CCTest · Blog
Evidence-RL: VLM이 ‘이미지 증거’를 보고 답하게 만드는 훈련법
멀티모달
cctest.ai
멀티모달

Evidence-RL: VLM이 ‘이미지 증거’를 보고 답하게 만드는 훈련법

Evidence-RL은 비전-언어 모델이 정답을 맞혔더라도 실제로 이미지의 핵심 증거를 사용했는지 검증하려는 연구다. CED는 증거 영역을 반사실적으로 중화해 답변이 해당 시각 증거에 의존하는지를 훈련 중 감사한다.

더 보기
CCTest · Blog
YOLO-PEFT: 탐지 모델 미세조정을 시행착오에서 계획으로
프레임워크·도구
cctest.ai
프레임워크·도구

YOLO-PEFT: 탐지 모델 미세조정을 시행착오에서 계획으로

YOLO-PEFT는 실시간 객체 탐지기에서 PEFT 어댑터를 어디에 둘지 결정하는 문제를 감사 가능한 제약 계획으로 바꾼다. 단순히 LoRA를 붙이는 것이 아니라, 위험할 때 훈련 전에 거부하는 절차까지 포함한다.

더 보기
CCTest · Blog
Skaling Law, 모델 규모와 데이터의 상호작용을 스케일링 법칙에 넣다
대규모 언어 모델
cctest.ai
대규모 언어 모델

Skaling Law, 모델 규모와 데이터의 상호작용을 스케일링 법칙에 넣다

Skaling law는 모델 용량과 학습 데이터가 손실에 미치는 영향을 독립적으로 보지 않고, 하나의 상호작용 지수로 결합해 기존 스케일링 법칙의 한계를 보완하려는 제안입니다.

더 보기
CCTest · Blog
Modular TTT: 테스트 시 학습을 조합 가능한 모듈로 재해석
프레임워크·도구
cctest.ai
프레임워크·도구

Modular TTT: 테스트 시 학습을 조합 가능한 모듈로 재해석

이 논문은 Test-Time Training을 개별 변형의 집합이 아니라 조합 가능한 설계 공간으로 다시 정의한다. 핵심은 새 변형을 만들기 쉬워지는 것뿐 아니라, 어떤 구성요소가 실제로 성능에 기여하는지 분리해서 볼 수 있다는 점이다.

더 보기
CCTest · Blog
Us vs. Them: AI 편집 환경에서 줄 단위 출처를 추적하는 도구
프레임워크·도구
cctest.ai
프레임워크·도구

Us vs. Them: AI 편집 환경에서 줄 단위 출처를 추적하는 도구

Us vs. Them은 버전 이력과 diff를 이용해 현재 텍스트의 어느 구간이 인간이 쓴 부분이고 어느 구간이 에이전트가 만든 부분인지 추정하는 오픈소스 도구다. AI 에이전트가 인간의 의도가 담긴 영역을 함부로 덮어쓰지 않도록 돕는 데 초점이 있다.

더 보기
CCTest · Blog
뉴멕시코 법원, 아동 안전 소송서 Meta에 5억6700만 달러 추가 벌금
정책·규제
cctest.ai
정책·규제

뉴멕시코 법원, 아동 안전 소송서 Meta에 5억6700만 달러 추가 벌금

뉴멕시코주 법원이 소셜미디어 위해와 중독 문제를 다룬 소송에서 Meta에 5억6700만 달러의 추가 벌금을 명령했다. 앞서 3월 부과된 3억7500만 달러를 더하면 이 사건의 벌금 총액은 9억4200만 달러다.

더 보기
CCTest · Blog
알리바바 CosyVoice Studio, AI 음성을 생산성 플랫폼으로 확장
음성·오디오
cctest.ai
음성·오디오

알리바바 CosyVoice Studio, AI 음성을 생산성 플랫폼으로 확장

알리바바가 음성 인식, 음성 합성, 오디오 콘텐츠 제작, 실시간 음성 에이전트를 통합한 CosyVoice Studio를 공개했다. 핵심은 단순 전사나 합성이 아니라 음성 흐름 전반에 의미 이해를 결합했다는 점이다.

더 보기