登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 マークベース
マークベース コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
マークベース を含む検索結果
「ガンダム」アムロたちの母艦・ホワイトベースやシャアのパーソナルマークの入ったTシャツ&パーカーが予約受付中 #ガンダム# #ファッション#
もっと見る
#Topps# NPBベースボールカード2026が入荷しました! 注目はシリーズ初の現役選手レリックカード! ドラフト1〜3位の新人選手はお宝必至の初年度限定ルーキーマーク付で収録。 サインカード企画はMLBで活躍する人気選手も。 Topps75周年特別ロゴ入の記念碑的コレクションです! お早めにどうぞ!
もっと見る
#Topps# NPBベースボールカード2026が入荷しました! 注目はシリーズ初の現役選手レリックカード✨ ドラフト1〜3位の新人選手はお宝必至の初年度限定ルーキーマーク付で収録。 サインカード企画はMLBで活躍する人気選手も。 Topps75周年特別ロゴ入りの記念碑的コレクションです! お早めにどうぞ!
もっと見る
エージェントのベンチマーク、どうやって作ればいいのか?LangChainが実践ノウハウを公開しました。 タイトル: How We Build Agent Environments & Tasks URL: ❓ エージェントの「タスク」って何で構成されているの? 💡 タスクは「インプット・環境・テストスクリプト」の3要素で成り立ちます。環境はエージェントの実行場所を提供し、ルーブリックが採点基準を定義します。複数の関連タスクにまたがる共有知識は「ワールドスペック」としてまとめ、APIスキーマ・データ生成方法・トレース解析スクリプトなどを一元管理します。 ❓ 大量のタスクを効率よく作るにはどうすればいい? 💡 LangChainは2段階パイプラインを採用しています。最初に「スペック生成」フェーズでコーディングエージェントがリポジトリをスキャン・トレースを分析しワールドスペックを自動生成します。次に「Spec2Task」フェーズでそのスペックから実行可能なタスクに変換します。最初のタスク作成時のスペックをベースに、後続のサイクルで反復的に品質を高めていく設計です。 ❓ タスク作成で特に注意すべき落とし穴は? 💡 3点が重要です。 ・実際のエージェントを動かさないと環境の欠陥が見えない(ペーパーテストでは不十分) ・モデルティア間(例: gpt-5.6-Luna vs Sol)で難易度を均等に校正する必要がある ・自由記述にはLLMベースの生成、表形式データにはSQLスクリプトという使い分けを徹底する ❓ ベンチマークは作ったら完成ですか? 💡 いいえ。本番データを使った継続的改善が核心です。コスト分析・プロンプト簡略化の検証・ツール設定テストに本番トレースを活用し、ベンチマーク自体の品質を運用しながら高め続けます。 評価環境の構築を「一度やれば終わり」でなく継続的なエンジニアリングとして捉える姿勢が実践的です。 #AIエージェント# #LLM評価#
もっと見る
TL;DR 実際の顧客対応エンジニアが経験する「曖昧な要求」「隠れた制約」「的外れな依頼」を再現したベンチマークFDE-Gymが登場しました。最強モデルでも95タスク中15%しか解決できず、弱いモデルは何もしないより悪い結果を出すことが分かりました。 タイトル: FDE-Gym: The Last Mile of AI Delivery URL: ポイント 🎯 18業界・20シナリオ・95タスクを、要求の明確さを4段階(ルール提示済み〜的外れな依頼)に分けて評価します 📉 最高性能のClaude Opus 5.5でもスコアは0.56、「解決」とみなせるタスクは95件中14件(15%)のみです 🧩 最大のボトルネックは「隠れた制約の発見」。ルールを与えられれば0.82取れるのに、自分で探させると0.28も急落します ⚠️ 弱いモデル(Claude Haiku 4.5など)は95タスク中79件でベースライン(何もしない)より悪い結果になりました 💸 顧客への質問には「接触コスト」がかかる設計で、質問しすぎるエージェントはスコアを0.14〜0.22失います 📊 他のベンチマーク(Terminal-Bench等)で88〜90%の成功率を出すモデルでも、FDE-Gymでは0.19〜0.56に沈みます コストや会話量と最終スコアに相関がないという結果は、「頑張って動く」ことと「顧客の数字を実際に改善する」ことの間に大きな断絶があることを物語っていると思います。 #AIエージェント# #ベンチマーク#
もっと見る
TL;DR: エージェントが自分を改善する際、毎回ベンチマークで評価し直すのは高コストです。過去の自己改善の記録だけを頼りに、報酬なしで改善を進める手法SelfSearchが、コストを半分以下に抑えつつ性能も向上させました。 タイトル: SelfSearch: Reward-Free Search for Self-Improving Agents URL: ポイント 🧠 エージェントが過去の自己修正試行の「エピソード記録」(推論の軌跡・ツール利用・成功/失敗)を読み取り、ダウンストリーム評価なしで自身を改善 🔀 「能力」重視と「適応」重視の2方向に並行してエージェントを進化させ、発見を共有しながら別々に深化 📊 Terminal-Bench 2.1でGPTが43.8%→55.1%、DeepSeekが65.2%→73.0%に向上 💰 探索コストは評価ガイド型ベースライン比49.0〜53.2%削減。DeepSeek V4 Flashではわずか4.03ドルの探索コストでTerminal-Bench 2.1の82.0%を達成し最高性能ベースラインに匹敵 ⚡ SWE-bench Multilingualでは成功率+5.0ポイントと同時に実行コストを38.5%削減 🔁 GPTで進化させたエージェントをDeepSeekへそのまま転用しても性能向上が確認され、モデル間の転移性も良好 評価コストという足かせを外して自己改善サイクルを回せるようにした設計は、実運用への応用価値が高いと感じます。 #AIエージェント# #自己改善#
もっと見る
TL;DR: 言語モデルに自分のコンテキストを「編集可能なファイル」として自由に管理させる新しいパラダイム「Context Language Models」が、多くのベンチマークで精度向上とFLOPs削減を同時に達成しました。 タイトル: Context Language Models URL: ポイント 📝 コンテキストをファイルとしてミラーリングし、モデル自身がBashコマンドで自由に編集・追記できる設計。要約や検索の閾値を人間が決める従来のハーネスから脱却 🧠 明示的な指示なしに「インコンテキスト・スコアボード」や再利用可能な関数定義など創発的な戦略を獲得 🔍 BrowseComp-Plusで精度59.4%・FLOPs21.5%削減、EdgeBench-10では要約ベース比スコアを上回りつつFLOPsを半分以下に 🎯 強化学習ではQwen3.5-9Bの精度を28.8%→42.5%に向上させつつFLOPsも削減(成功した軌跡の中でのみ効率に報酬を与える設計でハッキングを防止) ⚡ 新技術Suffix Cache Reuseが、コンテキスト編集後も残存部分のKVキャッシュを再利用し、サーバー側計算量を標準比35%削減 🧩 ContextBenchの診断タスクでは、要約ベースが失敗する高コンテキスト圧力下でもCLMは完全な精度を維持 コンテキスト管理そのものをモデルの能力として扱うという発想転換に、大きな可能性を感じます。 #コンテキスト管理# #LLM効率化#
もっと見る
自己改善するマルチモーダルモデルは、「いつ新しい問題に入れ替えるか」を学習ログだけで決められる🔄 A-RSI: Adaptive Task Refresh for Zero-Data Multimodal Self-Improvement 📌 概要 人手のラベルなしでVLMを自己改善させるとき、学習タスクのプールを適切なタイミングで更新する手法A-RSIを提案しています。 ⚠️ 解決する課題 ・多くの手法は「次に何を作るか」に注目し、「いつ入れ替えるか」を扱いません ・多数決などでラベルを作ると、モデル自身の誤りが学習目標になります 🧩 手法 ・ベースモデルがパラメータ付きのタスクジェネレータを書き、画像・質問・参照答えをプログラムで生成します ・GRPOで学習し、報酬は正答を最優先にします ・報酬にばらつきが残るプロンプト数が減るか精度が上がると、プール全体を未使用タスクに入れ替えます 📊 結果 ・Qwen3-VL-8Bの11ベンチマーク平均が57.77から61.05に上がりました。新規タスクは800件です ・毎ウィンドウ更新の60.64は3,200件で、4倍のタスクを使っています ・MiMo-VL-7Bでも59.08から60.71になりました 🔭 意義 検証スコアを使わずに更新時期を決められる点が実用的です。一方、各比較は1回の学習のみです。 #自己改善# #マルチモーダルAI#
もっと見る
TL;DR 空間推論を文章生成ではなく「候補を選ぶ分類問題」として扱うことで、VLMを最大5.6倍高速化しつつ精度も向上させた研究です。 タイトル: MJev-Spatial: System One Spatial Intelligence via Native Attention Matching URL: ポイントはこちらです。 ・🎯 選択・数値・座標指定をすべて「有限候補の分類」として統一的に扱う設計 ・🧠 新しい予測ヘッドを追加せず、モデルが元から持つクエリ・キー注意機構を再利用してスコアリング ・📐 座標指定は3×3グリッドを3段階クロップし直して絞り込む階層的な精密化 ・🚀 B200 GPUでの平均レイテンシ160.6ms、自動回帰ベースライン比2.5倍、ベースモデル比5.6倍高速化 ・📊 12ベンチマーク平均65.64%でQwen3-VL-8Bなど既存手法を上回り、7ベンチマークで1位 ・🔢 距離推定は細かく区間を切るより粗めの方が精度が良いという意外な結果も ・🌲 確率木を使えば追加学習なしで複数点予測にも拡張可能 テキスト生成を経由しない「直感的な分類」という発想の転換が、速度と精度を両立させているのが面白いです。 #VLM# #空間推論#
もっと見る
TL;DR 空間推論を文章生成ではなく「候補を選ぶ分類問題」として扱うことで、VLMを最大5.6倍高速化しつつ精度も向上させた研究です。 タイトル: MJev-Spatial: System One Spatial Intelligence via Native Attention Matching URL: ポイントはこちらです。 ・🎯 選択・数値・座標指定をすべて「有限候補の分類」として統一的に扱う設計 ・🧠 新しい予測ヘッドを追加せず、モデルが元から持つクエリ・キー注意機構を再利用してスコアリング ・📐 座標指定は3×3グリッドを3段階クロップし直して絞り込む階層的な精密化 ・🚀 B200 GPUでの平均レイテンシ160.6ms、自動回帰ベースライン比2.5倍、ベースモデル比5.6倍高速化 ・📊 12ベンチマーク平均65.64%でQwen3-VL-8Bなど既存手法を上回り、7ベンチマークで1位 ・🔢 距離推定は細かく区間を切るより粗めの方が精度が良いという意外な結果も ・🌲 確率木を使えば追加学習なしで複数点予測にも拡張可能 テキスト生成を経由しない「直感的な分類」という発想の転換が、速度と精度を両立させているのが面白いです。 #VLM# #空間推論#
もっと見る