CCTest · Blog
UI-Mate、デモを参照して再計画するオープンウェイトGUIエージェント
AIエージェント
cctest.ai
AIエージェント

UI-Mate、デモを参照して再計画するオープンウェイトGUIエージェント

UI-Mateは、環境に根差した学習基盤と、コンテキスト内の操作デモから学ぶ仕組みを組み合わせたGUIエージェントです。UI-Mate-27BはOSWorld-Verifiedで77.0%を記録したと、提供された論文概要で報告されています。

続きを読む
CCTest · Blog
SPARGen:3D再構成・密な対応付け・空間推論を統合するマルチモーダル生成モデル
マルチモーダル
cctest.ai
マルチモーダル

SPARGen:3D再構成・密な対応付け・空間推論を統合するマルチモーダル生成モデル

SPARGen は、空間理解に関わる複数のタスクを、指示条件付きの生成問題として統一する枠組みだ。個別モジュールではなく、同一のネイティブなマルチモーダル生成モデルで空間表現を学習する点に特徴がある。

続きを読む
CCTest · Blog
ChatGPTのComputer History、PC操作をAIの文脈に変える新機能
メモリ・コンテキスト
cctest.ai

ChatGPTのComputer History、PC操作をAIの文脈に変える新機能

OpenAIはmacOS版ChatGPTデスクトップアプリに、クリックや入力などの操作履歴をAIが参照できるComputer Historyを追加する。スクリーンショットは保存しないとされるが、個人の作業履歴をAIに渡すことへの慎重な検討は欠かせない。

続きを読む
CCTest · Blog
AIクレジット転売市場の台頭:Token Broker が生む新たなリスク
推論・デプロイ
cctest.ai
推論・デプロイ

AIクレジット転売市場の台頭:Token Broker が生む新たなリスク

セキュリティ研究記事は、スタートアップが使い切れない AI API クレジットを買い取り、割引価格で再販売する「token broker」の存在を追跡している。推論リソースが疑似通貨のように流通し始め、コスト削減の裏で安全性とコンプライアンスの課題が浮上している。

続きを読む
CCTest · Blog
LiveAnimate:長尺の人物アニメーションをリアルタイム配信へ
推論・デプロイ
cctest.ai
推論・デプロイ

LiveAnimate:長尺の人物アニメーションをリアルタイム配信へ

LiveAnimate は、姿勢駆動の人物アニメーションにおける「高品質だが遅い」という課題に正面から取り組む研究です。14B パラメータの動画 DiT を、長時間でも安定して動くストリーミング推論システムへと再設計しています。

続きを読む
CCTest · Blog
UniSwap:顔と声の置き換えを一つのストリーミングモデルへ
マルチモーダル
cctest.ai
マルチモーダル

UniSwap:顔と声の置き換えを一つのストリーミングモデルへ

UniSwap は、話者動画における外見と声質の同時置き換えを目指す音声・映像統合フレームワークです。別々のモデルを後段でつなぐのではなく、単一の音声映像拡散 Transformer 内で両方を扱います。

続きを読む
CCTest · Blog
StateFlow:生成型プリビズを編集可能な3D世界状態へ
世界モデル
cctest.ai
世界モデル

StateFlow:生成型プリビズを編集可能な3D世界状態へ

StateFlow は、映画、ゲーム、建築、都市設計向けの生成型プリビジュアライゼーションを、永続的な3D世界状態として扱う枠組みです。動画を一度に生成するのではなく、構築・進化・アクセス可能な編集用ワールドを中心に据えます。

続きを読む
CCTest · Blog
UniMoMo:推薦 MoE を専門家マージで軽量化する手法
推論・デプロイ
cctest.ai
推論・デプロイ

UniMoMo:推薦 MoE を専門家マージで軽量化する手法

UniMoMo は、学習済みの推薦向け MoE モデルを、より少ない専門家数の標準 MoE へ変換する後処理圧縮フレームワークです。重みの近さではなく、校正データ上での振る舞いとルーティング量を見て専門家を統合します。

続きを読む
CCTest · Blog
画像編集AIは「次に何を直すか」を画像を見て提案する段階へ
マルチモーダル
cctest.ai
マルチモーダル

画像編集AIは「次に何を直すか」を画像を見て提案する段階へ

画像生成チャットにおける次の編集提案は、会話テキストだけでなく現在の画像に基づく必要がある。論文は、実利用データ、クリックフィードバック、視覚検証器を組み合わせた三段階フレームワークを提案している。

続きを読む
CCTest · Blog
Ouroboros:レビュー済みコミットで自ら進化するコーディングエージェント
AIエージェント
cctest.ai
AIエージェント

Ouroboros:レビュー済みコミットで自ら進化するコーディングエージェント

Ouroboros は、ツール、プロンプト、コンテキスト構築、コア実装までを改善対象にする自己発展型のエージェント基盤だ。論文は複数のベンチマークで高い結果を報告しつつ、自己改変システムにおける安全設計の重要性を強調している。

続きを読む
CCTest · Blog
外部監督なしのオンポリシー自己蒸留:モデル自身の合意から学ぶ U-OPSD
大規模言語モデル
cctest.ai
大規模言語モデル

外部監督なしのオンポリシー自己蒸留:モデル自身の合意から学ぶ U-OPSD

本論文は、モデル自身の複数生成結果から擬似解を作り、それとの不一致を学習信号にする U-OPSD を提案する。真値ラベルや強い教師モデルを使わずに、数学推論ベンチマークで基盤モデルを安定して上回った点が特徴だ。

続きを読む
CCTest · Blog
SPOT:推論モデル蒸留を「結果で校正」する新手法
大規模言語モデル
cctest.ai
大規模言語モデル

SPOT:推論モデル蒸留を「結果で校正」する新手法

SPOT は、On-Policy Distillation において、どの位置を詳しく調べ、どの候補を学習目標にすべきかを同時に扱う手法です。教師モデルの局所確率だけでなく、検証器が評価した後続結果を使って蒸留ターゲットを調整します。

続きを読む
CCTest · Blog
解釈可能性は性能の代償ではない?Steerling-8B が示す透明な言語モデルの設計
大規模言語モデル
cctest.ai
大規模言語モデル

解釈可能性は性能の代償ではない?Steerling-8B が示す透明な言語モデルの設計

この技術レポートは、言語モデルの解釈可能性を学習後に付け足すのではなく、学習プロセスそのものに組み込むべきだと主張している。Steerling-8B は生成結果を入力、概念、学習データへ結び付ける試みとして紹介されている。

続きを読む