CCTest · Blog
AI 연구팀이 선형 어텐션 아키텍처를 자율적으로 발견하는 방법
AI 과학 연구
cctest.ai
AI 과학 연구

AI 연구팀이 선형 어텐션 아키텍처를 자율적으로 발견하는 방법

서로 다른 전문 배경을 가진 지속형 AI 에이전트로 연구팀을 구성해 선형 어텐션 아키텍처를 탐색하는 연구가 소개됐다. 개인별 연구 기록과 적응형 실험 배분이 제한된 예산에서의 발견 성과를 좌우하는 것으로 나타났다.

더 보기
CCTest · Blog
StreamEval이 보여준 실시간 인터랙티브 영상 생성의 한계
모델 평가
cctest.ai
모델 평가

StreamEval이 보여준 실시간 인터랙티브 영상 생성의 한계

StreamEval은 아바타, 생성형 월드, 영상 편집을 아우르는 인터랙티브 스트리밍 영상 생성 평가 기준을 제시했습니다. 높은 화질과 정체성 보존만으로는 지속적으로 들어오는 요청을 정확히 실행한다고 볼 수 없다는 결과가 나왔습니다.

더 보기
CCTest · Blog
Ropedia W0, 인간 경험으로 구현체를 넘나드는 이동·조작 세계 모델 확장
월드 모델
cctest.ai
월드 모델

Ropedia W0, 인간 경험으로 구현체를 넘나드는 이동·조작 세계 모델 확장

Ropedia W0는 인간과 로봇의 시점 데이터를 학습해 이동과 조작을 함께 모델링하는 체화 지능용 세계 기반 모델이다. 카메라 자세와 투영 골격을 공통 표현으로 사용해 서로 다른 로봇 신체 사이의 전이를 시도한다.

더 보기
CCTest · Blog
VPM, 점 궤적 예측으로 다중 시점 영상과 3D 세계를 연결하다
월드 모델
cctest.ai
월드 모델

VPM, 점 궤적 예측으로 다중 시점 영상과 3D 세계를 연결하다

Video-Point Model(VPM)은 여러 카메라의 영상 이력으로부터 미래 영상과 지속적인 장면 점의 3D 궤적을 함께 예측한다. 점 궤적을 학습 신호로 활용해 카메라별 예측을 하나의 공유된 3차원 운동과 정렬하는 접근이다.

더 보기
CCTest · Blog
Agent S4, 컴퓨터 사용 에이전트의 인터페이스를 스스로 진화시키다
AI 에이전트
cctest.ai
AI 에이전트

Agent S4, 컴퓨터 사용 에이전트의 인터페이스를 스스로 진화시키다

Agent S4는 컴퓨터 사용 에이전트의 한계가 모델 성능뿐 아니라 인간 중심으로 설계된 인터페이스에도 있다고 본다. 작업 궤적과 집단 진화를 활용해 에이전트에 더 적합한 인터페이스와 사용 지식을 자동으로 구축한다.

더 보기
CCTest · Blog
Épi: 세션을 넘어 연구를 이어가는 자율 연구 에이전트
AI 에이전트
cctest.ai
AI 에이전트

Épi: 세션을 넘어 연구를 이어가는 자율 연구 에이전트

Épi는 연구 기록을 저장하고 모델 세션이 바뀌어도 실험을 이어가며, 축적된 경험으로 연구 방법을 개선하는 자율 연구 시스템입니다. 수학적 경계, 컴퓨터 보조 증명, 최적화 솔버 생성까지 적용 범위를 확장했습니다.

더 보기
CCTest · Blog
EdgeKernelBench, LLM의 엣지 커널 생성 성능을 검증하다
모델 평가
cctest.ai
모델 평가

EdgeKernelBench, LLM의 엣지 커널 생성 성능을 검증하다

EdgeKernelBench는 통합 중간 표현과 계층형 작업 구성을 통해 이기종 엣지 백엔드에서 LLM이 생성한 커널을 평가한다. 기능적으로 맞는 코드와 실제로 빠른 코드 사이의 간극을 보여주며, LEKA는 계층적 최적화로 성능을 높인다.

더 보기
CCTest · Blog
DecisionPivot, 평균 정확도로는 보이지 않는 LLM 판단 능력 진단
모델 평가
cctest.ai
모델 평가

DecisionPivot, 평균 정확도로는 보이지 않는 LLM 판단 능력 진단

DecisionPivot은 라우팅, 가드레일, 출력 검증에 사용되는 LLM 의사결정 모델을 진단하는 벤치마크입니다. 통제된 입력 변화에 일관되게 반응하는지와 모델의 확신도가 실제 신뢰성을 반영하는지를 함께 평가합니다.

더 보기
CCTest · Blog
FlowState, 장기 작업 에이전트의 기억으로 실행 상태를 활용하다
메모리·컨텍스트
cctest.ai
메모리·컨텍스트

FlowState, 장기 작업 에이전트의 기억으로 실행 상태를 활용하다

FlowState는 매번 전체 대화 기록을 다시 불러오는 대신, 의미 유형이 부여된 실행 상태와 원본 도구 관측값에 대한 참조를 저장합니다. 필요한 과거 정보만 단계적으로 가져와 장기 작업 성능과 토큰 효율을 함께 개선합니다.

더 보기
CCTest · Blog
Lean에서 컴파일돼도 정리의 의미가 정확하다는 뜻은 아니다
모델 평가
cctest.ai
모델 평가

Lean에서 컴파일돼도 정리의 의미가 정확하다는 뜻은 아니다

Lean은 생성된 선언의 문법과 타입을 검증하지만, 그것이 사용자가 의도한 정리를 표현하는지까지 판단하지는 못합니다. 새로운 연구는 표준 Lean 정답이 없는 환경에서 형식화의 의미적 충실도를 측정했습니다.

더 보기
CCTest · Blog
FocusGUI, 멀티모달 GUI 에이전트가 다음 행동에 집중하도록 돕다
AI 에이전트
cctest.ai
AI 에이전트

FocusGUI, 멀티모달 GUI 에이전트가 다음 행동에 집중하도록 돕다

스크린샷, 오디오, 비디오, 상호작용 기록, 디바이스 상태를 매 단계 모두 제공한다고 해서 GUI 에이전트가 더 똑똑해지는 것은 아닙니다. FocusGUI는 현재 행동에 필요한 증거를 동적으로 골라 기반 모델을 미세 조정하지 않고도 주의를 유도합니다.

더 보기
CCTest · Blog
기업 에이전트에 필요한 것은 검색력이 아니라 기록을 믿을지 판단하는 능력
모델 평가
cctest.ai
모델 평가

기업 에이전트에 필요한 것은 검색력이 아니라 기록을 믿을지 판단하는 능력

MMEnterprise-Bench는 수정과 업데이트, 상충하는 내용이 반복해서 발생하는 업무 기록을 바탕으로 멀티모달 에이전트를 평가한다. 검색 증거를 늘리는 것만으로는 답변의 신뢰성이 보장되지 않는다는 결과를 보여준다.

더 보기
CCTest · Blog
MemT-1.0: 파운데이션 모델에 네이티브 메모리를 심다
메모리·컨텍스트
cctest.ai
메모리·컨텍스트

MemT-1.0: 파운데이션 모델에 네이티브 메모리를 심다

MemT-1.0은 긴 프롬프트나 외부 검색에만 의존하지 않고 메모리를 모델의 계산 과정에 직접 통합하는 아키텍처를 제안한다. 긴 대화 이력을 처리할 때 추론 속도와 영구 저장 비용을 낮추는 것이 핵심이다.

더 보기
CCTest · Blog
Interlock: 장기 에이전트를 국소적 정답에서 실제 작업 완료로
AI 에이전트
cctest.ai
AI 에이전트

Interlock: 장기 에이전트를 국소적 정답에서 실제 작업 완료로

장기 작업에서는 개별 단계가 모두 맞아도 증거와 의사결정, 결과물 사이의 연결이 끊기면 최종 결과가 불완전해진다. Interlock은 작업 완료 그래프로 이러한 의존성을 표현하고 검증된 실행 궤적을 학습에 활용한다.

더 보기
CCTest · Blog
RoboValue, 로봇 가치 모델을 위한 세밀한 평가 기준 제시
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

RoboValue, 로봇 가치 모델을 위한 세밀한 평가 기준 제시

RoboValue는 시뮬레이션과 실제 조작 작업을 함께 사용해 로봇 가치 모델의 판단을 세밀하게 평가하는 벤치마크입니다. 최종 성공 여부뿐 아니라 실행 중 진행 상황과 실패 회복까지 점검합니다.

더 보기