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
CCTest · Blog
PaperCompiler、論文からコードへの変換をリポジトリ仕様としてコンパイル
コーディングAI
cctest.ai
コーディングAI

PaperCompiler、論文からコードへの変換をリポジトリ仕様としてコンパイル

PaperCompiler は、論文から生成したコードで起こりやすいアルゴリズムの簡略化やファイル間の不整合に取り組む。実装に関係する証拠を出典付きのリポジトリ全体の仕様へ変換してから、コード生成を進める点が特徴だ。

続きを読む
CCTest · Blog
CRISP、構造を利用して長文脈の疎なプリフィルを改善
推論・デプロイ
cctest.ai
推論・デプロイ

CRISP、構造を利用して長文脈の疎なプリフィルを改善

CRISPは、入力に応じて変化する疎な注意機構のために、注意マップを直接読む構造指標と、sinkを考慮した閾値を提案します。動的ルーティングの計算負荷と、長い文脈で増える背景ノイズの双方を抑えることが狙いです。

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
AgentJudgeBench、ツール呼び出しエージェントを評価するLLMの信頼性を検証
モデル評価
cctest.ai
モデル評価

AgentJudgeBench、ツール呼び出しエージェントを評価するLLMの信頼性を検証

AgentJudgeBenchは、自由形式の文章評価ではなく、依存関係を持つツール呼び出しワークフローでLLM評価者を検証する。結果は、評価の限界がモデル規模よりもタスク難度に強く左右されることを示した。

続きを読む
CCTest · Blog
エージェントの記憶が権限を“洗浄”するとき
AIセーフティ
cctest.ai
AIセーフティ

エージェントの記憶が権限を“洗浄”するとき

長期間動作するLLMエージェントでは、永続メモリの誤りによって存在しない権限が存在するかのように扱われる可能性があります。研究チームはこの問題を「内生的な認可ロンダリング」と呼び、EAL-Benchで評価しました。

続きを読む
CCTest · Blog
企業の多様なリクエストを1つの自社運用LLMに集約する方法
推論・デプロイ
cctest.ai
推論・デプロイ

企業の多様なリクエストを1つの自社運用LLMに集約する方法

200以上の社内アプリケーションのトラフィックを、1つの自社運用モデルに集約するポストトレーニング手法が報告された。指示追従、関数呼び出し、社内タスク分布ごとにGRPO専門家を学習し、2段階SLERPで統合する。

続きを読む
CCTest · Blog
RealSWE:現実の依頼で変わるコーディングエージェント評価
モデル評価
cctest.ai
モデル評価

RealSWE:現実の依頼で変わるコーディングエージェント評価

SWE-benchの課題は形式的で情報量が多い一方、実際のユーザー依頼は短く、くだけていて、文脈も不足しがちです。RealSWEは、現実的な入力にすると平均解決率が下がり、モデル順位まで変わり得ることを示しました。

続きを読む
CCTest · Blog
AIの自己改善はいつ「自己増幅」になるのか
AIセーフティ
cctest.ai
AIセーフティ

AIの自己改善はいつ「自己増幅」になるのか

理論研究が、AIが次世代AIの研究開発に参加する際、改善が開発サイクルをまたいで増幅するか減衰するかを測る「AI再帰的繁殖数」R_AIを提案した。自己増幅への移行は、特定の能力水準ではなく、研究フィードバックの構造によって決まる。

続きを読む
CCTest · Blog
ZimaBlue、大規模な身体動画で汎化可能なロボット世界行動モデルを学習
世界モデル
cctest.ai
世界モデル

ZimaBlue、大規模な身体動画で汎化可能なロボット世界行動モデルを学習

ZimaBlueは、人間とロボットの一人称動画をロボット制御へつなげる3段階の学習フレームワークを提案する。高容量の世界モデルと高速な行動予測を分離するSlow-Fast構成により、汎化性能とリアルタイム性の両立も目指す。

続きを読む
CCTest · Blog
AmazonのAlexa、公式メッセージの真偽を確認可能に
プロダクト・アプリ
cctest.ai

AmazonのAlexa、公式メッセージの真偽を確認可能に

AmazonはAlexa for Shoppingに、メールやSMS、電話が本当に同社から送られたものかを確認する機能を追加した。AIはメッセージの内容や形式をAmazonの送信記録と照合し、完全に確信できる場合だけ本物だと判定する。

続きを読む
CCTest · Blog
Google DeepMind、政府・企業向けの能動的サイバー防御「Fairwind」を開始
業界動向
cctest.ai
業界動向

Google DeepMind、政府・企業向けの能動的サイバー防御「Fairwind」を開始

Google DeepMindは、政府機関や企業、信頼できるセキュリティパートナーを対象とする限定アクセス型プログラム「Fairwind」を発表しました。Gemini 3.8 Flash CyberとCodeMenderを組み合わせ、脆弱性の発見から検証、修正までを支援します。

続きを読む
CCTest · Blog
StudentSim、学習者ごとの反応を再現するAI学生シミュレーター
AI教育
cctest.ai
AI教育

StudentSim、学習者ごとの反応を再現するAI学生シミュレーター

Microsoft Researchは、少量の学習データから個別化された学生シミュレーターを訓練するStudentSimを発表しました。チェス、第二言語としての英語作文、数学の3領域で、GPT-5.4を上回る結果を示しています。

続きを読む
CCTest · Blog
Harness-of-Harness:コーディングエージェントを継続開発へ導く枠組み
コーディングAI
cctest.ai
コーディングAI

Harness-of-Harness:コーディングエージェントを継続開発へ導く枠組み

Harness-of-Harness(HoH)は、新しいコード生成モデルではなく、既存のコーディングエージェント用ハーネスを長期開発向けに組み替えるフレームワークです。計画、実装、テスト、独立評価を繰り返し、ソフトウェアを段階的に改善します。

続きを読む