CCTest · Blog
UrbanGround:実スケール都市でマルチモーダルエージェントの空間能力を検証
モデル評価
cctest.ai
モデル評価

UrbanGround:実スケール都市でマルチモーダルエージェントの空間能力を検証

UrbanGroundは、香港全域の3D地理空間データからインタラクティブな都市サンドボックスを構築し、局所的な視覚理解が長距離ナビゲーションに結び付くかを検証する。現在のMLLMは近距離の認識には強い一方、探索が長くなると方向維持や修正に課題を残す。

続きを読む
CCTest · Blog
評価結果は実際に何を証明できるのか
モデル評価
cctest.ai
モデル評価

評価結果は実際に何を証明できるのか

Inspect Evalsを特定コミットに固定して調査した結果、実行可能な評価コードだけでは、指標に結び付いた過去の主張まで再現できないことが示された。機械的に対象となった124ユニットのうち110件は、証拠または意味づけの不足により、決定的な推論へ進む前に停止した。

続きを読む
CCTest · Blog
正解ラベルなしで推論を改善するTTPO、合意と不一致を使い分けるテスト時学習
強化学習
cctest.ai
強化学習

正解ラベルなしで推論を改善するTTPO、合意と不一致を使い分けるテスト時学習

TTPOは、多数決による疑似ラベルをそのまま正解扱いせず、同意する推論と反対する推論に異なる学習処理を適用する。これにより、誤った多数決が教師信号全体を汚染するリスクを抑える。

続きを読む
CCTest · Blog
WikiSkill:エージェントの経験を持続的知識へ変換し、スキルを進化させる
AIエージェント
cctest.ai
AIエージェント

WikiSkill:エージェントの経験を持続的知識へ変換し、スキルを進化させる

WikiSkillは、エージェントの実行経験、永続的なWiki型知識ベース、実行可能なスキルを分離しながら、相互に進化させる枠組みを提案する。複数のモデルで性能を高め、モデルをまたぐスキル移転の可能性も示した。

続きを読む
CCTest · Blog
Zero-WAM、人間の動画を見て未学習タスクへ挑むロボット
ロボティクス・フィジカルAI
cctest.ai

Zero-WAM、人間の動画を見て未学習タスクへ挑むロボット

Zero-WAMは、人間の操作動画をロボットに対するタスク指定として利用し、モデルのパラメータを更新せずに未学習の操作へ対応する手法です。HumanGenデータセットとIFP学習目標を組み合わせ、シミュレーションでタスク横断の汎化を検証しました。

続きを読む
CCTest · Blog
PAWBenchが問う、動画生成モデルは確率まで再現できるのか
世界モデル
cctest.ai
世界モデル

PAWBenchが問う、動画生成モデルは確率まで再現できるのか

動画生成モデルがもっともらしい未来を1つ描けても、同じ観測と行動から生じうる複数の結果を理解しているとは限りません。PAWBenchは、反復生成によって正しい行動分布を再現できるかを評価します。

続きを読む
CCTest · Blog
Procedura:3D生成を編集可能な装配プログラムへ変える
AIエージェント
cctest.ai
AIエージェント

Procedura:3D生成を編集可能な装配プログラムへ変える

Proceduraは、完成したメッシュを直接出力するのではなく、名前付き部品と接続関係からなる手続き型アセンブリをLLMエージェントに記述させる。生成物はパラメータ編集、部品単位の材質指定、シミュレーションで検証された可動機構に対応する。

続きを読む
CCTest · Blog
Luce、1枚の画像から再照明可能な3Dアセットを生成
視覚・動画
cctest.ai
視覚・動画

Luce、1枚の画像から再照明可能な3Dアセットを生成

Luceは、形状とPBRマテリアルを統合したマルチモーダルGaussian表現を提案し、1枚の画像から再照明可能な3Dアセットを生成します。PBR Gaussianに加え、テクスチャ付きメッシュと接線空間法線マップも任意で出力できます。

続きを読む
CCTest · Blog
CaSKG、反実仮想でLLMエージェントのスキル検索を改善
AIエージェント
cctest.ai
AIエージェント

CaSKG、反実仮想でLLMエージェントのスキル検索を改善

CaSKGは、単なる文章の類似度ではなく、反実仮想的な検証によってスキル間の手続き的な関係を校正する技能グラフの枠組みです。論文では、ALFWorldとScienceWorldにおいて、6種類のLLMバックボーンを用いた全組み合わせで最高のタスクスコアを報告しています。

続きを読む
CCTest · Blog
PILOT、長期タスク型エージェントに実行中の修正と進化を導入
AIエージェント
cctest.ai
AIエージェント

PILOT、長期タスク型エージェントに実行中の修正と進化を導入

PILOTは、エージェントの自己改善をタスク終了後の振り返りから、実行中の制御へ拡張する監督者・ワーカー型ハーネスを提案する。監督者は実行中のワーカーを方向転換または中止でき、得られた知見は再利用可能なスキルと記憶に変換される。

続きを読む
CCTest · Blog
Lambda、NVIDIA製AIチップ購入に10億ドルの負債調達
ビジネス・資金調達
cctest.ai

Lambda、NVIDIA製AIチップ購入に10億ドルの負債調達

AIクラウド企業のLambdaが、NVIDIA製AIチップを購入してMicrosoftにリースするため、10億ドルの短期プライベート債務を調達したと報じられています。相次ぐ借り入れは、AIインフラ拡大が巨額の借入金に依存しつつある状況を示しています。

続きを読む
CCTest · Blog
Anthropic、AI安全性を自動改善する研究システムの初期例を公開
AIセーフティ
cctest.ai
AIセーフティ

Anthropic、AI安全性を自動改善する研究システムの初期例を公開

Anthropicの新しい論文は、文献検索から手法の提案、学習、評価までを自動化するアラインメント研究システムを紹介した。10種類のミスアラインメント行動ベンチマークすべてで性能を改善し、全体性能の低下は報告されていない。

続きを読む
CCTest · Blog
オープンウェイトAI企業がシリコンバレーの買収標的になる理由
オープンソース
cctest.ai
オープンソース

オープンウェイトAI企業がシリコンバレーの買収標的になる理由

Hugging Face、Poolside、OpenRouterを巡る大型取引の報道は、オープンウェイトAIが単なるモデル共有ではなく、重要なインフラ事業になりつつあることを示している。半導体企業やソフトウェア企業は、開発者と推論の入り口を競い始めた。

続きを読む
CCTest · Blog
米連邦判事、トランプ政権によるAnthropic排除を違法と判断
政策・規制
cctest.ai
政策・規制

米連邦判事、トランプ政権によるAnthropic排除を違法と判断

Anthropicが致死性の自律兵器や米国民の大規模監視への利用制限を緩和しなかったことを受け、トランプ政権が同社を政府調達から排除した措置について、連邦判事が違法な報復だったと判断した。

続きを読む
CCTest · Blog
米EPA、データセンターの大気汚染に対する住民監視を弱める可能性
政策・規制
cctest.ai
政策・規制

米EPA、データセンターの大気汚染に対する住民監視を弱める可能性

米環境保護庁(EPA)は、一部の「小規模」汚染源について、連邦レベルでの公示と意見募集を不要にする規則変更を提案している。環境団体は、データセンターや関連発電設備が地域住民の十分な監視なしに建設される可能性を懸念している。

続きを読む
CCTest · Blog
LinkedInが複数エージェントでAIコードレビューを大規模化
コーディングAI
cctest.ai
コーディングAI

LinkedInが複数エージェントでAIコードレビューを大規模化

LinkedInは既製のAIレビューツールをそのまま導入するのではなく、複数のレビューエージェントと組織固有のルールを組み合わせた基盤を構築した。狙いはコメント数の最大化ではなく、幻覚や低価値な指摘を抑え、開発者に採用されるレビューを増やすことにある。

続きを読む
CCTest · Blog
Cloudflare、AIエージェント向け軽量ブラウザーエンジン「Kitesurf」を発表
AIエージェント
cctest.ai
AIエージェント

Cloudflare、AIエージェント向け軽量ブラウザーエンジン「Kitesurf」を発表

Cloudflareは、HTML抽出やスクリーンショットなどの自動化処理を想定した実験的なブラウザーエンジン「Kitesurf」を公開した。Chromiumの代替にはまだ至らないが、AIエージェント向けにブラウザーの役割を絞り込む試みだ。

続きを読む
CCTest · Blog
ゲーム開発は世界モデルの検証可能なデータエンジンになるか
世界モデル
cctest.ai
世界モデル

ゲーム開発は世界モデルの検証可能なデータエンジンになるか

新しい論文は、世界モデルの拡張にはウェブ動画の追加だけでなく、根拠のある報酬信号を継続的に生む仕組みが必要だと論じています。ゲームエンジンは、空間モデルの強化学習後学習に実行可能な環境と長期軌跡を提供できる可能性があります。

続きを読む