脈を直接圧縮
メモリ・コンテキスト
cctest.ai

LatentPress、連続メモリトークンでLLMの文脈を直接圧縮

LatentPressは、会話履歴や長文書を人間向けの要約ではなく、凍結されたデコーダーが直接読める連続メモリトークンへ変換する。推論時のテキスト復元を省き、文脈処理の効率と圧縮後の性能を検証した。

続きを読む
CCTest · Blog
HarnessDev、大規模言語モデルによるエージェント基盤の構築と進化を検証
AIエージェント
cctest.ai
AIエージェント

HarnessDev、大規模言語モデルによるエージェント基盤の構築と進化を検証

HarnessDevは、エージェントの最終回答だけでなく、その性能を左右する実行基盤を評価するベンチマークです。生成された基盤はコード、検索、研究では人手設計のシステムに及ばない一方、文章作成と機械学習実験では競争力を示しました。

続きを読む
CCTest · Blog
VibeVoice-ASR-Streaming、リアルタイムに「誰が何を話したか」を認識
音声・オーディオ
cctest.ai

VibeVoice-ASR-Streaming、リアルタイムに「誰が何を話したか」を認識

Microsoftの研究チームは、音声認識と話者帰属を一つのストリーミングモデルに統合したVibeVoice-ASR-Streamingを発表した。音声が届くたびに、話者情報付きの文字起こしを継続的に生成する。

続きを読む
CCTest · Blog
S³Gym:LLMは自己テストと自己評価から本当に改善できるのか
モデル評価
cctest.ai
モデル評価

S³Gym:LLMは自己テストと自己評価から本当に改善できるのか

S³Gymは、LLMエージェントが自らの行動を試し、経験を評価し、その結果を次の意思決定に生かせるかを測る対話型ベンチマークです。実験では、改善効果がタスク構造と経験の保存方法に強く依存することが示されました。

続きを読む
CCTest · Blog
ExecRetrievalが示す、コード検索における「似ている」と「正しい」の差
モデル評価
cctest.ai
モデル評価

ExecRetrievalが示す、コード検索における「似ている」と「正しい」の差

ExecRetrievalは、正しい実装とほぼ同じ見た目のバグ実装を同じ検索候補に入れ、コード検索モデルの機能的な識別能力を測定する。上位10件では正解を見つけられても、1位に置く能力には大きな差が残った。

続きを読む
CCTest · Blog
エージェントの失敗は無知か無能か、知識ゲート型評価プロトコルが検証
モデル評価
cctest.ai
モデル評価

エージェントの失敗は無知か無能か、知識ゲート型評価プロトコルが検証

新たな研究は、専門知識の不足と実行能力の不足を切り分けるための知識ゲート型タスク構築プロトコルを提案した。知識アーティファクトの有無を厳密に比較し、一部のタスクで明確な依存関係を確認した一方、追加学習への効果までは主張していない。

続きを読む
CCTest · Blog
Claude・Codex・Cursorは開発ツールをどう選ぶのか:1.7万回の実験
コーディングAI
cctest.ai
コーディングAI

Claude・Codex・Cursorは開発ツールをどう選ぶのか:1.7万回の実験

大規模な実験から、コーディングエージェントは同じ課題でも必ずしも同じ外部サービスを選ばないことが分かった。リポジトリの言語や文脈、ベンダー情報の見せ方が判断を左右する。

続きを読む
CCTest · Blog
Thinking Machines、40​​0億ドル評価で10億ドル調達を協議か
ビジネス・資金調達
cctest.ai

Thinking Machines、40​​0億ドル評価で10億ドル調達を協議か

Mira Murati氏が設立したThinking Machinesが、少なくとも400億ドルの評価額で約10億ドルを調達する協議に入っていると報じられた。既存投資家のAccelがリード投資家になる可能性がある。

続きを読む
CCTest · Blog
Abliteration.ai、AIの安全ガードレール除去をサービス化
AIセーフティ
cctest.ai
AIセーフティ

Abliteration.ai、AIの安全ガードレール除去をサービス化

Abliteration.aiは、オープンウェイトモデルから拒否応答を取り除いたモデルを、ブラウザーやAPIで利用できるサービスとして提供する。攻撃者を再現するために防御側にも必要だと主張する一方、悪用のハードルを下げる懸念も強い。

続きを読む
CCTest · Blog
GPT-6 Astra、OpenAIが「AGI時代」を宣言 性能向上と安全性の課題
モデルリリース
cctest.ai
モデルリリース

GPT-6 Astra、OpenAIが「AGI時代」を宣言 性能向上と安全性の課題

OpenAIは、サイバーセキュリティやソフトウェア開発、科学研究、コンピューター操作を強化したGPT-6 Astraを発表した。一方、過去のモデルによるシステム侵害をめぐる問題が残る中、安全対策の実効性が問われている。

続きを読む
CCTest · Blog
Google、Gmail・Docs・Keepにリアルタイム音声対話を導入
プロダクト・アプリ
cctest.ai

Google、Gmail・Docs・Keepにリアルタイム音声対話を導入

Googleは、Gmail、Docs、Keepを音声で操作できる「Gmail Live」「Docs Live」「Keep Live」の提供を始めました。メール検索、文書整理、メモ作成を自然な会話で行える機能で、まずは英語のモバイル版から展開されます。

続きを読む
CCTest · Blog
Google DeepMind、より高解像度な全球気象AIモデル「WeatherNext 3」を発表
モデルリリース
cctest.ai
モデルリリース

Google DeepMind、より高解像度な全球気象AIモデル「WeatherNext 3」を発表

WeatherNext 3は、リアルタイム衛星観測と1時間ごとの更新、高解像度の格子を組み合わせ、急速に変化する局地的な天候の予測精度向上を目指す。風力・太陽光発電向けの変数も追加された。

続きを読む
CCTest · Blog
NVIDIA、Hugging Faceを130億ドルで買収へ オープンAIの流通網を掌握
業界動向
cctest.ai
業界動向

NVIDIA、Hugging Faceを130億ドルで買収へ オープンAIの流通網を掌握

NVIDIAは、AIモデル共有プラットフォームのHugging Faceを130億ドルで買収することで合意した。オープンモデルの普及を加速する狙いがある一方、プラットフォームの中立性と競争政策が焦点になる。

続きを読む
CCTest · Blog
EarlyEval、途中経過からエージェント評価を早期終了
モデル評価
cctest.ai
モデル評価

EarlyEval、途中経過からエージェント評価を早期終了

EarlyEvalは、LLMエージェントの実行途中に現れる行動やテキストの特徴から、タスクの成功・失敗を早期に予測する。3つのベンチマークで、評価結果への影響を抑えながら実行ステップとトークン使用量を削減した。

続きを読む
CCTest · Blog
SolarWM、長期動画ワールドモデルのためのオープンな学習基盤を提案
世界モデル
cctest.ai
世界モデル

SolarWM、長期動画ワールドモデルのためのオープンな学習基盤を提案

SolarWMは、異なる動画データ、生成バックボーン、長時間推論を分断してきた課題に取り組む。統一データ契約と3段階の学習レシピにより、5秒の学習クリップから分単位、さらには時間単位の対話的ロールアウトを目指す。

続きを読む