🏢特典付き🏢 7/15発売 #ニクヤ乾# 先生(@298inui) @gateau_info 「#社内恋愛の相手は俺ですけど#?(1)新装版／(2)」 👔ホーリン特典👔 2冊セット👉4Pリーフレット 有償👉描き下ろしミニキャラアクスタ(各巻) 無償👉ペーパー(各巻) ホーリン特典付きでご予約受付中です💜🩷

／ 仕事の日の“15分メイク” 頑張りすぎず、ちゃんと盛りたい✨ ＼ 汗やエアコンの乾燥が気になる日々💭 『崩れにくさ』と『立体感』を叶えるメイクのコツを現役美容部員がご紹介🪄 参考になった！と思ったら「❤」のリプライで教えて🫶 @minami_pbp

【＼博多和牛や限定弁当が勢揃い！／】 博多駅にて「うまかばい！博多和牛マルシェ」を開催いたします🥩 うなぎと博多和牛のコラボ弁当をはじめ、精肉や地元農産物を販売！お肉が当たる「おにくガチャ」や豪華抽選会もご用意しています✨ 🥩概要 ・日時：7/25(土)11:00～19:00、7/26(日)10:00～18:00 ・場所：博多駅 在来線中央改札口前 ・内容：限定弁当・精肉販売、縁日 ・抽選会など 週末はぜひ博多駅でお買い物をお楽しみください！🙌

「ソフトが実際にやること」と「ユーザーがそう信じていること」のズレ——この根本問題に、“明示的な意味”という統一尺度で挑む論文です📐 タイトル: Making Software Meaningful URL: 📐 概要 ソフトウェアの使いやすさ・モジュール性・説明責任を高める統一的な尺度として、「明示的な意味（explicit meaning）」を採用することを提唱する論文です。技術用語ではなく、ドメイン固有の言葉でソフトの振る舞いを共有表現として記述します。 ❓ 解決する課題 ソフトウェア工学には根本的なギャップがあります。 ・「ソフトが実際に行うこと」と「ユーザーがそうだと信じていること」がズレる ・このズレが、使いにくさやバグ、不信を生みます 開発者とユーザーが、何をしてなぜそうするのかについて単一で明示的な理解を持つことが鍵だと主張します。 💡 方法論と提案手法 個人・行為・その結果生じる事実という、ドメイン固有の現象を「概念」に整理し、共通の語彙とします。3つの実践で示します。 ・ユーザビリティ設計：共有された意味でユーザーと設計者の視点を揃える ・モジュール式のコード生成：LLMで「意味の概念単位」を「コードの単位」に対応づけ、モジュール性と可読性を高める ・エージェントの説明責任：明示的に定義した「意図された振る舞い」に基づく行動規範を実装する 🌍 ユースケース LLM支援開発でのモジュール性・可読性の向上や、自律エージェントの意図を明示して説明責任を持たせるAIガバナンスに応用できます。人間とAIが協働してソフトを作る時代に、「意味」を中心に据える価値を示します。 #ソフトウェア工学# #AIガバナンス#

モデル自身に長い文章の中から使えそうな部分を選ばせてから、その部分だけで一時的に学習させる手法をMeta AIとバージニア大学が発表した(https://arxiv[.]org/html/2607.09415v1)。 近年のLLM(大規模言語モデル)は数十万トークンの長文を一度に読めるようになったが、扱える入力の長さ(コンテキストウィンドウ)を広げるだけでは長文を有効に使えるとは限らない。入力が長くなるほど正解率が下がる現象が知られていて、質問に関連する証拠を見つけて使う能力がボトルネックになっている。 有望な解決策がテスト時学習(TTT、Test-Time Trainingの略)だ。答える前にテスト入力そのものを訓練データとしてモデルの重みを一時的に更新する手法で、長文脈タスクとの相性が良いとされてきた。ただし長文脈全体を学習に使うのは計算コストが高く、ランダムに抜き出した断片を使うと無関係な情報がノイズになる。 著者らはLLMの長文読解力を測るベンチマーク「LongBench-v2」で診断実験を行い、興味深い結果を得た。ランダムな断片で学習させるとベースモデルの正解率40.4%が38.9%まで下がる一方、正解を教えられたうえで判断するGPT-5.5が選んだ「本当に必要な部分」だけで学習させると45.9%まで伸びた。TTTの効果は学習させる部分の質に強く依存している。 これを受けて提案されたのがSelf-Guided TTT(S-TTT)だ。2段階構成で、まずモデル自身に長文脈の中から質問に関連しそうな部分を原文のまま抜き出させ(Stage 1)、その部分だけを使って次単語予測(次にくる単語を当てさせる、通常のAI学習と同じ方式)で一時的に学習させる(Stage 2)。最終的な回答生成は元の文脈全体を見て行う。 Qwen3-4B-Thinking-2507とLlama-3.1-8B-Instructの両方で検証したところ、ベースモデルは一貫して上回り、ランダムに断片を選ぶ手法や文脈全体を使う手法など既存のTTT手法に対しても総じて上回るか同等の成績を残した。最大では15%の相対的な改善を達成している(Qwen3-4B-Thinking-2507、LongBench-v2の64k〜128kトークン帯域で正解率30.7%→35.3%)。 パープレキシティ(次単語の予測しにくさ)やエントロピー(予測の不確実性)が高い部分を選ぶより、モデル自身が「質問に関連しているか」で選ぶ方が明確に優れていた点も興味深い。難しい部分を学ばせればいいわけではなく、質問との関連性を見極める判断力そのものが効いているらしい。

東洋医学では「耳は腎の窓」といいます。腎の気が耳に届いていると、聞こえが保たれる。腎が消耗すると、耳に届く気血が減り、詰まり感や聞こえにくさが出てくる。 検査に出ない耳の詰まりは、首の緊張が内耳への血流を妨げているケースもあります。首の付け根が板みたいに固くなっている方に多い。施術で首の付け根を緩めると、耳がすっと抜ける方がいます。「何年も詰まっていたのに」とおっしゃる方がいる。 もう一つ確認することがあります。「最近、聞きたくないことを聞き続けていませんか」。耳は聴覚だけでなく「聞く」という行為全般と関係しています。長年聞きたくないことを聞き続けてきた消耗が、耳に出てくることがあります。 「体質です」「歳のせいです」で終わっていい話ではありません。