カメラマウント選手権 ルール:投票を最も多くされた人が優勝 フェーズ1: 機材マウント 参加者1人あたり10分の持ち時間で自分の機材がいかに優秀かプレゼンする 全参加者で自分以外で最も機材が欲しくなったプレゼンターに投票 フェーズ2:制作物マウント 1人あたり30分の持ち時間で俺を撮る(？) それ以外の人は談笑しててください 自分以外の最もいいと思った写真に投票 フェーズ3:集計 俺が投票を集計 フェーズ4:結果発表 機材マウント部門 制作物マウント部門 総合部門 で各投票数が多かった人が優勝 っていう闇ゲームを思いついてしまった

「Battlefield 6」×「トップガン」コラボ，最新映像を公開。コラボコンテンツはシーズン4のフェーズ2として，8月18日から登場する ルースター，ボブ，ウォーロックは映画版キャスト本人がボイスを担当

「Battlefield 6」，シーズン4「Naval」の公式ゲームプレイトレイラーを公開。陸海空の緊密な連携を楽しめる新マップ「Tsuru Reef」が登場 新シーズンは7月21日にスタート。フェーズ2は8月18日，フェーズ3は9月15日に開始予定

ハーネスエンジニアリングのプラクティス P10. 二相設計 —— 読み取り専用の探索 → 実装 🎯 ポイント 「まず理解してから書く」は人間の美徳です。エージェントにも同じ規律を、願望ではなく権限で強制しましょう。 📝 概要 まず書き込み禁止の探索フェーズを強制し、計画を出させてから実装フェーズに入ります。早すぎる編集を構造的に防ぐことで、計画の質が上がります。フェーズ境界は願望ではなくハーネスが権限で強制します。 🔍 解説 エージェントは「とりあえず書いてみる」傾向があります。コードの全体像を把握する前にファイルを編集し始め、後から「そもそもアプローチが間違っていた」と気づいて大幅な手戻りが発生する、というパターンは非常に多いです。二相設計では、最初のフェーズでファイル読み・検索・シンボル解決のみを許可し、編集ツールを無効化します。エージェントはコードベースを探索し、理解し、計画を立てることだけに集中します。計画が承認されて初めて編集権限が解放されます。これにより「思いつきで書いて壊す」リスクを構造的に排除できます。 🛠 実践方法 ・フェーズ1では編集ツールを無効化し、ファイル読み・検索・シンボル解決のみを許可するツールセットを設定します ・フェーズ1の出力として計画ファイル（plan.md）を要求し、計画の承認をフェーズ2への移行条件にします ・フェーズ境界はプロンプトのお願いではなく、ツールの権限レベルで強制します ・探索フェーズの時間・ステップ数に上限を設け、コンテキスト枯渇を防ぎます 💼 ユースケース ・issue-to-PRエージェントで、issueの分析と計画策定を読み取り専用で行い、計画承認後に実装に入る場面 ・レガシーコード改修で、まずモジュール地図化と理解を行い、その後に変更を加える場面 ・インシデント対応で、診断（読み取り・安全・自律）と是正（書き込み・ゲート付き）を分離する場面 ⚠ 落とし穴 探索フェーズが長すぎると、エージェントがコンテキストウィンドウを使い切ってしまいます。また、探索フェーズで得た知識が実装フェーズまでに陳腐化するリスクもあります（P3のTTLと組み合わせる）。フェーズ境界を「プロンプトでお願いする」だけでは不十分で、ツールの権限レベルで強制することが重要です。 #HarnessEngineering# #AIAgent#

分かってるよ。。 勉強をするフェーズなんて20代前半くらいで、本来はとうに終わってて、30代はもう会社のチームや部下のマネージメントをしなければならない段階なんだよね😢 でも、僕みたいな人間は資格を取るしか人生逆転できないんだよ😢

エージェントの共通言語「MCP」を、基礎からハンズオンで学べる公式カリキュラムが登場しました📚 しかも6言語対応です。 タイトル: microsoft/mcp-for-beginners URL: 📚 概要 Model Context Protocol（MCP）を、実践的かつハンズオンで教えるMicrosoft公式のオープンソース教育カリキュラムです。MCPは、AIモデルとクライアントアプリのやり取りを標準化する「ユニバーサルな翻訳機」と位置づけられています。 ❓ 解決する課題 MCPは、AIシステムとさまざまなツール・サービスの通信を標準化する最先端のフレームワークです。 ・しかし新しいプロトコルゆえ、体系立った入門教材が不足していました ・基礎からセキュリティ、実装、応用まで段階的に学べる土台が求められていました 💡 内容と構成 4フェーズ・11モジュールで構成されています。 ・基礎フェーズ（0〜2）：導入、コア概念、セキュリティ ・構築フェーズ（3）：15の実践ガイドで最初の実装を作る ・成長フェーズ（4〜5）：高度な概念と実世界での応用 ・習熟フェーズ（6〜11）：コミュニティ貢献と専門トピック、13ラボの総まとめ コードサンプルはC#・Java・JavaScript・Python・TypeScript・Rustの6言語で、電卓の例からDB統合の高度な実装まで段階的に進みます。# 🌍 ユースケース / 対象読者 いずれかの対応言語で基本的なプログラミング知識があり、クライアント・サーバーモデルやREST APIを理解している開発者向けです。AI/MLの背景は任意。MCPを業務に取り入れたい人の信頼できる出発点になります。 #MCP# #AIエージェント#

LLMの「残差接続」、実は各層を一律の重みで足しているだけでした➕ 深くなるほど各層の貢献が薄まるこの問題に、アテンションで答える改良です。 タイトル: Attention Residuals URL: ➕ 概要 残差接続の固定重みでの足し合わせを、softmaxアテンションに置き換える手法AttnResの提案です。各層が、学習された入力依存の重みで、それより前の表現を選択的に集約できるようにします。 ❓ 解決する課題 現代のLLMはPreNorm付きの残差接続が標準ですが、各層の出力を固定の等しい重みで足し合わせます。 ・層が深くなるほど隠れ状態が制御不能に増大します ・一律に足すため、個々の層の寄与が深さとともに希薄化します つまり「どの層の表現をどれだけ使うか」を制御できていませんでした。 💡 方法論と提案手法 ・Full AttnRes：すべての先行層の出力にアテンションを適用します ・Block AttnRes：層をブロックに分割し、ブロック単位の表現にのみアテンションして計算を削減します ・キャッシュベースのパイプライン通信と2フェーズの計算戦略を採用 ・Kimi Linearアーキテクチャ（総48B/活性3B）で検証しました 📊 実験結果 ・1.4兆トークンで事前学習 ・深さ方向でより均一な出力の大きさと勾配分布を達成 ・評価したすべての下流タスクで性能が向上 ・スケーリング実験でもモデルサイズをまたいで一貫した改善を確認 #LLM# #アーキテクチャ#

フェーズ1クローンと撮影していただきました。シンプルゆえにアーマーの完成度の高さがはっきりしていてかっこいい！ ヘルメットでよく見えてなかったんですが同じポーズ取っていただいてて最高の写真です✨ #アンリーシュドS4#

【＃アメコミ】フェーズシックス出版発行コミック各種、Amazonでも販売しております。 特に人気が高い「＃バットマン アニメイテッド・アドベンチャー②限定版」「DC×ソニック・ザ・ヘッジホッグ 限定版」などを在庫補充しました！ Amazonプライムビデオでも配信中の「＃マスターズ・オブ・ユニバース」も、コミックあります！ 「フェーズシックス」で検索！ ＃ソニック・ザ・ヘッジホッグ #ヒーマン# #MOTU# #スーパーマン# #マスターズオブユニバース#