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 固定優先
固定優先 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
固定優先 を含む検索結果
終於被粉絲拿下了 吃了半天奶子 晚上回到酒店才開始 #禮貌私訊# #固定優先# #台灣#
「固定用」 ~C107売り子さん募集~ 2025年の冬コミ(C107)の売り子募集をします! ・オリジナル人妻キャラにコス出来る人優先 「・黒髪セミロング・青いリボンの髪飾り・白or薄いベージュ色の長袖の服・ジーパン(濃い青~黒寄りの青)・ペンダント・サンダル」 詳細は画像一枚目に書いてますのでご確認をほどよろしくお願いします。 さらなる詳細や何か聞きたいことがありましたらDM解放してますのでお気軽にお尋ねください! #C107# #コスプレ売り子#
もっと見る
お昼の配布プロンプト美月の情報が入ったままだったのでこちらをご利用ください❣️ 🐈‍⬛ Black Cat Street Ver.1.2 ― 小悪魔かわいい黒猫ストリートコーデ ― 【基本仕様・キャラクター固定】 縦9:16、超高精細、最高品質、全身ファッションポートレート。 実写フォトリアル・アニメ・イラスト・2.5次元すべてに対応。 添付した成人女性キャラクター画像を人物の最優先参照とし、顔立ち、瞳の色、髪色、髪型、肌、体型、元の画風を忠実に維持する。 衣装参考画像がある場合は配色・形状・素材・装飾を精密再現。元画像の背景やポーズは引き継がない。 参考画像がない場合は、自然で魅力的な成人女性キャラクターとして描写する。 【衣装デザイン・最重要】 ブラック、チャコールグレー、シルバーを基調とした黒猫モチーフのゴシックストリート。地雷系・サブカル系・韓国ストリートを融合した甘辛コーデ。 🐈‍⬛ 猫耳ニット帽・必須 厚手のブラックリブニット帽。上部に左右対称の立体的な黒いファー猫耳。耳の根元にシルバーハートバックル、帽子に細いシルバーチェーン、ハートチャーム、安全ピン風装飾。 猫耳は帽子と一体化。髪型を維持し、帽子の下から髪を自然に流す。 🖤 アウター オーバーサイズのブラックジップアップパーカー。ドロップショルダー、長めの萌え袖。袖に白い猫刺繍、肉球マーク、黒い編み上げリボン、シルバーリングとベルト装飾。フロントは開けて着用。 🖤 インナー ブラックのリブ編みクロップドトップス。胸元中央にシルバージッパー、小さなハートリングとブラックストラップ。ウエストが少し見える丈。 🖤 スカート ブラック×チャコールグレーのチェック柄プリーツミニスカート。細い白ライン、裾のブラックレース、軽いフレアシルエット。 ウエストにダブルベルト、シルバーバックル、複数の細いチェーン。片腰に黄色い瞳とグレーのリボンが特徴の黒猫ぬいぐるみポーチ。 🐾 レッグウェア ブラックシアーのニーハイストッキング。履き口に黒猫の耳と顔のデザイン。片脚の太ももにブラックレザーのガーターベルトとシルバーリング。左右非対称の装飾。 🖤 シューズ ブラックレザーの厚底レースアップコンバットブーツ。ミドル丈、複数のシルバーバックル、細いベルト、編み上げシューレース、丸みのあるトゥ。 【アクセサリー】 ブラックレザーのハートバックルチョーカー、シルバーの猫ネックレス、ハートチャーム、黒と銀のヘアピン、ピンクベージュのネイル。 装飾は繊細に描写し、過剰に増やさない。 【背景・昼のストリート】 晴れた日の明るい都会の歩道。セレクトショップ、ガラス張りのカフェ、街路樹、植え込み、石畳。 柔らかな昼の自然光と木漏れ日。背景を軽くぼかし、人物と衣装を鮮明に描写。 イラストの場合は元の画風に合わせた美しい背景表現と自然なライティング。 夜景・ネオン・夕暮れは禁止。 【ポーズ・表情】 カメラに向かう自然な全身立ち姿。片手で猫耳帽子を軽くつまみ、もう片手は自然に下ろす。片脚を少し前に出し、膝を軽く曲げる。 優しい微笑みと、少し小悪魔っぽい甘えん坊な黒猫の表情。元キャラクターの瞳や顔立ちを維持する。 【撮影・構図】 縦9:16、正面全身、人物中央。猫耳の先端から厚底ブーツの靴底まで完全に収める。 自然な人体比率、精密な布とニットの質感、金属の光沢、自然な髪の動き。実写・イラストそれぞれの画風に適した高品質な仕上がり。 【ネガティブプロンプト】 別人化、顔・髪色・瞳色の変更、画風の強制変更、猫耳欠落・非対称、本物の動物耳、猫の尻尾、衣装の簡略化、チェック柄やチェーンの消失、余分な手足、指の破綻、不自然な関節、足切れ、靴切れ、顔アップ、夜景、暗い背景、文字、ロゴ、透かし、低画質。
もっと見る
# ADKの便利で実践的な使い方 🧪 エージェントのテストで、本番APIを叩くわけにはいきません。ADKのEnvironment Simulation機能を使えば、ツール呼び出しをインターセプトし、制御されたレスポンスに差し替えることで、本番システムに影響を与えずにエッジケースを再現できます。 📌 タイトル:Environment Simulation 🔗 URL: 🧩 概要 ADKのEnvironment Simulatorは、エージェント実行中のツール呼び出しをインターセプトし、制御されたレスポンスに置き換えます。エージェントのコードを一切変更せずに、エラー注入、固定レスポンス、条件付き注入、確率的障害、レイテンシシミュレーションが可能です。CallbackまたはPluginとして統合でき、注入設定→モック戦略→実ツール実行の優先順位で動作します。 🛠 使い方 Callbackとしての統合例です。 `google.adk.agents` から `LlmAgent` を、` から `EnvironmentSimulationFactory` を、同パッケージの `environment_simulation_config` から `EnvironmentSimulationConfig`、`InjectedError`、`InjectionConfig`、`ToolSimulationConfig` をインポートします。`EnvironmentSimulationConfig` の `tool_simulation_configs` に `ToolSimulationConfig` のリストを渡し、各ツールに対する注入設定を定義します。例えば `tool_name="get_user_profile"` に対して `InjectionConfig` で `InjectedError(injected_http_error_code=503, error_message="Service temporarily unavailable.")` を設定すると、503エラーが注入されます。作成した `config` を `EnvironmentSimulationFactory.create_callback(config)` でコールバックに変換し、`LlmAgent` の `before_tool_callback` パラメータに渡します。 固定レスポンスの注入: `InjectionConfig` の `injected_response` パラメータに辞書(例: `{"status": "ok", "order_id": "ORD-9999"}`)を渡すことで、ツール呼び出しに対して固定のレスポンスを返すことができます。 引数に基づく条件付き注入: `InjectionConfig` の `match_args` パラメータに引数パターン(例: `{"item_id": "ITEM-404"}`)を指定すると、ツール呼び出しの引数が一致した場合のみ注入が発動します。`injected_error` に `InjectedError(injected_http_error_code=404, error_message="Item not found.")` を設定すれば、特定の引数でのみ404エラーを返すことができます。 確率的な障害シミュレーション: `InjectionConfig` の `injection_probability` に確率値(例: `0.3` で30%)を設定し、`random_seed`(例: `42`)で再現性を確保します。`injected_error` に `InjectedError(injected_http_error_code=500, error_message="Internal server error.")` を指定すると、指定確率でランダムに500エラーが発生します。 レイテンシのシミュレーション: `InjectionConfig` の `injected_latency_seconds` に遅延秒数(例: `5.0`)を設定し、`injected_response` にレスポンス(例: `{"result": "slow but successful"}`)を指定すると、指定秒数の遅延後にレスポンスが返されます。 Mock Strategyモードでは、ツールスキーマから自動的にレスポンスを生成します。 `environment_simulation_config` から `MockStrategy` をインポートし、`ToolSimulationConfig` の `mock_strategy_type` に `MockStrategy.MOCK_STRATEGY_TOOL_SPEC` を設定します。これにより、`tool_name`(例: `"create_order"`)で指定したツールのスキーマから自動的にレスポンスが生成されます。 🏗 実践的な使い方 **API障害時のエージェント回復力テスト**: 503エラーや500エラーを注入して、エージェントがリトライやフォールバックを適切に行うかを検証します。本番システムに影響を与えることなく、障害シナリオを再現できます。 **条件付き注入によるエッジケーステスト**: `match_args`を使って特定の引数パターンでのみエラーを発生させます。例えば「存在しない商品ID」「在庫切れの商品」など、特定条件下でのエージェントの振る舞いをピンポイントでテストできます。 **確率的障害でのリアルなテスト**: `injection_probability`を使って30%の確率でエラーを発生させ、不安定なAPIとのやり取りをシミュレートします。`random_seed`を固定すれば再現性のあるテストになります。 **環境データの提供によるリアルなモック生成**: `environment_data`にDBスナップショットなどのコンテキストを渡すと、Mock Strategyがよりリアルなレスポンスを生成します。 DBスナップショットなどのコンテキストデータ(例: 商品リストの辞書)を `json.dumps()` でJSON文字列に変換し、`EnvironmentSimulationConfig` の `environment_data` パラメータに渡します。Mock Strategyはこの環境データを参照して、よりリアルなレスポンスを生成します。 **注入とモック戦略の組み合わせ**: 特定の条件ではエラーを注入し、それ以外はMock Strategyで自動生成するという組み合わせが可能です。注入設定が先に評価され、マッチしなければモック戦略にフォールバックします。 💡 ユースケース 🔧 外部API障害時のエージェント回復力の検証 🎯 特定条件下でのエッジケース再現テスト 📉 不安定なAPIとのやり取りの確率的シミュレーション ⏱ レイテンシの高いAPIでのタイムアウト処理の検証 ⚠️ 注意点 - `injected_latency_seconds`の上限は120秒です。 - `InjectionConfig`はエラーとレスポンスのどちらか一方のみ指定可能で、両方同時には設定できません。 - `tool_name`は登録されたツール名と完全一致する必要があります。タイポに注意してください。 - Mock Strategyはツールスキーマに依存するため、スキーマが不十分だと生成されるレスポンスの質が下がります。 ✨ Environment Simulationは、本番環境を汚さずにエッジケースを再現できる強力なテスト基盤です。エラー注入と条件付きモックを組み合わせて、あらゆる障害シナリオに対するエージェントの耐性を検証しましょう! #ADK# #AIAgent#
もっと見る
# 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 # コンテキスト予算配分 🎯 「全部入れれば精度が上がる」は幻想です。コンテキストウィンドウは有限の予算として管理しましょう。 スロットごとに配分比率を決め、信号密度を最大化するパターンです。 🔥 解決する課題 RAGやメモリを使うエージェントでは、検索結果・会話履歴・システム指示・長期メモリが同じコンテキストウィンドウを奪い合います。情報を詰め込むほどコストは増え、会話が長くなるとシステム指示の割合が縮んで振る舞いが劣化します。さらに"Lost in the Middle"問題により、窓の中盤に置かれた重要な情報が実質的に無視されてしまいます。 💡 提案パターン コンテキストウィンドウをシステム指示・検索結果・会話履歴・メモリなどのスロットに分け、各スロットに最大占有率と優先度を設定します。システム指示は圧縮対象外の固定枠(10〜20%)として先に確保し、検索結果はリランク後にtop-k件に絞り、履歴は窓使用率が閾値を超えたら要約圧縮します。配置順序はLost in the Middle対策として、最重要情報を先頭に、直近入力を末尾に置きます。cost_sensitivityが高い環境ほどtop-kを絞り、圧縮閾値を下げ、履歴を短く保ちます。 ✅ 選定条件 使うとき: - RAGやメモリを使い、投入候補がモデル窓サイズの50%を超えうる - コスト感度が中以上で、投入トークンの増加がコストや推論時間に影響する - 複数ターンの会話で履歴が蓄積し、他の情報のスペースを圧迫する 使わないとき: - 投入情報がシステム指示+単発入力のみで窓の30%未満に収まる場合 - ロングコンテキストモデルを使い投入量が窓の20%未満、かつコスト感度が低い場合 ⚠️ 落とし穴 - システム指示を圧縮対象にしてはいけません。ツール定義や安全指示が削られると振る舞いが壊れます - リランクなしのtop-kは信号密度が低いです。ベクトル検索上位20件からクロスエンコーダで3〜8件に絞りましょう - 要約圧縮は非可逆です。重要な決定事項や固有名詞が落ちるリスクがあるため、キーワード抽出を併用してください 🔧 実装方針 - コンテキストウィンドウをスロット(system/user/retrieval/history/memory)に分割し、各スロットに最大占有率・優先度・圧縮可否を定義した構造体で管理します - システム指示は圧縮対象外の最高優先度として先に確保し、残りの予算を他スロットに優先度降順で配分します - 検索結果はベクトル検索の上位候補をクロスエンコーダでリランクしてから予算内に収め、信号密度を最大化します - 履歴スロットが予算を超過した場合は要約圧縮を適用し、圧縮前にキーワード抽出して重要情報の欠落を防ぎます #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
# 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 # コンテキスト予算配分 🎯 「全部入れれば精度が上がる」は幻想です。コンテキストウィンドウは有限の予算として管理しましょう。 スロットごとに配分比率を決め、信号密度を最大化するパターンです。 🔥 解決する課題 RAGやメモリを使うエージェントでは、検索結果・会話履歴・システム指示・長期メモリが同じコンテキストウィンドウを奪い合います。情報を詰め込むほどコストは増え、会話が長くなるとシステム指示の割合が縮んで振る舞いが劣化します。さらに"Lost in the Middle"問題により、窓の中盤に置かれた重要な情報が実質的に無視されてしまいます。 💡 提案パターン コンテキストウィンドウをシステム指示・検索結果・会話履歴・メモリなどのスロットに分け、各スロットに最大占有率と優先度を設定します。システム指示は圧縮対象外の固定枠(10〜20%)として先に確保し、検索結果はリランク後にtop-k件に絞り、履歴は窓使用率が閾値を超えたら要約圧縮します。配置順序はLost in the Middle対策として、最重要情報を先頭に、直近入力を末尾に置きます。cost_sensitivityが高い環境ほどtop-kを絞り、圧縮閾値を下げ、履歴を短く保ちます。 ✅ 選定条件 使うとき: - RAGやメモリを使い、投入候補がモデル窓サイズの50%を超えうる - コスト感度が中以上で、投入トークンの増加がコストや推論時間に影響する - 複数ターンの会話で履歴が蓄積し、他の情報のスペースを圧迫する 使わないとき: - 投入情報がシステム指示+単発入力のみで窓の30%未満に収まる場合 - ロングコンテキストモデルを使い投入量が窓の20%未満、かつコスト感度が低い場合 ⚠️ 落とし穴 - システム指示を圧縮対象にしてはいけません。ツール定義や安全指示が削られると振る舞いが壊れます - リランクなしのtop-kは信号密度が低いです。ベクトル検索上位20件からクロスエンコーダで3〜8件に絞りましょう - 要約圧縮は非可逆です。重要な決定事項や固有名詞が落ちるリスクがあるため、キーワード抽出を併用してください 🔧 実装方針 - コンテキストウィンドウをスロット(system/user/retrieval/history/memory)に分割し、各スロットに最大占有率・優先度・圧縮可否を定義した構造体で管理します - システム指示は圧縮対象外の最高優先度として先に確保し、残りの予算を他スロットに優先度降順で配分します - 検索結果はベクトル検索の上位候補をクロスエンコーダでリランクしてから予算内に収め、信号密度を最大化します - 履歴スロットが予算を超過した場合は要約圧縮を適用し、圧縮前にキーワード抽出して重要情報の欠落を防ぎます #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
ハーネスを自動最適化する手法は増えていますが、どのシナリオで学習するかは最初に固定されたまま。この「カリキュラム」自体を動かす発想が登場です。 タイトル: ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization URL: 📝 概要 エージェントハーネスの自動最適化において、学習に使うシナリオの選択自体を「自動カリキュラム学習問題」として定式化し、最適化の進行とともに動的に適応させる手法ActiveSaddlerを提案しています。 ❗ 解決する課題 固定されたシナリオ順では、未解決の弱点を早々に見捨てたり、すでに修復済みの課題へロールアウトを浪費したりしてしまいます。既知の弱点を再訪する価値と新たな失敗を探索する価値のバランスも最適化中に変化しますが、静的なスケジュールでは対応できません。 🛠️ 方法論・提案手法 カリキュラム選択を「動的にインスタンス化されるアームを持つ非定常バンディット」としてモデル化。個々のシナリオではなく「失敗パターン」をアームとし、LLMベースの優先順位付け器が深刻度・修正可能性・波及範囲・副作用リスクの4要因から学習ポテンシャルを毎イテレーション再計算。既知の弱点を活用するか未見のシナリオを探索するかを、残存する実行可能な弱点の有無に応じて適応的に判断します。 📊 実験結果 GAIA2でPass@1が59.8%(固定ランダム順比+4.4ポイント)、Terminal-Bench 2.0で80.0%(+7.5ポイント)を達成。コスト効率も優れ、GAIA2では298ドルで他手法が1,360ドルかけて届く精度に到達しました。 #エージェント最適化# #カリキュラム学習#
もっと見る
🌧️【大雨警報・農家の皆さんへ】🌧️ 農業は「天気」が命。今回の大雨は、作物だけでなく、農地・農業用施設・家畜にも大きな被害をもたらす可能性があります。農家の皆さん、今のうちにできる備えを! ⚠️【特に注意したいこと】 ・田畑や果樹園の排水路、側溝を確認し、水の流れを確保 ・ハウスや農業施設の補強、飛ばされやすい資材を固定 ・農機具、肥料、農薬などは浸水しない安全な場所へ移動 ・河川や用水路、ため池の増水に注意し、危険な場所には近づかない ・強い雨の最中に無理して田畑へ行かない ・収穫前の作物は、可能な範囲で早めの収穫も検討 ・家畜や飼料、飲料水の安全確保も忘れずに 🚨 大雨の後も油断は禁物です。土砂災害、冠水、農地の崩落、用水路の急な増水など、雨が弱まった後に危険が高まる場合があります。自治体や気象庁などの最新情報をこまめに確認し、安全を最優先にしてください。 農家にとって天候は「明日の収入」にも直結します。大切に育ててきた作物と、何より自分自身・家族の命を守るため、早め早めの防災対策を。 「まだ大丈夫」ではなく、「今のうちに備える」。 皆さん、どうか安全第一で行動してください。🙏 #大雨警報# #大雨# #農家# #農業# #農作物# #農業防災# #防災# #豪雨# #水害# #土砂災害# #台風# #気象情報# #農家さんと繋がりたい# #農業を守ろう# #安全第一#
もっと見る
🖼 画像編集のテスト時スケーリングは「どんな編集にも同じ計算予算」を割り当てがちで、無駄だらけでした。難易度に応じて配分し、編集に特化した検証で枝刈りすることで、品質を保ったまま最大2.2倍の高速化を実現した研究です。 タイトル: From Scale to Speed: Adaptive Test-Time Scaling for Image Editing URL: 📝 概要 ADE-CoTは、目的志向の画像編集に特化したテスト時スケーリング手法です。テキストから画像を作る生成向けに作られた従来のImage-CoTをそのまま編集に流用するのではなく、「難易度に応じた資源配分」「編集特化の早期検証」「機会主義的な停止」という3つの戦略を組み合わせ、計算を大きく節約しながら品質を維持します。 ❓ 解決する課題 従来手法には3つのミスマッチがありました。 ・固定のサンプリング予算が、ほとんど改善しない簡単な編集にも計算を浪費する ・汎用のMLLMスコアが、早期スコアは低くても最終的に高得点になるサンプルの約40%を誤って枝刈りしてしまう ・大規模サンプリングが同一の正解を何度も生み、不要な計算を増やす 💡 方法論と提案手法 ・編集の難易度を見て、簡単な編集は最小予算、複雑な編集は探索を拡大します ・ワンステップ・プレビューで、追加のデノイジングなしにノイズ中間状態からクリーンな潜在を推定し、早期検証を信頼できるものにします ・Grounded SAM2で「意図した領域だけが変わったか」を検証し、DINOv2の埋め込みで冗長な候補を除去します ・候補を逐次生成し、意図に合う結果が十分に得られた時点で打ち切る深さ優先の停止を使います 🎯 ユースケース 複雑な姿勢変更、複数オブジェクトの削除や置換、細粒度の領域編集、マルチターンの逐次編集、そして計算制約下での高品質編集に向きます。本番の画像編集APIのように推論コストが効く場面で特に有効です。 📊 実験結果 ・GEdit-Benchで、FLUX.1 KontextがBest-of-N比2.2倍、BAGELが1.8倍、Step1X-Editが2.0倍の高速化を達成しました ・推論効率は固定32サンプル予算で2倍超、結果効率は3つのベンチで4.9倍・2.7倍・2.9倍に向上しました ・「白い服の女性の隣に立つ人を消す」といった難しい複数オブジェクト編集でも、ベースラインの誤認を正しく解決しました #ImageEditing# #DiffusionModels#
もっと見る
現在、半世紀ぶりに、「お金」の基盤構造そのものが再構築されつつあります。資本は、従来型の金融システムや金融機関を中心とした構造から、インターネットを基盤として構築されたオープンなネットワークへと移行しつつあり、そこでは仲介機関に依存することなく、資本の形成、決済及び検証が可能となりつつあります。その変化の中心に位置するのがビットコインです。 ビットコインは、新たなデジタル資本です。発行主体を持たず、供給量が2,100万枚に固定された絶対的希少性を有し、暗号技術を活用したグローバルな価値移転を可能とする、世界初の真に分散化されたデジタル資産です。これらすべての特性を大規模に兼ね備えた資産は、これまでの金融史において存在しておりません。当社は、このビットコインを中核として事業を構築しております。 デジタル技術を基盤とする新たな資本市場への移行は、日本及び世界市場の双方において進行しております。日本国内では、ステーブルコイン及びトークン化債券を中心として初期的なインフラ整備が進展しております。2025年10月には、日本初の円建てステーブルコインであるJPYCが商用運用を開始し、また、日本初の信託銀行裏付け型円建てステーブルコイン「JPYSC」についても、2026年第2四半期のローンチが公表されております。日本の主要銀行グループ及び金融機関が参加するコンソーシアムでは、2026年5月、日本国債のトークン化に向けた検討を行うタスクフォースが立ち上げられております。 米国においては、ビットコインは、企業金融及び資本市場商品の一部として組み込まれ始めております。ストラテジー社が発行する変動配当型優先株式「STRC」は、「デジタル・クレジット」とも呼ばれつつあり、発行残高は80億米ドルを超え、世界最大規模の優先株式銘柄となっております。また、その周辺インフラ整備も進展しており、米国証券取引委員会(SEC)は平日23時間株式取引体制を承認し、実物資産及び金融資産のデジタル証券化も拡大しております。さらに、ブロックチェーン技術を活用した次世代金融インフラの発展により、プログラマブルな決済、支払い及び分散型金融(DeFi)が実用段階へ移行しつつあります。 これと並行して、ビットコインは米国の資産運用及び証券流通の中核にも組み込まれつつあります。現物型ビットコインETFは、米国ファンド業界の歴史において最も成功した商品の一つとなっており、米国の主要資産運用会社、銀行及び証券会社は、機関投資家及び個人投資家向けに、ビットコインのカストディ、売買及び融資サービスを提供、又は提供準備を進めております。 このような環境下において、当社は2024年4月、日本の上場会社として初めて「ビットコインスタンダード」を採用し、ビットコインを主要準備資産として位置付けました。当社は、上述した構造的変化を見据え、また、ビットコインを中核とする上場事業会社モデルが、規律ある資本市場アクセス及びビットコイン関連事業の構築を通じて、1株当たりBTC数量ベースで株主価値を向上させ得るとの考えのもと、本戦略を推進しております。 その後、当社は継続的にBTC保有残高を拡大しており、2026年5月12日時点のビットコイン終値ベースにおけるBTC保有残高の時価総額は約5,140億円に達しております。また現在、当社は日本の上場会社の中でも極めて強固なバランスシートを有する企業の一社となっており、BTC担保融資に特化した米国及びグローバル金融機関との連携を通じ、必要に応じて数億米ドル規模の流動性アクセスを可能とする資金調達体制を構築しております。 2026年5月時点において、当社は日本の上場会社が保有するBTC全体の約87%を保有しております。当社は、今後も継続的かつ規律あるBTC蓄積を推進していく方針です。同時に、当社は暗号資産市場の制度化及び機関投資家化の進展にも備えております。 2026年4月10日には、暗号資産に対する金融商品取引法上の規律整備を含む同法改正案が閣議決定されました。当社は、同改正案が、暗号資産に関する投資家保護及び資本市場制度の整備を進展させる重要な制度改革であると認識しております。なお、当該改正案は、今後の国会審議等を経て、2027年度中の施行が見込まれております。 当社は、この変化を単なる外部環境の変化として捉えているわけではありません。また、今後も受動的な立場に留まることを意図しておりません。当社は、規律と忍耐をもってBTC保有を拡大するとともに、その基盤上で機能するサービス及び事業の構築にも取り組んでおります。当社は、日本を基盤とする先進的なデジタル資本プラットフォームとして、中長期的にはグローバル展開も視野に入れております。 今後10年間において、ビットコイン及びデジタル資本市場は、日本及び世界において、黎明期から制度化・機関化の段階へと移行していくものと考えております。これに伴い、新たな担保基準、決済インフラ及び新たな金融商品群の形成が進展していくものと見込まれます。 当社は、単なるBTC保有企業にとどまるのではなく、新たなデジタル金融市場における発行体、カウンターパーティ及び事業パートナーとして、その中心で事業を展開していくことを目指しております。日本国内における制度整備の進展、BTCを裏付けとしたクレジット市場の拡大及びグローバル決済インフラの成熟を背景として、当社はこれら三つの成長領域が交差する地点に位置していると考えております。 当社は、ビットコインを中核とする上場事業会社として、中長期的な株主利益の向上及び日本のビットコイン関連資本市場への参加拡大を目指しております。当社は、今後も継続的にBTCを蓄積し、1株当たりBTC数量の成長を重視しながら、規律ある資本配分を行ってまいります。 また、中長期的には、当社のBTCポジションをより生産的かつ持続的なものとするため、資金調達機能、事業基盤及び機関投資家ネットワークの構築を推進してまいります。当社の取り組みは、通貨及び資本市場の構造変化という大きな潮流の中に位置付けられるものであり、当社は、日本におけるデジタル資本市場の発展にも貢献してまいります。
もっと見る