TikTok永久凍結になって 相当悔しかったんだろうね😉 僕ははっきり警告したよ 「2万人で売名するようじゃすぐ消える」 ちゃんと有言実行したね💕︎ サブもいずれ凍結なるから 楽しみにしといてね🤗 #ゆうちゃん最強# #ゆうちゃんかわいい# #興味ないからブロックしたんだよ# #ブロックされた理由を考えよう# #監視するのやめなーモテないぞ# #迷惑系配信者をいなくなれ〜#

IRIAM（イリアム）における「他枠での応援によるブロック」についてですね。 IRIAMの運営視点、およびIRIAM特有のシステムや文化を踏まえると、今回の件は「運営が最も推奨する楽しみ方（複推し・巡回）をしていたリスナーが、ライバーのローカルルールによって排除されてしまった状態」と言えます。 IRIAM運営のスタンスと、このアプリ特有の背景を解説します。 🤖 1. 運営視点：IRIAMは「枠まわり」を推奨している IRIAMの運営は、リスナーが1つの枠に引きこもるのではなく、たくさんの枠をまわって新しいライバーと出会うこと（巡回・枠まわり）をシステム的にも強く推奨しています。 • ポイント回収システム： 配信を視聴してコメントをすると「無料ポイント」がもらえる仕組み自体が、「色々なライバーの配信を見に行ってね」という運営からのメッセージです。 • 運営の本音： 運営からすれば、あなたが色々なライバーを応援することは大正解のアクションです。それを理由にライバーがリスナーをブロックすることは、運営の意図（アプリ全体の活性化）に反する行為ですが、前述の通り「ブロック権限はライバーにある」ため、運営がライバーを処罰することはできません。 🏮 2. IRIAM特有の「ガチ恋距離」と「コミュニティ文化」 IRIAMは他の配信アプリ（17LIVEやPocochaなど）に比べ、ライバーとリスナーの距離が精神的に非常に近い（ガチ恋・身内感が強い）という特徴があります。 • 「バッジ（ファンバッジ）」の重み： IRIAMでは星1〜星5のバッジ制度がありますが、ライバーによっては「バッジを獲得してくれている人は、自分を最優先にしているはず」と思い込んでしまうケースがあります。 • 排他的なコミュニティになりやすい： IRIAMは2Dイラスト（Vライバー）という特性上、独自の「世界観」や「リスナーとの秘密基地感」を大切にするライバーが多いです。そのため、他の枠の影が見えた瞬間に「自分の世界を壊された」と感じ、過剰防衛としてブロックに走るライバーが（他アプリに比べても）比較的多い傾向にあります。 🚀 IRIAMで今後「楽しく・自由に」推し活をするための対策 IRIAMの運営ルール上、ブロックされたアカウントでそのライバーの配信を再び見ることはできません。しかし、あなたの「色々なライバーを応援したい」というスタンスは、IRIAMというアプリにおいては100%正しい楽しみ方です。 今後は、以下のような「複推し・枠まわり」に理解のあるライバーや枠を選ぶと、二度とこのような悲しい思いをせずにすみます。 • 「出戻り歓迎」「潜り（ロム）OK」を掲げている枠： 他の枠に行って帰ってきても、笑顔で「おかえり！」と言ってくれる器の広いライバーはたくさんいます。 • 事務所勢（ライバー事務所所属）のライバー： 個人勢のライバーに比べ、事務所に所属しているライバーは「ビジネス」として配信を捉えていることが多いため、リスナーの他枠移動に対して寛容（割り切っている）なケースが多いです。 • プロフィールに「他枠の話NG」と書いていないかチェックする： IRIAMのライバーはプロフィール欄に独自の「我が枠のルール」を書いていることが多いです。ここを事前に読んでおくことで、地雷を踏むリスクを減らせます。 理不尽なブロックをするライバーは、裏を返せば「それだけ余裕がない、または依存心が強いライバーだった」ということです。運営も推奨するあなたの素敵な応援スタイルを、次こそは優しく受け止めてくれるライバーに出会えることを応援しています。

⚙️NVIDIAがHBM4の主力を12段から8段へ替えてほしいと頼んだ | 歩留まりが落ちるのはDRAMでなく積む工程だ 000660.KS 005930.KS NVIDIAが韓国の2社へ出したのは、増やしてくれという依頼ではなかった。 ZDNet Koreaが8月26日に伝えたところでは、SamsungとSK hynixは今年下半期、NVIDIA向けHBM4の出荷で8段品の比率を引き上げる。両社はここまで、次世代AIアクセラレータVera Rubin向けに12段品を供給してきた。量産出荷の開始はSamsungが1〜3月期、SK hynixが4〜6月期とみられている。すでに走っている供給への、途中変更だ。 > 最近NVIDIAから、HBM4の主力供給製品を12段から8段へ変更してほしいという要請があった。それに合わせて下半期の供給計画が修正されたと理解している > （メモリ半導体業界関係者） 段数はそのまま容量になる。HBMはDRAMを縦に積んだメモリで、12段は12枚重ねたという意味だ。Vera Rubinは1基あたりHBM4を288GB載せる。8つのスタックに分けるので1つが36GB、それが12段の姿だ。同じ8スタックを8段で組めば24GBずつ、合計は192GBに下がる。 ただし動いているのは比率で、8段が何割まで来るかはまだ決まっていない。もう一人の関係者は、8段への需要はもともと一部あったが下半期に増え、関連する素材・部品の発注にも影響が出た、と話している。 減らすほうへ動いた理由は、同紙の中で2つに分かれている。 一つは熱だ。HBM4はデータの通り道である入出力端子を前の世代の2倍、2,048本へ増やした。増えた分の発熱は個別のチップに留まらず、サーバーラック全体に乗る。 熱を逃がす構造そのものは用意されている。8月23日のHot Chips 2026に登壇したSK hynix Americaのパッケージ技術担当VP、Jaesik Leeは、5月に自社が公開した熱ブロックを詳しく説明したうえで、この構造はすでに設計に入ったHBM世代へは適用できないと断った。HBM4はもう設計を終えている。この熱ブロックで解く道は、この世代には残っていない。 もう一つが歩留まりで、今回の芯はこちらにある。 HBMはいま極度の供給難にある。そのうえHBM4は、性能と集積度を上げたぶん歩留まりを取りにくい。同紙が書いているのは、その落ち方の場所だ。HBMの中身であるDRAMコアダイの歩留まりは比較的速く引き上げられる。落ちるのは、それを12枚積み、接合し、パッケージする工程のほうだという。 良品が減っているのは、DRAMを作る工程ではない。積む工程だ。 積む工程がいちばん狭い場所なら、そこを通す数を増やす一番速い手段は、新しい棟でも新しい装置でもない。積む回数を減らすことだ。増えるのは通るスタックの数で、1本に載る容量のほうは減る。 段数を変えてほしいと言われた製品の重さも、数字で出ている。Samsungでメモリのグローバル営業・マーケティングを統括するJaejune Kimは、7月30日の決算説明会で、下半期はHBM売上に占めるHBM4の比率が60%をかなり上回ると述べた。下半期のHBM売上の主力が、今回の変更の対象にあたる。 いまVera Rubin向けに12段のHBM4を量産供給しているのが SK hynix 000660.KS と Samsung 005930.KS で、同紙が計画を伝えているのもこの2社に限られる。 業界側の受け止めは、それでも冷静だ。 > NVIDIAは最新のAIプラットフォームを設計するうえで発熱管理を最も重視している。個別チップのスペックを下方調整するというより、システム全体で最適な組み合わせを探す過程であり、市場全体の需要に大きな変動を起こすものではない > （半導体業界関係者） 同じ変更は、次の世代へもう入り始めている。HBM4の後継のHBM4Eも、当初の12段ではなく8段中心の出荷になる公算が高いという。HBM4EはNVIDIAのRubin Ultra向けの製品だ。 > 12段と16段のHBM4Eサンプルも議論されてはいるが、いまの顧客との議論を見ると、来年供給されるHBM4Eは8段が主力になる可能性が高い。ただしRubin UltraがHBM4EとHBM4のどちらを使うのかといった論点が残っており、業界全体の不確実性は高い > （メモリ半導体業界の高位関係者） 見るべきは来年のHBM4Eの段数だ。8段で出てくれば、段数は積み上がっていくものだという前提が2世代続けて止まる。12段や16段で出てくれば、止まったのはHBM4の1世代だけということになる。 そのどちらになるかを決めているのが、いまのところJEDECの規格書ではなく客の発注書のほうだ、という点は覚えておいていい。 🤘情報提供 Stock Slayer :

ちなみにこの垢がなりすましだろうと思った理由がこれです。 1月頃にフォローされてなんか怪しいと思って投稿見てたら、写真の元の撮影者から利用取り下げを要求されてたし、この時のIDから今のID変わってるのも… この時報告ブロックしたのにまだ残ってるとは…

# ADKの便利で実践的な使い方 🔍 エージェントが「なぜその判断をしたのか」を追跡できていますか？ADKのObservability機能を使えば、ツール選択の理由からLLMへの完全なプロンプトまで、エージェントの内部動作を透明化できます。本番障害の原因特定にも不可欠な機能です。 📌 タイトル：Observability / Logging 🔗 URL： 🧩 概要 ADKはPythonの標準`logging`モジュールとOpenTelemetryを統合した構造化ログ機能を提供します。DEBUG/INFO/WARNING/ERROR/CRITICALの5段階のログレベル（デフォルトはINFO）で、LLMへの完全なプロンプト、ツール実行の引数と結果、エージェントのライフサイクルイベントなどを記録できます。GCPのCloud Loggingとのネイティブ連携により、GKE上のエージェントのログを一元管理することも可能です。 🛠 使い方 基本的なログ設定は以下の通りです。 Pythonの `logging` モジュールをインポートし、`logging.basicConfig()` で `level=logging.DEBUG` とフォーマット文字列（`'%(asctime)s - %(levelname)s - %(name)s - %(message)s'`）を設定します。 CLIからの起動時にログレベルを指定できます。 ```bash adk web --log_level DEBUG path/to/agents_dir ``` DEBUGレベルでは、LLMに送信される完全なプロンプト内容が確認できます。デフォルトではプロンプト内容は省略されるため、OpenTelemetryの環境変数で明示的に有効化する必要があります。 ```bash export OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT=true ``` GCPのCloud Loggingにログを送信する場合は、専用のエクスポーターを使用します。 ` から `get_gcp_exporters` をインポートし、`get_gcp_exporters(enable_cloud_logging=True)` を呼び出してGCPエクスポーターを取得します。 CLIからGCPエクスポートを有効化する場合はさらに簡単です。 ```bash adk web --otel_to_cloud path/to/agents_dir ``` 🏗 実践的な使い方 **本番インシデントの根本原因分析**: DEBUGログを有効にすると、エージェントがLLMに送った完全なプロンプト（システム指示、会話履歴、ツール定義）とレスポンスが確認できます。「なぜ間違ったツールを選択したのか」「なぜ期待と異なる回答をしたのか」を、LLMとのやり取りレベルで追跡できます。 **予期しないツール呼び出しループの検出**: INFOレベルのログではツール実行の名前と引数が記録されます。同じツールが短時間に繰り返し呼ばれているパターンを検出すれば、エージェントが無限ループに陥っていることを早期発見できます。Cloud Loggingと組み合わせれば、アラート設定も可能です。 **GKE環境での一元管理**: `get_gcp_exporters`を使えば、複数のエージェントインスタンスのログがCloud Loggingに集約されます。OpenTelemetryのSemantic Conventionsに準拠した構造化ログにより、エージェント名やツール名でフィルタリングしながら横断的に動作を分析できます。 **本番と開発のログレベル使い分け**: 本番環境ではINFOまたはWARNINGを推奨し、アクティブなトラブルシューティング時のみDEBUGを有効にします。DEBUGレベルではプロンプト全文が記録されるため、機密データやPIIが含まれる可能性がある点に注意が必要です。 💡 ユースケース 🔎 エージェントのツール選択戦略の効率性分析 🚨 本番障害時の根本原因の迅速な特定 📊 Cloud Loggingでの複数エージェントの横断的モニタリング 🔄 ツール呼び出しの無限ループ検出とアラート ⚠️ 注意点 - `OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT=true`を有効にすると、ユーザープロンプトとエージェントレスポンスの全文がログに記録されます。機密データやPIIの漏洩リスクがあるため、本番環境での使用には注意してください。 - DEBUGレベルのログは非常に詳細でストレージコストが増大するため、常時有効にするのは避けてください。 - Cloud Loggingへのエクスポートには適切なGCPプロジェクトの設定とIAM権限が必要です。 ✨ Observability機能は、エージェントの「ブラックボックス」を開く鍵です。開発時はDEBUGでプロンプトレベルの詳細を確認し、本番ではINFOレベル＋Cloud Loggingで運用監視を実現しましょう！ #ADK# #AIAgent#

ロールプレイAI(キャラになりきって会話するAI)のベンチマークは、実はどのモデルにも同じ「借り物の会話履歴」の続きを書かせて採点しているだけだったという論文(https://arxiv[.]org/abs/2607.27816)。 渡す会話履歴の質を上げただけで同じモデルの採点が平均0.21点(5点満点)上がり、劣化させると0.13点下がることが実験でわかっている。モデル自身の実力ではなく、渡された「お膳立て」の質を測ってしまっているわけだ。 もう一つの問題は採点基準(ルーブリック)が全員共通なこと。じっくり関係を深める会話が好きな人もいれば、テンポよく展開してほしい人もいるので、一律の基準では「その人にとっての満足度」は測れない。 そこでPALATEという新しいベンチマークは、5人の実ユーザーの本物の会話ログ(1人あたり約1,000ターン)でLoRA(モデルの一部だけ軽く追加学習する手法)を作り、「その人らしく話すAI」を再現する。このAIがロールプレイAI候補と自由に会話して、その場で評価用の会話を作るので、借り物の履歴に頼らず公平になる。採点基準もその人の過去の満足度データから個人専用に自動生成していて、論文の図には「そっけない態度の中に見える思いやり(Hard shell, soft care)」のような、人によって全然違う評価軸が並ぶ。 GPT-5.4、Claude Sonnet 4.6、DeepSeek V4 Proなど16モデルで検証したところ、全ユーザーに勝つモデルは1つもなかった。ユーザーごとに一番相性がいいモデルが違い(Qwen3-Max、DeepSeek V4 Pro、Claude Opus 4.8、Claude Sonnet 4.6がそれぞれ別のユーザーで1位)、総合1位はGPT-5.4だったが、これは一言一言の受け答えの質(Generic評価)で強いのが理由で、会話が長く続いたときの一貫性(Session評価)ではClaude Sonnet 4.6が最も高いスコアだった。一言一言の上手さと、長い会話が破綻しないことは別の能力だという指摘で、ロールプレイAIの「強さ」は1本のランキングだけでは測れないという結果になっている。

Y Combinator: 最初の10人の顧客を獲得する方法 ■ ターゲット顧客の本当の生息地 多くの起業家はメール自動化に頼りがちだが、最初の10人の顧客は創業者自身の行動から生まれる。まず、ターゲット顧客が平均的な一日の中でどこに時間を費やしているかを突き止める必要がある。 PCやLinkedInを頻繁に見ない業界もあり、ある創業者はメールを何ヶ月も送るより業界の見本市に直接足を運び、3日間で3ヶ月分以上の成約を得た。メールの件名を微調整する前に、相手が電話や対面、ネット掲示板のどこを好むか理解しなければならない。 ■ 最初の3人は温かいネットワークから 初期の顧客が購買を決めるのは、プロダクトの完成度よりも創業者自身への信頼が理由である。そのため、最初の1〜3人の顧客は、前職の同僚や友人、同級生などの温かいネットワークから獲得すべきだ。次にLinkedInの2次接続を活用し、具体的な紹介依頼を準備して関係をつなぐことでアプローチを広げられる。 さらにHappenstanceなどのAIネットワーク検索ツールを使えば、自然言語で適切な連絡先を即座に抽出可能だ。顧客数が10〜20人に達するまでは自動化ツールを導入せず、既存の人間関係を徹底的に掘り起こすことが最優先となる。 ■ 現場に赴く：対面でのアプローチ 多くの成功した創業者は、オンラインの画面越しではなく、直接現地へ足を運んで初期顧客を獲得している。ある創業者は4週間連続で飛行機で通い、別の創業者はハワイで開始8分で追い出されながらも粘り強い交渉で大口顧客へと育て上げた。 小規模なカンファレンスも有効で、Calendlyで15分刻みの面談枠を隙間なく埋めるプレイブックが威力を発揮する。また、顧客が不満を漏らすRedditやFacebookに毎日2〜5回投稿し直接対話する地道なアプローチも顧客獲得に直結する。 ■ 売り込みをアドバイスの依頼に変換する 初期のアウトバウンドは、売り込みではなく「アドバイスやメンターシップの依頼」として連絡を組み立てるのが最も効果的だ。プロダクト構築前に200人の営業職へLinkedInでインタビューを重ね、50%の承認と20%のアポ率を達成した例もある。 また、弁護士の時給に合わせて1時間100〜200ドルの謝礼を支払い、高確率で商談に繋げたユニークな実例も存在する。相手の知見を学び関係を築くアプローチは、冷たい営業を回避し、将来の購買確度の高い商談パイプラインを築く足がかりとなる。 ■ 人間味のある文面と価値の先行提供 初期のメールはLLM製を疑われないよう75ワード以下に抑え、明確なコール・トゥ・アクションを1つだけ配置する。送信前に声に出して読み上げるだけの簡単なテストで、機械的な表現を排除し人間味のある文章へと磨き上げられる。 また、セキュリティ診断や個別アドバイスといった価値を無償で先行提供してから、対話を求める戦術も極めて強力だ。この泥臭く非効率な手法こそが大企業にない創業者の武器であり、最初の顧客との強力な信頼関係を築く。顧客数が10〜50人に拡大する段階で初めて、ApolloやClayなどのツールを用いて実証済みのメッセージをスケールさせる。