ホップステップ う～、ワンモアチャンス！ HOP, STEP, grrrrr ONE MORE CHANCE! -🐰🐰🐰🐰 終於拍到兔子洞ㄌ.. 這套當初本來想趕第一波甚至假髮都自己做的結果造型款都出了我還沒拍xDDD... 不過正片我超喜歡的 讚鼠 這幾天會慢慢更新這套的 先偷跑一張! 這周有點想突發萬聖節企劃不知道還有沒有時間(嘆 - PHO: 母貓です - #初音# #DECO27# #兔子洞#

✧＝＝＝＝＝＝＝＝✧ 本日6/20 16:30 生配信⏰ #ソニらじ# 第53回 ✧＝＝＝＝＝＝＝＝✧ #中島ヨシキ# ＆ #梶原岳人# のソニラジ!!公開録音 ～ホップステップジャンプ～📻📶 🎧 生配信はこちら

SHUHO先生のハウスダンスレッスン。ヒップホップのロジャー・ラビットがハウスダンスになったステップの、様々なヴァリエーション。中央紫キャップが私。先生のヴァリエーションの、豊富な楽しいアイデア！#ハウスダンス# #SHUHO先生##舞踊評論家村山久美子# #シニアダンサー#

AIが「外部検索なし」でファクトを記憶・更新・忘却する時代が来ました。メモリをモデルに内蔵する新たなパラダイムが論文として公開されています。 タイトル: Metis: Memory Foundation Model 🔍 概要 現在のRAGなど外部メモリモジュールには、バックボーンとの分離・勾配伝播困難・推論レイテンシという3つの根本的限界があります。MetisはこれをTransformerブロック内に「ネイティブメモリ」として統合するアプローチで、Chain-of-ThoughtがLLMにネイティブに組み込まれたように、メモリも外部依存から解放しようとする研究です。 🛠 解決する課題と提案手法 2つのコアコンポーネントを導入します。ローカルメモリブロック（高密度メモリネットワークを推論ステップ間で指数移動平均更新）とハイパーメモリブロック（静的パラメータによるフォワードパスでのメモリ変換）です。4種のメモリ操作（Remember/Update/Forget/Reflect）を、バックグラウンドの勾配更新なしに順伝播計算だけで実行します。 📊 実験結果 コンテキストなし設定のMemOpsベンチマークで、Metis-27Bは24.76%を達成しました。 ・ベースライン Qwen3.5-27B（コンテキストなし）: 1.69% ・テスト時訓練 Temp-LoRA-27B: 9.70% ・パラメトリックメモリ δ-Mem: 4.38% 自社テストセットではReflect（マルチホップ推論）で93.44%、平均73.77%を達成。すべての比較手法を大幅に上回っています。 💡 実用的な意義 RAGの検索・ランキング・プリフィリングコストを回避しつつ、パラレル計算でメモリ操作を実行するため推論レイテンシを抑えられます。ポストトレーニングによるドメイン適応も可能で、コードとモデルチェックポイントはGitHub（MemTensor/Metis）とHuggingFaceで公開されています。 #LLM# #AIエージェント#