操作に応じて映像を生み出す「動画ワールドモデル」、その実力を公平に測る統一ベンチマークが登場しました🎮 タイトル: WBench: A Comprehensive Multi-turn Benchmark for Interactive Video World Model Evaluation URL: 🎮 概要 インタラクティブな動画ワールドモデルを包括的に評価する統一フレームワークです。289テストケース・1,058インタラクションターンで、テキスト・6-DoF姿勢・離散アクションという異なる操作方式のモデルを同じ土俵で比較できます。 ❓ 解決する課題 インタラクティブなワールドモデルは急速に進歩する一方、能力を体系的に測る基準がありませんでした。既存ベンチマークは一部しかカバーできず、入力方式がモデルごとに違うため横並び比較も困難でした。 💡 方法論と提案手法 評価は5つの次元で行います。 ・映像品質 ・設定への忠実性 ・インタラクションへの忠実性 ・一貫性 ・物理法則への整合性 タスクはナビゲーション・被写体アクション・イベント編集・視点切り替えの4種。専門視覚モデルと大規模マルチモーダルモデルを組み合わせた22の自動指標を、人間の判断と照合して検証しています。 📊 実験結果 最先端20モデルを分析した結果、すべての次元で強いモデルは1つも存在しないことが判明。各アプローチに特徴的な強み・弱みと、共通の難題が浮かび上がりました。 #ワールドモデル# #ベンチマーク#

# Cursorの機能と実践的な使い方 🤖 「authをJWTに置換して」と一言頼むだけで、検索から複数ファイルの編集、テスト実行まで一気に走る。それがCursorのAgentです。 🏷️ タイトル: 自律エージェント(Cmd+I) 🔗 URL: 📘 概要 AgentはCursorのAIアシスタントで、`Cmd+I`でサイドペインを開いて起動します。指示(プロンプト/ルール)・ツール・モデルの3要素を組み合わせ、コードベースを横断しながらタスクを自律的に進めます。Cursor側でフロンティアモデルごとにツールの使い方を最適化しているのが特徴です。 ⚙️ 機能の説明 Agentは多彩なツールを呼び出してタスクをこなします。ツール呼び出し回数に上限はありません。 ・セマンティック検索でインデックス済みコードを意味ベースで探索 ・ファイルの読み書き、ディレクトリ走査、キーワード検索 ・ターミナルコマンドの実行と出力の監視 ・Web検索、画像の読み取り(png/jpg/gif/webp/svg)、UIモックの画像生成 ・ブラウザ操作によるスクリーンショットや視覚的な動作確認 ・必要に応じてユーザーへ確認質問をしつつ作業を継続 🛠️ 実践的な使い方 ・`Cmd+I`でAgentを開き、自然文でゴールを伝えます。例:「認証をセッションからJWTに置き換えて、関連テストも通して」 ・作業中でも指示を積めます。`Enter`はキューに追加(現在のタスク完了後に実行)、`Cmd+Enter`はキューを飛ばして即時送信です。キューはドラッグで並べ替えできます。 ・大きな変更の前にチェックポイントが自動保存されます。チャットのタイムラインのチェックポイントをクリックするとその時点をプレビューでき、「Restore Checkpoint」で全変更ファイルを巻き戻せます。 ・ターミナルのプロファイルは`Cmd/Ctrl+Shift+P`の「Terminal: Select Default Profile」で指定します。 💡 ユースケース 「authをJWTに置換」と依頼し、Agentが検索で実装箇所を特定 → 複数ファイルを編集 → テストを実行して結果を確認、という一連を自走させる使い方が王道です。途中で「ログ出力も追加して」とキューに積んでおけば、現在の作業完了後に続けて処理してくれます。 ⚠️ 注意点 チェックポイントはローカル保存でGitとは別物です。あくまでAgentの変更を巻き戻す用途に限り、恒久的なバージョン管理は必ずGitで行ってください。ツール呼び出しに上限はないため、破壊的なターミナル操作には目視確認を挟むと安全です。 #Cursor# #AIコーディング#

ワールドカップのおかげで意味わからん時間に寝て意味わからん時間に起きて試合見て寝落ちしての高校生の冬休みのような生活してて仕事中もずっとサッカー見て他国の試合に雄叫びあげてもう体がいつものアナタジャナイと疲弊しているのでとにかく今すぐに晩酌始めたい（まだ勤務中）