ウィスコンシン大学マディソン校とUCサンタバーバラ校の研究チームが、複数のAIエージェント同士が協力する場面で「探索」がうまく機能していないことを示す論文を発表した(https://arxiv[.]org/pdf/2607.11250)。 まず単純な設定で確かめている。1つのAIエージェントに、成功確率60%のピアAと50%のピアBのどちらかへ作業を繰り返し委任させる「2本腕バンディット」問題(手持ちの選択肢を試行錯誤しながら良い方に絞り込んでいく、探索と活用のトレードオフを扱う古典的な意思決定問題)を50ラウンド行わせた。理想的には最初は両方を試しつつ、徐々に成功率の高いピアAへ寄せていくのが正解になる。ところがQwen2.5-7B、GPT-4、GPT-5のいずれも、最初の数ラウンドでどちらか一方に固定してしまい、そのまま50ラウンド動かなくなる「早すぎる決め打ち」を起こした。比較用に置いた古典的な探索アルゴリズムUCB1(不確実性の高い選択肢を楽観的に評価し、試行回数を自然に分散させる手法)はきちんと両方を試しながら徐々に絞り込んでおり、対照的だった。 著者らはこれを「マルチエージェント探索問題」として定式化し、部分観測確率ゲーム(POSG、各プレイヤーが相手の能力や状態を完全には観測できないまま、同時に意思決定を繰り返すゲーム理論の枠組み)としてモデル化した。興味深いのが、エージェントに「探索と活用のバランスを取れ」とプロンプトで明示的に指示するだけの手法(In-Context Exploration)が、複数の文書をまたいで証拠を集めないと解けない質問応答ベンチマークHotpotQAを使い10体のエージェントに文脈を分担させた設定では、ランダムにピアを選ぶより成績が悪くなったことだ。プロンプトで頼むだけでは探索は直らず、構造的な仕組みが要ることを示している。モデルの種類が異なる4体(GPT-5、Qwen2.5-7B、Llama3.1-8B、Mistral-7B)を混ぜ、大学院レベルの専門知識を問う難しい選択式ベンチマークGPQAで解かせた実験でも同じ傾向が出た。最も強いはずのGPT-5でさえ、297回の相互作用のうち294回をQwen2.5-7Bに固定し、他のエージェントをほとんど試さなかった。 そこで著者らが提案するのがMACE(Multi-Agent Contextual Exploration)。各エージェントの選択を文脈付きバンディット問題として扱い、ピアの回答が自分と違うか(応答の多様性)、他のピアと比べて特徴的か(ピア間の異質性)、過去の成績はどうか、といった関係性を特徴量にしてLinUCB(不確実性ボーナス付きで期待報酬を推定する手法)でピアを選ばせる。HotpotQAで学習したパラメータを、追加学習なしで別の質問応答ベンチマーク2WikiMultihopQAに転用しても全ベースラインを上回った。理論面では、MACEの累積後悔(最適な選択との差の総和)がO(√(T log T))に収まる一方、探索しない貪欲な方策はΩ(δT)の後悔を負うと示されており、δはエージェント間の能力差の大きさを表す。エージェントが多様であるほど、探索の価値は際限なく大きくなる計算だ。 個々のモデルの賢さを積み上げても、「誰に何を聞くか」を決める仕組みが伴わなければ組織としての精度は頭打ちになる、という指摘として読める。

ラオス人民革命党中央宣伝部のカムモン・チャンタチット副部長：中国の発展の青写真は非常に明瞭だ。しっかりとした理論の支えがあるだけでなく、具体的な行動に確実に移すことができる。我々が共に目撃したように、中国はすでに最初の100年の奮闘目標の実現に成功し、小康社会を全面的に築き上げた。もう一つの大きな成果は、『一帯一路』共同建設イニシアチブや人類運命共同体の構築を打ち出し、世界が手を携えて協力することを力強く推し進め、民心の通じ合いを促進していることだ。

# Palantir Foundryを学ぶ 🚀 データセットを「業務オブジェクト」に変える最初の一手。オブジェクトタイプの設計が、後段アプリの性能とUXをほぼ決めます。 📌 タイトルと機能のURL タイトル: オブジェクトタイプ URL: 📝 概要 オブジェクトタイプは、現実世界のエンティティやイベントのスキーマを定義するものです。1件の実体は「オブジェクトインスタンス」(例: 従業員「Melissa Chang」)、複数のまとまりは「オブジェクトセット」(例: すべての在籍従業員)として扱います。これはデータセットが行と絞り込み行集合を扱う構造に対応します。 🔧 機能の説明 ・主キーと同一性: オブジェクトはインスタンスを一意に識別する主キーを必要とします。データソースをオブジェクトタイプにマッピングすることで、アプリ上でオブジェクトを生成・表示できます。 ・プロパティ: オブジェクトの特性を定義します。編集専用プロパティ、必須プロパティ、複数タイプで再利用する共有プロパティなどの構成が可能です。 ・プロパティ型: 時系列データ、地理空間情報、構造体(struct、入れ子の複合プロパティ)など多様な型をサポートします。 ・表示と検索: タイトル/表示の設定や検索インデックスにより、アプリ内での発見性を高めます。 ・値型(Value Types): バージョン・権限・制約を備えたカスタム値型で、オントロジー全体に標準化された表現を与えられます。 🛠 実践的な使い方 ・従業員ディレクトリや基幹データを「従業員」オブジェクトタイプに接続し、生のデータセットを操作可能なオントロジーのインスタンスへ変換します。 ・主キー設計を最初に固め、検索インデックスを適切に張ることで、後段アプリの検索性能とUXを担保します。 ・構造体プロパティで階層データを自動マッピングし、共有プロパティと組み合わせて再利用性を高めます。 🎯 ユースケース ・顧客マスタを「顧客」オブジェクト化し、全社で一意の顧客像を扱う。 ・センサーを持つ設備を時系列プロパティ付きでモデリングし、稼働履歴を保持する。 ・拠点・店舗を地理空間プロパティでモデリングし、地図上での集計・検索を可能にする。 ⚠️ 注意点 ・主キー設計・プロパティ型・検索インデックスの選択が、後段のアプリ性能とUXをほぼ決定します。最重要のモデリング判断として慎重に設計してください。 ・オブジェクトを生成・表示するには、データソースをオブジェクトタイプへ正しくマッピングすることが前提になります。 #PalantirFoundry# #Ontology#

Seedance2.5 プロンプト： 何気ない休日を、仲のいい友だちが撮った30秒間のVlog風個人ホームビデオとして作成せよ。参照画像のネオレトロな2Dフラットアニメ調の画風のまま、30秒は約12個の短いショット（各2〜3秒）のハードカットのモンタージュで構成する。各ショットはすべて別の場所・別の瞬間で、1ショット＝1つの小さな出来事。トランジション効果やフェードは使わない。撮っているのは仲のいい友だちなので、被写体は完全にリラックスしていて、カメラに笑いかけ、物を見せに来て、話しかける（言葉は聞き取れない）。ポーズや演技ではなく、友だちにだけ見せる素の表情。 メイン被写体 全ショットを通じて同じマカちゃん。顔立ち・髪型・体型・耳風アクセ・衣装・画風は参照画像に完全に従い、最初から最後まで完全に一貫させる。 ロケーション 夏の午後から夕暮れの、小さな商店街とその路地。コインランドリー、アーケード、八百屋の軒先、ガチャガチャの機械、たい焼きの屋台。生活感のある、少し古びた温かい商店街。群衆、広告、認識できるブランドはなし。 カメラ / ビジュアルスタイル 全ショット共通：友だちが構える手持ちの家庭用カメラの文法を2Dアニメのまま再現。自然な手ブレ、不完全なフレーミング、時折のピントの迷い、露出のゆらぎ、軽いモーションブラー、少し抑えた色。スタビライズ、ジンバル、ドローン、スローモーション、劇的な照明はなし。 ショットリスト（順番通り、各2〜3秒、すべてハードカット） 1. コインランドリーのベンチで足をぶらぶら。ラムネの瓶をレンズに掲げてみせる。 2. 回る洗濯機の丸窓に顔を近づけ、目をぐるぐるさせてふざける。 3. 商店街ののぼりの間から、ひょこっと顔を出す。 4. ガチャガチャの機械を真剣な顔でゆっくり回す。 5. カプセルを開けると狙いと違う。一瞬固まってから大笑いし、中身をレンズに見せに来る。 6. たい焼きをはふはふ。ひと口分をカメラに差し出す。 7. 八百屋の軒先で店先の猫と目が合い、そっと小さく手を振る。 8. 水たまりをわざとぴょんと踏んで、してやったりの顔でカメラを見る。 9. 突然のにわか雨。たい焼きの袋を抱えて笑いながら走る。 10. アーケードの軒下。手招きして撮影者を隣に並ばせ、ふたりで雨を見る。 11. 夕焼けのアーケードで、くるりと一回転して笑う。 12. 両手で大きく手を振る。その途中、およそ00:29で録画は突然ブラックアウトに切り替わる。フェードアウトなし。 物理的リアリズム 2Dアニメでも信ぴょう性のある物理を維持。手、指、足、髪、雨、ラムネ瓶、カプセル、たい焼きの袋は自然に振る舞う。余分な指、融合した手、歪んだ体、浮遊物、消える物体、突然の変形はなし。足は地面に適切に繋がったまま。ショット間で被写体と光の時間帯を一貫させる。 オーディオ 自然な環境音のみ。ショットごとに環境音も切り替わる。洗濯機の回る音、商店街の遠いざわめき、ガチャのハンドル音、雨音、アーケードの屋根を叩く雨、言葉として聞き取れない話し声と笑い声。音楽なし。ナレーションなし。人工的な音響効果なし。 最終的な雰囲気 12個の何気ない瞬間を並べただけなのに、あとで見返すとエモいと感じる映像。商業作品ではない。ミュージックビデオではない。友だちのカメラに残っているマカちゃんの休日の記録。楽しくて、懐かしく、温かく、即興的で、深く人間的。カメラがたまたまそこにあったような感じを優先。

「老化を止めたいなら筋トレをやれ」は半分正しくて、半分間違っている。 老化で最初に落ちるのは筋力じゃない。瞬発力だ。研究では、瞬発力の低下は筋力の低下より早い年齢から始まり、進行も速いことが示されている 普通のスクワットは筋力を維持する。だが速筋線維という、瞬発力を生む発電インフラには十分な信号を送れない。 瞬発力低下→バランス低下→転倒リスク増加→自立喪失。これは老化そのものではなく、使っていない機能から先に消えるという、身体の設計上の仕様だ。 ジャンプスクワットはこの仕様に直接介入する。 【瞬発力という若さの指標】 ジャンプの伸張反射と着地の高速収縮は、同じ負荷の普通のスクワットより強く速筋を叩き起こす。「歳を取って動きが遅くなった」の正体は、筋力の低下ではなく、この瞬発的な動員が習慣的に不足しているだけだ。 【骨密度という老化の物理指標】 普通のスクワットに着地の衝撃はない。ジャンプスクワットは着地時の機械的ストレスが骨に直接伝わり、骨のリモデリングを促す。骨密度は年齢とともに一方的に失われていくものではなく、負荷をかければ応答するインフラだ。 【GLUT4という代謝の若さ】 加齢で進む代謝機能の低下は、糖を細胞に取り込む経路の反応が鈍ることでも起きる。 筋収縮はGLUT4という糖輸送体を細胞膜表面に移動させ、インスリンに頼らず血中の糖を筋肉に取り込む。メカニズムとしては、ジャンプスクワットの瞬間的な高強度収縮のほうが、この経路を短時間でより強く稼働させる可能性が高い。 Rhonda Patrick博士が提唱するエクササイズ・スナック理論では、1日3回・1〜2分の高強度動作を日常に差し込むだけで全死亡リスクが40〜50%低下する。 ジャンプスクワットはこの枠にそのまま収まりながら、瞬発力・骨密度・糖代謝の3つに同時に介入できる、数少ない自重種目だ。 ▼ プロトコル ・8〜10回 × 3セット ・足は肩幅、しゃがんでから真上に跳ぶ ・着地は音を立てず膝で吸収する ・エクササイズ・スナックとして1日のどこかに分散させて差し込むだけでいい 私は毎食後、血糖値調整の為に行なっている。すぐ得られた実感として、午後の活力低下が激減した。ランチ後はコーヒーよりジャンプスクワットを推す。 老化は一方的な下り坂じゃない。使わない機能から先に消えていく仕様だ。だったら使えばいい。

リブ・コンサルティング様のYouTube「AIジダイ」に弊社AI Ops Managerの荒木が登壇しました！ ・商談準備は3時間が5分に！ ・営業の立ち上がりは半分に！ ・Webページ制作は10日が1日に！ AIを具体的にどうやって現場に定着させたか、初めて本格的に話しています💪 ぜひご覧ください！🎥 <要点> １） 商談準備は3時間から5分になりました。 最初はDeep Researchに会社調査をさせていましたが、20ページのレポートは読まれませんでした。 トップ営業の思考をヒアリングして要素に割り、20体のエージェントに1つずつ調べさせて集約する形に変えたら、やっと使われるようになりました。 ２） 営業のロープレもAIで自作しました。 先輩やマネージャーの時間を使わずに無限に練習できるので、立ち上がりが大体半分になりました。 時間をかけたのはツールではなく、「どうなったら合格か」の言語化です。 ３） Webページは社内のものを全部Vercelに移して、GitHubで管理するようにしました。 10日かかっていたページが1日で終わるようになりました。 効率化して余裕ができたから、前からやりたかったことに高度化に着手することができました！ ４） 組織への広げ方ですが、個人の活用が浸透しきる前に、組織で解こうとしても入りません。 「これチームで共有した方がよくない？」に自分でぶち当たる人が半分を超えて、やっと組織の話になります。 一気にやろうとして失敗した話もしています。 ５） AI推進は、実はAIがあまり関係ないです。 「課題を見つけて設計する。理想と現実のギャップを言語化する」 これをやっていない会社は、うまくいかないです！ 続きは動画をご覧ください！

2012年に登場した「ふるさとチョイス」が最初とされる。総務省の調査では2024年度のふるさと納税の94.5%がサイト経由で、自治体から事業者に2559億円が支払われた。 【きょうのことば】寄付仲介サイト　ふるさと納税返礼品掲載、大手4社でシェア9割 - 日本経済新聞