CCTest · Blog
ForgeWM:1〜4ステップで動作するリアルタイム動画ワールドモデル
世界モデル
cctest.ai
世界モデル

ForgeWM:1〜4ステップで動作するリアルタイム動画ワールドモデル

ForgeWMは、双方向の動作条件付き動画生成器を、ゲーム操作に対応した少ステップの因果ワールドモデルへ変換する段階的な学習手法です。低遅延生成と、入力操作と映像の整合性を両立することを狙います。

続きを読む
CCTest · Blog
PolicyGuide、LLMエージェントを単一動作の監視から業務フローの誘導へ
AIエージェント
cctest.ai
AIエージェント

PolicyGuide、LLMエージェントを単一動作の監視から業務フローの誘導へ

PolicyGuideは組織のポリシーをワークフローグラフに変換し、ユーザー発話の区切りごとにエージェントの状態を検証する。危険な動作を止めるだけでなく、抜け落ちた手順を補いながら適合した経路へ導く仕組みだ。

続きを読む
CCTest · Blog
検索なしで文書に答えるモデルへ――IARが示す3段階の知識内在化
RAG・検索
cctest.ai
RAG・検索

検索なしで文書に答えるモデルへ――IARが示す3段階の知識内在化

固定された文書集合について、推論時に検索結果を与えず回答するための新しい後学習手法として、IARが提案された。文書知識の注入、QA行動への整合、汎用能力の回復を分離して最適化する。

続きを読む
CCTest · Blog
Chain-of-Experience:推論中に経験から改善するLLM
モデル評価
cctest.ai
モデル評価

Chain-of-Experience:推論中に経験から改善するLLM

新たな研究は、過去の試行とフィードバックを蓄積して次の回答を修正する「Chain-of-Experience(CoE)」を提案した。数学、コード、知識タスクで、自己フィードバックと環境からの信号がモデルの継続的な改善にどう寄与するかを検証している。

続きを読む
CCTest · Blog
SkillEvo:多ターンの相互作用フィードバックで進化するエージェントスキル
AIエージェント
cctest.ai
AIエージェント

SkillEvo:多ターンの相互作用フィードバックで進化するエージェントスキル

SkillEvoは、エージェントスキルの継続的な進化を阻むのは編集能力や反復回数だけではなく、評価が信頼できる改善方向を供給し続けられるかどうかだと論じます。多ターンのユーザーシミュレーションをフィードバック生成器に変え、事実劣化や構造肥大化を抑える独立したガバナンス層を導入します。

続きを読む
CCTest · Blog
ASRモデルは本当に音声を聞いているのか、ベンチマーク最適化の盲点
モデル評価
cctest.ai
モデル評価

ASRモデルは本当に音声を聞いているのか、ベンチマーク最適化の盲点

Hume AIの研究は、自動音声認識モデルが公開ベンチマークの正解文を再現する傾向を測定する手法を示した。音声が矛盾、欠落、曖昧さを含む場合でも、正解文をそのまま出力する高スコアのオープンモデルが確認されたという。

続きを読む
CCTest · Blog
SWE-bench Scienceが示す、科学ソフトウェア修復の難しさ
モデル評価
cctest.ai
モデル評価

SWE-bench Scienceが示す、科学ソフトウェア修復の難しさ

SWE-bench Scienceは、98のGitHubリポジトリと20の科学分野を対象に、科学ソフトウェア工学をリポジトリ単位で評価するベンチマークです。公開テストを通過するだけでは、科学的な正しさを保てないことを示します。

続きを読む
CCTest · Blog
FlashPrefill V2、長文脈LLMの疎なプリフィルを実運用へ
推論・デプロイ
cctest.ai
推論・デプロイ

FlashPrefill V2、長文脈LLMの疎なプリフィルを実運用へ

FlashPrefill V2は、平均補正項とGPU向けの疎注意演算子、ページングKVキャッシュや連続バッチ処理への対応を組み合わせ、長文脈LLMのプリフィルを実運用に近づける。NVIDIA H20の128K文脈では、FP8でFlashAttention-2比最大47.26倍の高速化を報告している。

続きを読む
CCTest · Blog
FACET、実行状態を基盤に端末エージェントのタスク合成を改善
AIエージェント
cctest.ai
AIエージェント

FACET、実行状態を基盤に端末エージェントのタスク合成を改善

FACETは、端末エージェント向けタスクの指示、解法、検証器を同じ実行環境に基づいて構築するフレームワークです。実行検証と対象を絞った修正により、元の意図を保ちながらタスクの整合性を高めます。

続きを読む
CCTest · Blog
EnvHarness:静的な環境をエージェント学習に適応させる仕組み
AIエージェント
cctest.ai
AIエージェント

EnvHarness:静的な環境をエージェント学習に適応させる仕組み

EnvHarnessは、環境をゼロから作り直す代わりに、既存の静的環境をプラグインで再構成する。EnvRiggerは方策の実行軌跡を観察し、弱点に合わせた環境部品を生成して新しいロールアウトで検証する。

続きを読む
CCTest · Blog
QuoteBenchが示す、コーディングエージェントの隠れた失敗
モデル評価
cctest.ai
モデル評価

QuoteBenchが示す、コーディングエージェントの隠れた失敗

コーディングエージェントの成否は、モデルがどんなコマンドを生成したかだけでなく、その出力が実行前にどうシリアライズ、ラップ、再解析されたかにも左右されます。QuoteBenchは、単一の一致スコアでは見えない実行経路の問題を測定しました。

続きを読む
CCTest · Blog
NARU、日本語の超長時間動画における物語と文化理解を評価
モデル評価
cctest.ai
モデル評価

NARU、日本語の超長時間動画における物語と文化理解を評価

NARUは、日本語の長時間動画を対象に、物語の展開を追跡する能力と、明示されない文化的意味を推論する能力を同時に測るベンチマークです。既存のマルチモーダルモデルには、遠く離れた出来事の統合と文化的文脈に基づく推論に課題が残されています。

続きを読む
CCTest · Blog
LinkedInの「AIスロップ」ボタン、100万人以上がクリック
プロダクト・アプリ
cctest.ai

LinkedInの「AIスロップ」ボタン、100万人以上がクリック

LinkedInは、7月30日に導入した「AIスロップのように見える」というフィードバック機能が、100万人以上に利用されたと発表しました。同社は、AIスロップと分類した投稿の閲覧数が数週間前より40%減ったとも説明しています。

続きを読む
CCTest · Blog
Nvidiaの研究が示す、AIエージェントの本当の主役はモデルよりHarness
AIエージェント
cctest.ai
AIエージェント

Nvidiaの研究が示す、AIエージェントの本当の主役はモデルよりHarness

Nvidiaの研究では、モデルの周囲にあるソフトウェア層を調整するだけで、長期タスクの成績が大きく改善しました。記憶管理や監督エージェント、ツール連携がエージェント性能の中核になりつつあります。

続きを読む
CCTest · Blog
DeepSeek、V4シリーズ初の公式ビジョン実験モデルを公開
マルチモーダル
cctest.ai
マルチモーダル

DeepSeek、V4シリーズ初の公式ビジョン実験モデルを公開

DeepSeekはAPIプラットフォームでdeepseek-v4-flash-vision-expを公開し、V4シリーズとして初めて公式に画像入力へ対応した。ツール利用やコーディングAgent関連の評価でも、複数の指標が向上している。

続きを読む
CCTest · Blog
Meta、ローカル実行向け30Bエージェントモデル「Muse Glimmer」を公開
AIエージェント
cctest.ai
AIエージェント

Meta、ローカル実行向け30Bエージェントモデル「Muse Glimmer」を公開

Meta AI Researchが、Apache 2.0で提供するオープンウェイトモデル「Muse Glimmer」を発表しました。視覚入力、コーディング、多段階のツール利用、障害からの復旧をローカル環境で実現することを狙います。

続きを読む