／ ヨルシカ「二人称展」の開催を記念して、オリジナルラベル缶が、7/29~7/30の２日間、横浜アリーナで発売決定！🎉 ＼ 全10種ランダムでの販売となります！ 以前よりフレーバーはウーロン茶に変更となります。 ぜひ公演と一緒にお楽しみください💖 ＃ヨルシカ @nbuna_staff @TAGLIVELABEL

デジタルアルバム「二人称」オフィシャルバンドスコア（上下巻）とピアノスコアの発売が決定しました。 ●バンド・スコア　ヨルシカ「二人称」上巻 B5判／192頁／定価3,850円（税込） 8月5日（水）発売 <曲目（全10曲）> 雲になる / 花も騒めく / 魔性 / プレイシック / ポスト春 / 太陽 / 晴る / 忘れてください / 修羅 /火星人 ●バンド・スコア　ヨルシカ「二人称」下巻 B5判／192頁／定価3,850円（税込） 8月5日（水）発売 <曲目（全10曲）> ルバート / 火葬 / アポリア / へび / うめき / 啄木鳥 / ヒッチコック / 月光浴 / 千鳥 / 櫂 →LIVE TOUR 2026「一人称」福岡公演にて先行販売も行います。 ●ピアノ・ソロ　ヨルシカ「二人称」 菊倍判／128頁／定価2,860円（税込）／レベル：中級 9月5日（土）発売 <全21曲> 詳細は販売サイトにてご確認ください。 宜しくお願い致します！ #ヨルシカ_二人称#

-------#suis# from #ヨルシカ# GRUUVE BUNCH------- 水曜担当は suis from ヨルシカ！ 先週に引き続き今週は、 第二回「もう一度会いたい！復刻してほしいもの」を開催‼️ お楽しみに🌟 📻 #グルグル813# #jwave# #suis813#

【GRUUVE BUNCH】 水曜日 #suis# from #ヨルシカ# 今週も、 第二回「もう一度会いたい！復刻してほしいもの」を開催‼️みなさんの復刻してほしいものをご紹介しています☝️ そして来週は、suis from ヨルシカの新曲「猫日」をフルサイズ初オンエア🌟 もう一度聞きたい方▼ 📻 また、今日発見した事・見た景色・何気なく思った事 など #suis813# を付けてXでポストしてください！ #グルグル813# #suis_猫日#

その日、大洗は“別世界"になる…🏮✨ \ 🎆COS★FES TREASURE 参画🎆 / 豪華！二万発の花火が夜空を彩る大洗海上花火大会に、今年も人気コスプレイヤーたちが集結！ 一般コスプレ参加も大歓迎💎 フォトコンテストも開催‼️ コスプレして会場でしか撮れない奇跡の一枚を収めよう📷✨ さらに今年は・・・ 🆕COS★FESエリアが解放✨ （体験・展示・物販を予定！） 会場そのものが、エンタメになり"幻想的"な空間に包まれる🎇 メインステージでは公式レイヤーによるランウェイなど、ここでしか味わえないコンテンツが盛りだくさん！🪩 📣本日から超早割チケットが発売開始🎟️ ぜひお得にGETして、夏の終わりの特別な1日を過ごそう✨ 《　詳しくはリプライをチェック↓　》

8/6。 絶対に忘れてはならない日。 81年前の今日、そして戦後、犠牲となられた全ての尊い命に心から鎮魂の祈りを捧げます。 世界から核兵器を無くすべきです。 それが唯一の戦争被爆国、日本だからこそ国際社会に発信すべき意思です。 ここ数年間、世界情勢は第二次大戦後、そして冷戦後、最も危険な状態にあると言えます。 この混迷の時代だからこそ、憎しみより相互理解を、暴力より話し合いによる解決を絶対に選択するべきです。　 大多数の人類は間違いなく平和しか望んでいません。　 平和な世界を創造する。 それが今僕らに最も必要な行動です。 2026.08.06 SGZ

# AIエージェントをソフトウェアに組み込むプラクティス # Dry-run & Commit｜差分提示してから実行 🎯 LLMがハルシネーションしたパラメータで決済が走る。それ、dry-runで防げます。 Terraformの plan → apply と同じ発想をエージェントのツール呼び出しに適用。「何が変わるか」を見てから実行する二相プロトコルです。 🔥 解決する課題 LLMはハルシネーションで意図しないパラメータを生成することがあり、ツール呼び出しは副作用を伴います。この二つが掛け合わさると、存在しないリソースIDや桁違いの金額で不可逆な操作が実行されるリスクが生まれます。dry-runなしの直接実行では、人間が「エージェントが何をしようとしているか」を確認する手段がなく、問題は事後にしか検出できません。 💡 提案パターン 副作用を伴う操作を「計画（dry-run）→ 差分提示 → 承認 → 実行（commit）」の二相で行います。dry-runフェーズではシステムを一切変更せず差分だけを計算し、承認を得てからcommitフェーズで書込を実行します。承認方式はリスクに応じて段階化し、高リスクは人間承認、中リスクはポリシー自動検証、低リスクは自動承認とします。planにはTTLを設け、状態変化が起きていたら再生成を強制します。 ✅ 選定条件 使うとき： - 不可逆な操作（データ削除、外部API書込、課金処理）をエージェントが実行する - 誤操作が金銭的・法的・運用的な実害を生みうる - 差分を評価するための数秒〜数分の待機が許容される 使わないとき： - 全操作が読み取り専用の場合 - 全操作が可逆かつ低コストの場合（チャット応答生成など） - レイテンシ制約が極めて厳しく承認待ちが許容されない場合 ⚠️ 落とし穴 - planとcommitの間に状態が変わるTOCTOU問題があります。commit時に前提条件を再検証する設計が必須です - 外部APIがdry-runモードを提供していない場合は、パラメータ検証とシミュレーションで代替し「推定」であることを明示します - commitエンドポイントがplan IDなしで呼べると、dry-runを迂回できてしまいます 🔧 実装方針 - ツール実行をdry-run（差分計算のみ）→承認→commit（実行）の三段階パイプラインとして構成し、各フェーズを独立したエンドポイントに分離します - planオブジェクトに変更前後の値・影響範囲・ロールバック手順・前提条件のハッシュを含め、commit時に前提条件の再検証（TOCTOU対策）を行います - commitエンドポイントは有効なplan IDと承認トークンの両方を必須パラメータとし、直接呼び出しによるdry-run迂回を構造的に防止します - planにTTLを設定し、期限切れの場合は再planを強制することで、古い差分に基づく実行を防ぎます #AIエージェント# #ソフトウェアアーキテクチャ#

大谷が打者専念で50本-50盗塁 DHか、投手専念で20勝サイ・ヤング賞か、二刀流で30本-10盗塁 DH、10勝防御率2.50。どれが価値が高いか気になる人も多いと思います。 WARから分析するとやはり二刀流！ 1位：二刀流（30本-10盗DH ＋ 10勝・防御率2.50） 【推定WAR：9.5 〜 11.0】 これが最も価値が高いとされる理由は、単なる数字の合計ではなく、「1人で2人分の仕事を完結させている」という効率性にあります。 • ロースター枠の創出: 本来「エリート打者」と「エース投手」で2枠使うところを1枠で賄えるため、チームはもう1人、守備固めや中継ぎ投手を自由に補強できます。この「+1枠」の価値は非常に大きく、戦略の柔軟性が飛躍的に高まります。 • 累積の暴力: 打者としてのWAR（約4.0〜5.0）と投手としてのWAR（約4.5〜5.5）が合算されるため、単一カテゴリーの特化型よりも合計値が高くなりやすいのが特徴です。2021年や2023年のMVPシーズンがまさにこの形でした。 2位：50-50 DH 【推定WAR：9.0 〜 9.5】 僅差で2位ですが、「歴史的な希少性」と「毎日の絶望感」ではこれが最強です。 • 継続的な期待値: 先発投手と違い、162試合ほぼ全てに出場し、毎日4〜5回「得点を生むチャンス」を作ります。50盗塁という機動力は、出塁するだけで相手投手に「実質的な防御率悪化」のプレッシャーを与え続けるため、打線全体の得点力をブーストさせます。 • DHの限界: 守備によるプラス評価がないため、WARの計算上は二刀流に一歩譲りますが、1人の野手が及ぼす影響力としてはNPB/MLBの歴史上最高到達点と言えます。 3位：投手専念（20勝・サイ・ヤング賞） 【推定WAR：7.0 〜 8.5】 意外かもしれませんが、純粋な「勝利への貢献度」という指標では、この3つの中で最も低くなる可能性が高いです。 • 稼働時間の制約: サイ・ヤング賞級の投球をしても、中4〜5日の登板では年間200イニング弱しか投げられません。試合の約20%しか支配できないという構造的弱点があります。 • 不確定要素: 「20勝」という数字は味方の打線やリリーフの出来に左右されるため、現代のフロントオフィスは「勝利数」よりも「どれだけ失点を防いだか（防御率や奪三振率）」を重視しますが、それでも二刀流の合算値には届きにくいのが現状です。

LLMにおけるハルシネーションは、大きく真偽接地問題と汎化の問題から生じていると整理できる。 真偽接地問題とは、生成した命題の真偽を外界の事実とどのように結びつけるかという問題である。なお、真偽接地問題はここで用いる私の造語である。 言語的なもっともらしさと、外界における命題の真偽は異なる。しかし、通常の言語モデルは主として言語分布を学習しており、この二つを直接区別するようには学習されていない。 これと関連する概念として、記号接地問題がある。記号接地問題とは、記号の意味を外界にどのように結びつけるかという問題である。例えば「りんごは赤い」という文の意味は、単なる「りんご」「赤い」という記号同士の関係だけで決まるのではなく、それらが実世界の対象や知覚とどのように対応しているかによって定まる。 これに対して、ここでいう真偽接地問題は、ある命題の真偽を外界の事実にどう結びつけるかという問題である。例えば、ある会社の代表者として無関係な人物を挙げたり、存在しない製品名を生成したりする場合、その出力は単語列としてはもっともらしくても、外界の事実とは対応していない。 概念的には、 p(true | 命題, 外界) を推定できるかどうかの問題と捉えることができる。 もう一つは、汎化、あるいは平滑化の問題である。言語モデルは有限の訓練データから学習するため、訓練中に観測していない系列に対しても適切に確率を割り当て、汎化する必要がある。 従来の言語モデルでも、一度も学習中に観測していない単語列に確率0を与えてしまうことは大きな問題だった。そのため、頻度ディスカウントや平滑化によって、既観測系列に割り当てられた確率の一部を未観測系列へ移していた。 ニューラル言語モデルは、分散表現による汎化によって、この平滑化問題を驚くほど自然に解決した。訓練中に一度も見ていない単語列であっても、その意味や文脈が既知のものと似ていれば、もっともらしい確率を割り当てることができる。 しかし、この強力な汎化能力は、事実を扱う場合には副作用を持つ。正解が一意に定まる事実についても、観測していない誤った候補に確率を与えてしまうからである。汎化する能力そのものが、ハルシネーションの原因にもなりうる。 さらに、この二つの問題は独立というより、相互に関係している。真偽が十分に接地されていないために正しい候補を識別できず、その不確実性の中で平滑化・汎化が働くことで、もっともらしい誤った候補にも確率が乗る。 真偽接地問題については、学習時に言語表現と外界の状態や検証可能な事実との対応を明示的に与えることで、ある程度解決できる可能性がある。 ただし、外界そのものの定義も単純ではない。現実世界だけでなく、あるゲーム世界、ある人物が信じている世界など、命題の真偽は前提とする世界や文脈によって変わりうる。この点まで含めて、どの世界に対する真偽なのかを接地する必要がある。 一方、汎化の問題も本質的にどこまで解決できるかは分からない。未観測例への汎化は、有限データから学習するために不可欠である。そのため、未知の対象にも確率を与えるという性質そのものをなくすことはできない。 必要なのは、汎化に任せる領域と、厳密な制約や構造化された情報によって扱う領域を組み合わせることだろう。 特にロングテールの情報、すなわち学習中に一度から数回しか観測されない事実を扱う場合、汎化だけによって高い網羅性とほぼ完全な正確性を同時に実現することは難しい。この領域では、ある程度の誤りを受け入れるのか、それとも外部知識・検証器を利用して回答範囲を制限するのか、という選択が必要になる。