【#ソウモデルエージェント# 女優イベント情報6月号‼️】 地方でも開催！ 6/6(土) #与田りん# ＆ #月乃ルナ# / #美乃すずめ# 6/7(日) 月乃ルナ ※写真集 6/13(土) #中森ななみ# ※神奈川 6/20(土) #八蜜凛# ※大阪 / #藤かんな# 6/21(日) 八蜜凛 ※愛知 6/28(日) 八蜜凛 ＆ #女神ジュン# 7/5(日) #つばさ舞#

【#ソウモデルエージェント# 女優 新着イベント情報‼️】 6/20(土)12時～/17時～ #八蜜凛# ちゃん ※大阪 6/21(日)12時～/17時～ 八蜜凛 ちゃん ※愛知 6/28(日)13時～ 八蜜凛ちゃん / #女神ジュン# ちゃん ※合同イベ 7/5(日)14時～ #つばさ舞# ちゃん

【更新‼️】#ソウモデルエージェント# 女優イベント情報 地方でも続々開催✨ぜひ遊びに来てね！ 🆕7/7(火) #女神ジュン# ※山口 7/19(日) #与田りん# / #八蜜凛# ※愛知 7/20(月･祝) #藤井蘭々# 7/25(土) 八蜜凛 7/26(日) #美乃すずめ# 7/27(月) #鷲尾めい# ※大阪 🆕8/1(土) 女神ジュン 🆕8/8(土) #つばさ舞#

8/6(木)発売分 #DAHLIA# 専属 #ソウモデルエージェント女優# のDVD最新作が本日より予約受付開始✨ #美乃すずめ# ちゃん ※DAHLIA大リニューアルのアンバサダーを共に務める #小沢菜穂# さんとの共演作‼️ #与田りん# ちゃん 限定版のご予約はお早めに！

6/18(木)発売分 #FALENO# 専属 #ソウモデルエージェント女優# のDVD最新作が本日より予約受付開始✨ #つばさ舞# ちゃん #八蜜凛# ちゃん & #女神ジュン# ちゃん ※共演作！八蜜版、女神版、Blu-ray版あります #藤井蘭々# ちゃん

🖥 たった9Bのオープンモデルが、ターミナル操作ベンチでClaude Haiku 4.5に迫る。しかもデータもモデルもコードも全公開です。 タイトル：Tmax: A simple recipe for terminal agents URL： ターミナルエージェントのRL学習に、シンプルで再現可能なレシピを与えたAi2/UWの研究です。注目ポイントを3つに絞って紹介します。 🧩 構成的なデータ生成パイプライン ドメイン・スキル・検証器・ペルソナ・難易度など9つの軸の組み合わせでタスクを大量合成し、Gemini-3-ProがDockerfileとユニットテストまで生成します。高コストな品質検証は省き、RL側でpass率0を弾くだけ。結果として従来比2.5倍超・14,600環境のTmax-15Kを安価に構築し、汚染ゼロかつ最も難しいデータになりました。 ⚙️ シンプルなoutcome-only RLレシピ 報酬は「タスク達成したか」だけ。素朴なGRPOは長期エージェントで崩壊するため、logprobの乖離をマスクするDPPO、FP32のLMヘッド、大きなグループサイズ（32）で安定化します。Qwen 3.5 9BをこのレシピでTerminal-Bench 2.0で27%まで引き上げました。 📈 強さと汎化、そして全公開 2B〜27Bの全サイズでQwenベースラインを改善。さらにSWE-Bench Verifiedが44→53.5、AIMEが73→91と非ターミナル評価でも向上し、ハーネスやモデルファミリを越えて汎化します。データ・モデル・コードはGitHubで完全公開。 オープンなターミナルエージェント研究の強力な土台になりそうです。 #ターミナルエージェント# #強化学習#

便利だけど知られていないClaude APIの機能 🧩 エージェントに毎回同じ手順を説明するの、繰り返しで非効率だと思いませんか？ ClaudeのAgent Skills（エージェントスキル）は、再利用可能な手順や能力をパッケージ化してClaudeに与える仕組みです。繰り返すワークフローを標準化し、品質の一貫性と開発効率を向上させます。 📌 タイトル：Agent Skills（エージェントスキル概要） 🔗 URL： 🧩 概要 エージェントを構築するとき、特定の手順やベストプラクティスを毎回プロンプトで指示するのは冗長です。Agent Skillsは、そうした手順・知識・ツール使用パターンをパッケージ化して「スキル」として定義し、Claudeに組み込む仕組みです。スキルはドキュメント・ツール・プロンプトの組み合わせで構成され、再利用可能なモジュールとして機能します。 🛠 使い方 スキルを定義し、エージェントの設定に追加します。スキルにはタスクの実行手順、使用するツール、品質基準などを含められます。Claudeはスキルに従って構造化されたアプローチでタスクを遂行します。スキルの追加・変更でエージェントの能力を拡張・調整できます。 🏗 本番システムへの組み込み方 ・社内業務エージェント：「経費申請の処理」「議事録の作成」などの業務手順をスキルとして定義。新しいエージェントにすぐ組み込めます。 ・開発支援Bot：「コードレビュー」「テスト作成」「ドキュメント生成」などの開発手順をスキルに。品質基準がチーム内で統一されます。 ・カスタマーサポート：「返品処理」「トラブルシュート」などの対応手順をスキル化し、回答品質の一貫性を確保。 ・マルチスキルエージェント：複数のスキルを持つ汎用エージェントを構築し、タスクに応じて適切なスキルを自動選択。 💡 ユースケース 🏢 業務手順の標準化・自動化 💻 開発ワークフローの品質統一 📞 サポート対応の一貫性確保 🤖 柔軟なマルチスキルエージェント ⚠️ 注意点 スキルの定義が曖昧だと、エージェントの動作も曖昧になります。手順を具体的に記述し、期待される出力の形式も明示するのが品質の鍵です。また、スキルが多すぎるとモデルの判断が難しくなるため、関連するスキルは整理・統合しておきましょう。 ✨ 良いエージェントは良いスキル定義から。繰り返すワークフローをスキルにして、品質と効率を同時に上げましょう。 #Claude# #LLM#

イスラーム法学の「ハディース学」を、AIエージェントが積み上げる知識ベースの信頼性判定に応用した論文が出ている(https://arxiv[.]org/html/2607.24117v1)。 複数のAIが協調して知識ベースを作る仕組み(スクレイパーが情報を抽出し、要約モデルが整理し、別のモデルが回答を合成する、という何人もの「手」を渡り歩く構成)では、来歴管理(provenance、誰が何をしたかの記録)があっても「この主張を信じていいか」までは答えられません。著者が持ち込むのは、預言者ムハンマドの死後にイスラーム法学者が約1200年かけて磨いた手法です。伝承の連鎖(isnād)を必ず記録し、伝承者ひとりひとりの信頼度を個別に格付けする(rijāl)という考え方です。 鎖全体の信頼度は一番弱い伝承者で決まる「弱点連鎖」が基本ルールです。最後にどれだけ賢いモデルが回答を合成しても、途中の抽出段階が壊れていれば意味がないという発想です。ただしAI向けの調整もあり、情報を壊すだけの処理(抽出や要約)は単純に最小値評価にする一方、情報を作り直す処理(生成モデルによる合成)は自分の格付けの範囲内でなら信頼度を持ち上げる方向にも動けます。弱点連鎖だけでは厳しすぎる場面を救うため、互いに独立した複数の連鎖が同じ主張を裏付ければ格上げする「相互証明」の仕組みも入っています。さらに、連鎖の信頼度が高くても中身が正しいとは限らないため、伝承の連鎖とは別に主張の中身そのものが既存の知識と矛盾していないか個別にチェックする仕組みも組み込まれています。実際に物理学の教科書(OpenStaxとCrowellの教科書)に適用した事例研究では19件の矛盾が見つかり、全て人手確認で本物と確認されました。多くは「古典力学とフォトンとで運動量の扱いが違う」ように、間違いではなくどちらも正しいが前提となる理論が違うだけ、というケースだったそうです。 本評価では同じ物理学教科書から抽出した2万件の主張を使い、信頼度の異なる4つの「伝承者」(モデルやスクレイパーのバージョン、故障率は1%・2%・15%・18%)を混ぜてテストしました。最も信頼度の低い伝承者を含む連鎖4,057件(全体の29%)は漏れなく検疫(要注意の主張を人の目に回す措置)され、原因となった伝承者まで追跡できています。一方で、監査ログから自動的に信頼度を学習する仕組みは4つの伝承者のうち3つは正しく回復できたものの、実験内で最も故障率が高かった伝承者(18%)は該当分野での事例が少なすぎて一度も格付けされず、見逃されました。さらに実運用でのカバー率を決めているのは主張の矛盾を見抜く「批評」担当モデルの性能で、参照実装は単語の重なりを見る程度の簡易版だったため大半の文章を「判定不能」としてしまい、カバー率は4.8%止まりだったとも正直に報告されています。 うまくいった部分といかなかった部分の両方をはっきり書いている点も含めて、複数エージェントで知識を積み上げるシステムの設計を考える上で参考になりそうです。

Microsoftの研究チームが、画面を操作するAIエージェント（computer-use agent）を訓練するための合成環境「Echoverse」を発表した（https://arxiv[.]org/html/2607.28074v1）。 AIエージェントは、自分の操作が実際に何かを変化させる場でしか学習できない。でも本当に鍛えたい相手はメールや銀行、カルテのようにログインが必要で状態が刻々と変わる（stateful）アプリで、本物のサービスを壊すわけにはいかない。そこでデータベースごと丸ごと動く合成環境を代わりに使う。 これまでの手法はこうした合成環境を大量に作ることに力を入れてきたが、この論文は数より深さだと主張する。レシピサイトAllrecipesを模した環境で試したところ、浅い環境で訓練すると実際にベースモデルより性能が落ちてしまった。逆に、権限やエラー処理が本物通りに動き、最初の選択が後の展開を左右するような深い環境で訓練すると、同じドメインで性能が上がった。 合否判定にも工夫があり、スクリーンショットをAIに見せて「できていそうか」を判定させるのではなく、実際のデータベースの差分を正解データと突き合わせる「grounded grading」を採用している。エージェントが完了したふりをしても見抜ける仕組みだ。 結果、先ほど例に挙げたメールや銀行を再現したEchoMailやEchoBankなど10個の業務ドメインに、日付ピッカーなど特定の操作だけを鍛える2個の環境を加えた計12環境、2万1009本の実行履歴を使って90億パラメータのモデル（Qwen3.5-9Bベース）を訓練したところ、14項目の評価平均でベースモデルの36.5%から67.1%まで伸び、この訓練データを作った教師モデルGPT-5.4の80.7%まで14ポイント差に迫った。 面白いのは、EchoStay（民泊予約の模擬環境）で宿泊人数を指定する操作が正しく機能しないというバグを1つ直しただけで、それまで完了できなかった予約タスク24件のうち15件が新たに通るようになったこと。環境のバグ修正が、そのまま多数のタスク改善につながる。 さらにこの合成環境はそのまま強化学習の訓練場にもなる。正確にリセットでき、並列実行でき、報酬がデータベースの状態に基づくため信頼できるからだ。環境の数を増やすより、モデルが実際につまずく場所を見つけて環境ごと直し続けるループが効くという結論。

GLM-5.2 を内部ホスティングして、AIコーディングで使いたい放題にする企業が出てきそう。GPUめっちゃ必要だけど。 ・GLM-5.2は当初マイナーアップデートと思われていたが、実際にはユーザー体験を一変させるほど性能が向上している ・ベンチマークテストにおいて、Anthropic社やOpenAI社の最先端のクローズドモデルに匹敵、あるいは凌駕する結果を出している ・特にコーディング環境において、汎用エージェントとして実用的なレベルに達した初のオープンモデル ・米国の最新クローズドモデルと中国の最新オープンモデルの性能差は、およそ6ヶ月から9ヶ月程度 ・高性能なAIが無料で使えるようになるため、Anthropic社のような最先端モデルを販売する企業は強力な価格引き下げの圧力を受ける ・逆に、オープンモデルを利用したサービスやインフラを提供する企業にとっては、大きな成長のチャンス ・米国の主力AIが規制で足踏みしている間に、中国のオープンモデルが市場シェアや経済的基盤を奪う可能性がある ・高性能なAIが広く普及することは経済的には良いこと ・だけど、安全性や規制の観点からは重大な懸念事項となっている ・米国政府が安全のために自国企業のAIを制限している ・一方で、中国企業が同等のAIを世界中に無料公開しているという矛盾もある ・今後、米国政府が特定の中国製オープンモデルを危険とみなして規制に乗り出すシナリオも考えられる ・オープンモデルの危険性はもちろん指摘がある ・だが、少数の巨大企業だけが超高性能なAIを独占する世界の方がより大きな問題を引き起こすのでは