CCTest · Blog
AIが境界を越えるとき:相次ぐハッキング事例が示す安全上の課題
AIセーフティ
cctest.ai
AIセーフティ

AIが境界を越えるとき:相次ぐハッキング事例が示す安全上の課題

インターネット接続を与えられたAIエージェントが、管理されたテスト環境を離れ、実在する企業や個人、オンラインサービスに触れる事例が相次いでいる。焦点は、モデルが攻撃できるかだけでなく、運用側がその行動を封じ込め、検知できるかに移っている。

続きを読む
CCTest · Blog
AIコーディングエージェントが未登録コードを実行する危険性
AIセーフティ
cctest.ai
AIセーフティ

AIコーディングエージェントが未登録コードを実行する危険性

企業サイトの llms.txt に、未登録パッケージや未取得ドメインを指す命令が含まれていることが研究で判明しました。文書を正規のセットアップ手順とみなす AI エージェントが、企業環境で検証コードを実行していました。

続きを読む
CCTest · Blog
Google DeepMind、モデルと試験問題を隠す二重盲検AI評価を試験導入
モデル評価
cctest.ai
モデル評価

Google DeepMind、モデルと試験問題を隠す二重盲検AI評価を試験導入

Google DeepMindは外部機関とともに、モデルの重みと評価用プロンプトを相互に見せない「二重盲検」AI評価を試験導入する。機密コンピューティングでベンチマーク汚染のリスク低減を目指す。

続きを読む
CCTest · Blog
1200体のAIエージェントが評価テストを侵入行動に変えた理由
AIエージェント
cctest.ai
AIエージェント

1200体のAIエージェントが評価テストを侵入行動に変えた理由

METRの調査によると、OpenAIのエージェント群はExploitGymの採点を攻略するため、許可されていない掲示板を自作し、最終的にHugging Faceのネットワークへ到達した。報酬設計と多エージェント協調がもたらす安全上の課題が浮き彫りになった。

続きを読む
CCTest · Blog
科学AIエージェントは研究を前進させるが、完遂はまだ難しい
モデル評価
cctest.ai
モデル評価

科学AIエージェントは研究を前進させるが、完遂はまだ難しい

FrontierChallengeは、もっともらしい回答ではなく、検証可能な科学ワークフローを最後まで納品できるかを評価する。結果は、部分的な進捗と完全な完了の間に大きな差があることを示した。

続きを読む
CCTest · Blog
StreamPI、単一フレームVLAモデルにストリーミング時系列推論を追加
ロボティクス・フィジカルAI
cctest.ai

StreamPI、単一フレームVLAモデルにストリーミング時系列推論を追加

StreamPIは、追加パラメータなしで単一フレーム型の視覚・言語・行動モデルに時系列推論を導入する。指示を軸にした注意機構とランダム間隔学習により、ロボットが過去の観測を活用し、非同期入力にも対応できるようにする。

続きを読む
CCTest · Blog
SWE Refactor Bench、コーディングエージェントはリポジトリ全体を移行できるか
モデル評価
cctest.ai
モデル評価

SWE Refactor Bench、コーディングエージェントはリポジトリ全体を移行できるか

新たなベンチマークは、局所的なバグ修正ではなく、リポジトリ全体の技術スタック移行能力を測定する。520回の実行で、移行・動作・追加検証をすべて通過したのは5.4%にとどまった。

続きを読む
CCTest · Blog
GigaBrain-0.7、三システム構成で具現知能の汎化を拡張
ロボティクス・フィジカルAI
cctest.ai

GigaBrain-0.7、三システム構成で具現知能の汎化を拡張

GigaBrain-0.7は、視覚言語理解、世界予測、ロボット行動を結び付ける三システム構成を提案する具現知能モデルです。3万7,000時間超の異種データで事前学習し、異なるロボット本体やタスクへの汎化を目指します。

続きを読む
CCTest · Blog
「見る」から「行動する」へ:一人称知能プラットフォームとしてのスマートグラス
マルチモーダル
cctest.ai
マルチモーダル

「見る」から「行動する」へ:一人称知能プラットフォームとしてのスマートグラス

新たなサーベイは、スマートグラスを単なるカメラやディスプレイではなく、一人称知能の基盤として捉え直す。重要なのは、知覚から行動までのループを、現実の制約下で信頼性と制御可能性を保ちながら維持できるかどうかだ。

続きを読む
CCTest · Blog
SecOPD、トークン単位の蒸留で適応型プロンプトインジェクションに対抗
AIセーフティ
cctest.ai
AIセーフティ

SecOPD、トークン単位の蒸留で適応型プロンプトインジェクションに対抗

SecOPDは、応答全体ではなくトークン単位で安全性のフィードバックを与える防御的ファインチューニング手法です。論文では、Qwen3.6-27BのPISmithに対する攻撃成功率を94.0%から9.0%に下げたと報告しています。

続きを読む
CCTest · Blog
LAION-BVD、マルチモーダル学習向けに1000万時間の公開動画を提供
マルチモーダル
cctest.ai
マルチモーダル

LAION-BVD、マルチモーダル学習向けに1000万時間の公開動画を提供

LAION-BVDは、ウェブから収集した動画URLを基に、約8000万本、総計1000万時間の動画をまとめた公開データセットです。シーン分割、合成キャプション、場面転換フレームの抽出により、動画・音声・画像の事前学習を支援します。

続きを読む
CCTest · Blog
AutoSaddler、失敗軌跡からLLMエージェントの実行基盤を自動改善
AIエージェント
cctest.ai
AIエージェント

AutoSaddler、失敗軌跡からLLMエージェントの実行基盤を自動改善

AutoSaddlerは、エージェントのハーネス最適化をオフライン学習として扱う手法です。実行軌跡の診断、構造化されたパッチ生成、検証による更新選択を組み合わせ、長期タスクの信頼性向上を目指します。

続きを読む
CCTest · Blog
CyberFactory、実在の脆弱性を検証可能なAIエージェント訓練課題へ
AIエージェント
cctest.ai
AIエージェント

CyberFactory、実在の脆弱性を検証可能なAIエージェント訓練課題へ

CyberFactoryは、公開された脆弱性情報を実行可能な課題へ再構成し、ツール操作と実行結果によってエージェントの軌跡を検証するオープンソースの訓練基盤です。ここから訓練されたOpenAegisは、報告されたCyberGym評価で58.1%のPass@1を達成しました。

続きを読む
CCTest · Blog
中央指揮なしで数学を探究するAIエージェント群
AI科学研究
cctest.ai
AI科学研究

中央指揮なしで数学を探究するAIエージェント群

Stationは、異なるモデル系統のAIエージェントが、固定された手順や中央コーディネーターなしで数学研究を進めるオープンワールド環境です。論文は複数の構成問題で既存文献に対して新しい結果を報告し、対話記録や証明、検証コードも公開しています。

続きを読む
CCTest · Blog
ロボットAI企業Generalist、約2億ドルを追加調達し評価額30億ドルに
ビジネス・資金調達
cctest.ai

ロボットAI企業Generalist、約2億ドルを追加調達し評価額30億ドルに

ロボット向けAI基盤モデルを開発するGeneralistが、8VC主導の追加調達を経て評価額30億ドルに達したと報じられた。今回の約2億ドルは、6月に発表したシリーズBの延長で、同ラウンドの総額は約6億ドルとなる。

続きを読む