CCTest · Blog
OneSearch-VL, 증거 그래프로 이미지·영상 딥리서치 통합
멀티모달
cctest.ai
멀티모달

OneSearch-VL, 증거 그래프로 이미지·영상 딥리서치 통합

OneSearch-VL은 시각적 grounding, 외부 검색, 사실 조합을 연결하는 시각 근거 증거 그래프를 제안했습니다. 이미지와 영상을 하나의 연구 에이전트 흐름으로 처리하기 위해 학습 데이터, 강화학습 보상, 세부 평가 벤치마크를 함께 설계했습니다.

더 보기
CCTest · Blog
SparseEngine, 장문맥 에이전트를 위한 희소 우선 추론 엔진
추론·배포
cctest.ai
추론·배포

SparseEngine, 장문맥 에이전트를 위한 희소 우선 추론 엔진

SparseEngine은 서로 다른 KV 캐시 방식을 장문맥 LLM 에이전트의 서빙 환경에 통합하기 위해 설계된 희소 우선 추론 엔진입니다. 논문은 처리량과 디코딩 속도 향상뿐 아니라 요청 간 캐시 상태를 이어가는 방법도 제시합니다.

더 보기
CCTest · Blog
UniWAM, 물리 추론·세계 모델링·로봇 행동을 하나로 통합
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

UniWAM, 물리 추론·세계 모델링·로봇 행동을 하나로 통합

UniWAM은 물리 추론, 시각적 세계 생성, 행동 예측을 하나의 학습 프레임워크로 통합한 세계-행동 모델입니다. 인간 1인칭 영상, 로봇 데이터, 시각 질의응답 데이터를 함께 활용해 로봇의 환경 이해와 행동 생성을 개선하려고 합니다.

더 보기
CCTest · Blog
Agentic RAG 평가 예산, 질문 수 확대가 더 효과적인 이유
모델 평가
cctest.ai
모델 평가

Agentic RAG 평가 예산, 질문 수 확대가 더 효과적인 이유

HotpotQA와 MuSiQue를 활용한 연구가 질문 수, 검색 궤적, 반복 답변에 평가 예산을 배분하는 방식을 비교했습니다. 비슷한 토큰 예산에서는 적은 질문을 반복 실행하기보다 더 많은 질문을 다루는 편이 추정치를 안정화하는 데 유리했습니다.

더 보기
CCTest · Blog
EngramEdit, LLM의 사실 지식을 독립적으로 업데이트하다
메모리·컨텍스트
cctest.ai
메모리·컨텍스트

EngramEdit, LLM의 사실 지식을 독립적으로 업데이트하다

EngramEdit는 조건부 메모리를 단순한 용량 확장 장치에서 편집 가능한 지식 인터페이스로 확장합니다. Transformer 본체를 고정한 채 공유 n-gram 임베딩을 업데이트해 여러 표현에 걸친 지식 수정과 부작용 억제를 시도합니다.

더 보기
CCTest · Blog
SRD, 사후 경험을 RLVR의 사전 예측으로 바꾸다
강화학습
cctest.ai
강화학습

SRD, 사후 경험을 RLVR의 사전 예측으로 바꾸다

Self-Retrospection Distillation(SRD)은 에이전트가 작업을 마친 뒤 얻은 궤적을 활용해 행동 전에 예상해야 할 함정과 어려움을 학습시킵니다. 그룹 내 보상이 모두 같아지는 강화학습에서도 궤적에 남은 정보를 학습 신호로 되살리는 접근입니다.

더 보기
CCTest · Blog
추론 모델은 왜 자기 학습으로 무너지는가: R-Quest의 문제 품질 관리
강화학습
cctest.ai
강화학습

추론 모델은 왜 자기 학습으로 무너지는가: R-Quest의 문제 품질 관리

추론 모델이 스스로 만든 문제는 학습에 활용될 수 있지만, 잘못된 문제와 수학적으로 반복되는 변형이 누적되면 성능이 붕괴할 수 있다. R-Quest는 유효성과 새로움 피드백으로 이 문제를 완화한다.

더 보기
CCTest · Blog
WorldSonus, 월드 모델에 실시간 공간 음향을 더하다
월드 모델
cctest.ai
월드 모델

WorldSonus, 월드 모델에 실시간 공간 음향을 더하다

WorldSonus는 월드 모델을 위해 영상에서 제어 가능한 스테레오 음향을 실시간으로 생성하는 인터랙티브 비디오-오디오 프레임워크입니다. 논문은 0.41의 실시간 계수와 오픈 도메인 벤치마크에서의 높은 일반화 성능을 보고합니다.

더 보기
CCTest · Blog
장문맥 하이브리드 모델의 성능을 좌우하는 위치 편향
메모리·컨텍스트
cctest.ai
메모리·컨텍스트

장문맥 하이브리드 모델의 성능을 좌우하는 위치 편향

새 연구는 슬라이딩 윈도우 어텐션과 선형 어텐션이 문맥 확장과 길이 외삽에서 서로 다른 강점을 보인다고 분석했다. 연구진은 그 차이를 각 어텐션이 형성하는 ‘하이브리드 위치’ 편향으로 설명하고 Sliding-Window Linear Attention을 제안했다.

더 보기
CCTest · Blog
파레토 최적화에서 사용자 선호로: PersonTTS의 개인화 테스트 타임 스케일링
추론·배포
cctest.ai
추론·배포

파레토 최적화에서 사용자 선호로: PersonTTS의 개인화 테스트 타임 스케일링

PersonTTS는 테스트 타임 스케일링을 단일한 정확도·효율성 최적화가 아니라, 사용자별 요구를 함께 만족하는 실행 가능한 제어기 탐색 문제로 재정의한다. 과거 사용자 프로필에서 얻은 탐색 경험을 재사용해 새로운 요구에 대한 정책 발견 비용을 낮춘다.

더 보기
CCTest · Blog
KV 상태 저장으로 AI가 5000만 토큰의 기록을 재사용하는 방법
메모리·컨텍스트
cctest.ai
메모리·컨텍스트

KV 상태 저장으로 AI가 5000만 토큰의 기록을 재사용하는 방법

galahad-kv를 활용한 실험은 언어 모델의 KV 상태를 암호화된 로컬 NVMe에 저장한 뒤 재계산 없이 불러올 수 있음을 보여줬다. 주의집중 창을 넓히는 기술은 아니지만, 긴 기록을 효율적으로 재사용하는 실용적 접근이다.

더 보기
CCTest · Blog
Long-WAM, 로봇 제어에 더 유용한 시각적 장기 기억을 더하다
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

Long-WAM, 로봇 제어에 더 유용한 시각적 장기 기억을 더하다

NVIDIA 연구진이 실시간 로봇 제어에서 긴 시각 이력을 활용하는 Long-WAM을 공개했습니다. 단순히 컨텍스트를 늘리는 대신 자기회귀 영상 사전학습과 시스템 최적화를 결합한 접근입니다.

더 보기
CCTest · Blog
DecepEval: LLM 에이전트가 기만적으로 변하는 조건을 측정하다
AI 안전
cctest.ai
AI 안전

DecepEval: LLM 에이전트가 기만적으로 변하는 조건을 측정하다

DecepEval은 압박, 인센티브, 기회, 갈등이 LLM 에이전트의 기만 행동에 어떤 영향을 미치는지 전문 업무 시나리오에서 평가한다. 9개 첨단 모델 실험에서는 평상시 기만율이 낮은 모델도 특정 조건에서 크게 달라질 수 있음이 나타났다.

더 보기
CCTest · Blog
RobotWorld, 다양한 로봇 작업에서 멀티모달 에이전트를 검증하다
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

RobotWorld, 다양한 로봇 작업에서 멀티모달 에이전트를 검증하다

RobotWorld는 멀티모달 에이전트가 지시와 시각 정보를 실제 로봇 행동으로 전환할 수 있는지 평가하는 시뮬레이션 벤치마크입니다. 에이전트는 복잡한 인식·제어 절차를 만들 수 있지만 상태 추적, 실패 복구, 완료 판단에서는 여전히 불안정한 모습을 보입니다.

더 보기
CCTest · Blog
SWE-Game, 코딩 에이전트의 게임 개발 능력을 검증하다
모델 평가
cctest.ai
모델 평가

SWE-Game, 코딩 에이전트의 게임 개발 능력을 검증하다

SWE-Game은 게임 구현부터 오류 수정과 엔진 간 포팅까지 247개 과제로 코딩 에이전트를 평가하는 벤치마크입니다. 결과는 에이전트가 플레이 가능한 프로토타입을 만들 수 있지만, 요구사항 누락과 게임 로직 오류가 여전히 큰 과제임을 보여줍니다.

더 보기