生活・総合WG　小・中学校も「探究」に 文科省は3日、「生活科、総合的な学習・探究の時間ワーキンググループ」で、取りまとめ案を示した。小・中学校での「総合的な学習の時間」の名称を、高校と同じ「総合的な探究の時間」にそろえる考えを盛り込んだ。

8月4日(火)の キャッチ＋📺 🎼#報道特集# 「しあわせ運べるように」 作者 臼井真さんが遺したもの 歌に託した震災の記憶と希望をたどる 🏀#八村塁# 世界レベルの技術を次世代へ！ 神戸で中高生約100人が参加する育成キャンプ 🏫#総合的な学習の時間# 授業づくりのヒントを探る 神戸市が中学校教員向けに研修会 📝#NEWS# 地震発生から1週間　 兵庫県がDMATを追加派遣し現地で支援 コメンテーター #サマンサ・アナンサ# #辰巳郁雄# 夕方５時５分から #キャッチプラス#

Tencentのロボティクスチームが、ロボットに「言葉で考えて、絵で確かめながら動く」能力を持たせる基盤モデル「RxBrain」を発表した(https://arxiv[.]org/abs/2607.14187)。 例えば「メガネを畳んでケースにしまう」というタスクなら、RxBrainは「つるを畳む」「ケースに入れる」と言葉で手順を計画し、それぞれの手順を終えた後の映像がどう見えるはずかを画像として想像しながらタスクを進めていく。 背景には、ロボット向けAIが抱えていた分業の問題がある。視覚言語モデル(VLM、画像を見て言葉で答えを返すAI)は「次に何をすべきか」の説明は得意だが結果の見た目までは示さず、逆に世界モデル(world model、未来の映像を予測するAI)は先の状態を絵で示せてもなぜそうすべきかという理由づけは苦手だった。RxBrainは6.2Bパラメータの単一モデルの中で、この2つの機能をMixture-of-Transformers(データの種類ごとに専門の処理経路を用意しつつ注意機構だけは共有するアーキテクチャ)で統合している。 学習データは実ロボットの操作映像、ハンドヘルドグリッパーでの人の動作、一人称視点の日常動画などから自動構築した5万時間超・2150万セグメント。新設ベンチマークRxBrain-Benchの「言葉と画像を組み合わせた計画」タスクではスコア0.68を記録し、既存のエージェント型手法(BAGEL-7B-MoTが0.50、Qwen-Agentが0.43)を上回った。一方、単純な状況理解を問うタスクでは総合スコア72.7にとどまり、Qwen3.5-4B(78.1)には及ばない。先を見通した計画は得意でも、細かい状況認識はまだ既存モデルに一歩譲るというバランスが見える。 さらに、大規模な行動データでの事前学習なしに実ロボットへ応用した結果も興味深い。食卓の準備・メガネの折りたたみ収納・ゴミ捨ての3タスクで平均成功率87%を達成し、ロボット操作の代表的な基盤モデルπ0.5(82%)やπ0(68%)を上回った。 「言葉で考え、絵で確かめる」というアプローチで、ロボットの計画立案を人間の思考プロセスに近づけようとしている点が面白い。

マサチューセッツ大学アマースト校とAdobe Researchの研究チームが、AIエージェントに検索ツールの使い分け方を強化学習で学ばせる手法「GRASP」を発表した(https://arxiv[.]org/html/2607.10463v1)。 LLM(大規模言語モデル)が自分で検索クエリを作り、結果を読み、必要なら再検索する「エージェント型RAG(検索拡張生成)」は、正しい文書を取得できてもハルシネーション(事実と異なる内容の生成)を起こすことがある。論文が挙げる例が象徴的で、「アルバム『Unapologetic』の歌手のボーカルが入ったエミネムのアルバムは?」という質問に、既存手法のSearch-R1(強化学習で検索を学習した先行手法)は検索結果に存在しない歌手名「Kelly Clarkson」を作り出して誤答してしまう。実際は「Unapologetic」はリアーナのアルバムで、リアーナが客演したエミネムの曲「The Monster」の収録アルバム「The Marshall Mathers LP 2」が正解になる。 GRASPはエージェントに意味検索・キーワード検索・段落読み込みという3つのツールを持たせ、GRPO(同じ質問への複数の試行結果を相対比較しながら方策を更新する強化学習の手法)でいつどれを使うかを学習させる。ベースモデルはパラメータ数3Bと比較的小型なQwen2.5-3B-Instruct。報酬は回答の正確さを土台に、正しい文書を読んでいるかを測る項目に最も重い比重0.7を置き、意味検索とキーワード検索の両方が正解文書を拾えているかと手数の効率にはそれぞれ軽めの0.15を配分している。 学習にはHotpotQAだけを使い、2WikiMultiHopQAとMuSiQueには追加学習なしで適用しているが、3つのベンチマーク全体で検索再現率・QA正解率(EM、生成した回答が正解文と完全一致した割合)ともに総合的に最も高い性能を示した。比較対象のIRCoTはGPT-5-miniに思考過程を生成させる手法で検索再現率は高いが、方策学習を伴わないためかQA正解率は伸び悩んでいる。HotpotQAでのGRASPのEMは0.53で、同じくRLで学習したSearch-R1(GRPO版)の0.45を上回った。 アブレーション実験(学習データを絞った専用の実験設定)では、段落読み込みツールを外すとEMが0.510から0.388まで落ちる。粗い粒度の検索結果だけでは、次にどこを検索すべきかの手がかりが薄まってしまうことを示している。 学習後のエージェントは、意味検索で広く探索し、有望な段落を読み込んで裏付けを取り、固有名詞が分かればキーワード検索で絞り込むという、人間の「拾い読み→精読→ピンポイント検索」に似た挙動を自発的に獲得していた。学習済みモデルは1問あたり平均8回程度のツール呼び出しに収束しており、闇雲な検索ではなく効率的な情報収集を学んでいる。

【アップデート】 レポートで使用している重要な評価モデルの説明です ■Game Stuff+ 2.0： 球質の強さを、学習データ上の期待値への寄与として100基準に正規化した指標 ■Game Location+ 2.0： 投球位置の価値を評価する指標 Stuff系の情報は使わずボールカウント、左右、コース、高さ、球種などからその場所に投げた価値を算出 ■Game Pitching+ 2.0： 球質と投球位置の両方及び打順など総合的な指標を踏まえ、各投球が平均的なMLB投手と比べてどれだけ投手有利な結果を生みやすいかを、100基準に正規化した総合指標 ■20-80 Hitting Grade： 打撃内容を5カテゴリで整理する概要指標 Decision、Contact、Damage、Launch Shape、Swing Pathに分け20-80スケールにて評価

【お知らせ】 本日（７月24日）、木原官房長官は、外国人の受入れ・秩序ある共生社会実現に関する関係閣僚会議を開催しました。 ※木原官房長官発言要旨（速報版） 　早朝よりお疲れ様でございました。本日の会議では、本年１月に取りまとめた「外国人の受入れ・秩序ある共生のための総合的対応策」の進捗状況を確認し、これを踏まえた今後の取組の方向性について議論をいたしました。 　関係閣僚の皆様におかれては、本日議論した取組の方向性を踏まえ、引き続き、総合的対応策に盛り込まれた取組を着実に進めてください。あわせて、来年度の概算要求に向けて、必要となる関連予算の検討を進めてください。 　また、出入国在留管理庁の緊急的な体制整備について、速やかに実現をしてください。 　加えて、法務大臣は、外国人が日本語や我が国の制度・ルール等を学習するプログラムの創設に向け、有識者会議での議論を進め、文部科学大臣を始めとする関係閣僚と連携し、一体となって検討を行ってください。 　外国人との秩序ある共生社会推進担当大臣は、外国人の受入れの基本的な在り方について、有識者会議での議論を進め、将来推計等を行いつつ、本年度中に、在留管理の適正化や、日本語や制度・ルール等を学習するプログラム創設の効果等も踏まえた基本方針を取りまとめられるよう、政府全体での検討を行ってください。 　その際、人口戦略本部において策定する一貫した総合的な戦略も踏まえ、整合性を確保しつつ、検討を進めてください。 　また、安全保障の観点からの土地取得等のルールについて、本年夏の取りまとめに向け、検討を加速してください。 　国土交通大臣におかれては、地下水の適正な保全及び利用に向けたルール、国土の適切な利用に向けたルールについて、同じく本年夏の取りまとめに向けて、検討を加速し、法制化を含めた制度整備に取り組んでください。 　私からは以上です。

💡 NVIDIA Corporation $NVDA Q2 FY2027決算 2026-08-26 💰 今四半期業績 - 🟢 EPS：$2.22 (予想$2.09) - 🟢 売上高：$96.22B (予想$92.27B) 📊 重要指標 - 🟢 Data Center売上高：$89.0B (YoY+117%, QoQ+18%) - 🟢 Edge Computing売上高：$7.2B (YoY+27%, QoQ+13%) - 🟢 Non-GAAP粗利益率：75.0% (YoY+250bps) - 🟢 Non-GAAP営業利益：$64.0B (YoY+124%) - 🟢 フリーキャッシュフロー：$21.3B (前年同期$13.5B, YoY+59%) - 🟢 株主還元：Q2で約$26.0B (自社株買い+配当), 残枠約$99.0B - 🔴 Q3ガイダンス粗利益率：74.0%±50bps (QoQ-100bps) 📊 次四半期ガイダンス - 🟢 売上高：$108.0B (予想$104.18B) 📍決算内容の注目ポイント - Vera Rubinプラットフォームがフル生産に移行。CoreWeave、Google Cloud、Microsoft Azure、Oracle Cloud Infrastructure、Nebiusなど主要パートナーでラック稼働を開始。 - Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKRと戦略的パートナーシップを発表し、AIインフラ構築のために$500B超のサードパーティ資本を動員する枠組みを構築。 - Q2に約$26.0Bの株主還元を実施（自社株買い＋現金配当）。残存自社株買い枠は約$99.0B。次回四半期配当は1株当たり$0.25（2026年10月1日支払い予定）。 - Spectrum-6スイッチシステム、Vera CPU、Groq 3 LPX推論アクセラレータなど次世代製品群の量産・出荷を加速。MLPerf Training 6.0ベンチマークでBlackwellが全カテゴリ首位。 - 日本政府・産業リーダーとの連携で世界初の国家AIインフラを立ち上げ。韓国ではSK Telecom、NAVER、Brookfieldとギガワット規模のソブリンAIインフラ構築を推進。 🤵‍♂️CEO (Jensen Huang) コメント 「AIは変曲点に到達しました。AIは実用的な仕事をしており、そのトークンは生産的で収益性があります。今やコンピュートは収益そのものです。需要は加速しています。昨年のこの時期は1つの研究所だけがインフラ構築を牽引していましたが、今日では新しいAIラボやスタートアップの黄金時代を迎え、複数のフロンティアラボが並行してスケーリングし、活発なオープンモデルエコシステムとフィジカルAIがオンラインになっています。米国内外で強いモメンタムがあります。AIインフラの構築はフルスピードで進行中です。フル生産に入ったVera Rubinは、まさにこの瞬間のために作られました。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 5.09T - PER: 32.00 - Forward PER: 23.27 - PEG: 0.29 🎯市場評価 - 株価 (発表前): 📉$209.97 (-1.45%) - 株価 (発表後): 📉$208.5 (-0.7%) - 決算前アナリスト目標株価: $324.48 ($500 ~ $265) A- - 決算総合サプライズ率 (AI推定): 😊7.82% - 決算後目標株価 (AI推定): $214.85 🤖 決算まとめるくん(AI)コメント 「NVIDIA Corporationの2027年度Q2決算は、売上高$96.22B（予想$92.27B）、Non-GAAP EPS $2.22（予想$2.09）と、いずれもアナリスト予想を明確に上回る好決算となりました。特にData Center事業の売上高$89.0B（YoY+117%）は驚異的な成長率を維持しており、AI推論・学習需要の構造的拡大を裏付けています。 Non-GAAP粗利益率は75.0%と前年同期比250bps改善し、売上規模の急拡大にもかかわらず高い収益性を維持しています。Non-GAAP営業利益$64.0B（YoY+124%）は、研究開発費の増加（YoY+54%）を十分に吸収した上での成果であり、オペレーティングレバレッジの強さを示しています。 Q3売上高ガイダンス$108.0B±2%はアナリスト予想$104.18Bを約3.7%上回り、成長の持続性に対する市場の懸念を払拭する内容です。ただし、Q3粗利益率ガイダンスが74.0%±50bpsとQ2比で約100bps低下する見通しである点は、Vera Rubin立ち上げに伴う初期コストの影響が示唆され、注視が必要です。 Jensen Huang CEOが述べた「コンピュートは収益そのもの」という発言は、AIインフラ投資がROIを伴う段階に入ったことを象徴しています。Apollo、BlackRockら大手金融機関との$500B超の資本動員パートナーシップは、AIインフラ需要の長期的な裏付けとなります。 財務健全性の面では、Altman Z-Score 52.22、Piotroskiスコア7と極めて良好です。Q2で$26.0Bの株主還元を実施し、残枠$99.0Bを確保している点も資本配分の積極性を示しています。 一方、中国向けData Centerコンピュート売上をQ3見通しに含めていない点は、地政学リスクへの保守的対応と評価できます。決算発表後の株価が軟調に推移している背景には、既に高い期待値が織り込まれていた可能性があり、ガイダンスの粗利益率低下見通しが短期的な利益確定の口実となった可能性があります。 評価は📈ポヨ」 🏢 NVIDIA Corporation 概要 - セクター: テクノロジー（半導体） - 特徴: AI・アクセラレーテッドコンピューティング分野における世界的リーダー。Data Center向けGPU・ネットワーキングソリューションを中核に、Edge Computing、自動運転、ロボティクス等の成長領域を展開。 🤘情報提供 Stock Slayer :

「物理世界モデル」の新アプローチ——ピクセルを予測する前に「世界がどう変化するか」を言語として推論します。 タイトル: PhiZero: A World Model Built Around Physical Language ❓ 「物理言語（Physical Language）」とは何ですか？ 💡 動画の状態遷移パターンを離散的なトークン列として直接表現する新しい中間表現です。外観（見た目）と動力学（動き方）を分離して学習するため、ソース動画の状態遷移を全く別の視覚スタイルに転送できます。PhiZeroはこの「物理言語」を推論してから動画を生成する「Reason-then-render」パラダイムを実現します。 ❓ 従来の物理世界モデルはなぜ物理的に不自然だったのですか？ 💡 ピクセル空間での直接予測に頼っていたため、動力学がモデル内部に暗黙的に埋め込まれ、見た目のリアルさと物理的整合性の両立が困難でした。テニスボールがゴムアヒルに当たってもアヒルが反応しないような物理的矛盾が生じやすく、推論過程も不透明でした。 ❓ 具体的にどんな性能を達成しましたか？ 💡 6つのベンチマーク全てで最高水準の結果を出しました。 ・Physics-IQ IQ-Score：41.2（前SOTA 39.5を更新） ・WorldModelBench 物理準拠・常識・総合で全て最高スコア ・因果関係理解YoCausal：集約ランク2.0（最高） ・トークナイザーはわずか256トークンでPSNR 28.9の高品質再構成を実現（Wan2.2-5B VAEの175分の1） ❓ ロボティクスや自動運転への応用はどうなりますか？ 💡 物理言語は外観に依存しない遷移表現なので、シミュレーション→実世界（Sim-to-real）や人間→ロボットへのゼロショット転送が実現します。LIBERO シミュレーション動画の物理言語を保存し、リアルな映像で再生したり、人間の動作パターンをロボットに直接適用する実験が成功しています。 #WorldModel# #EmbodiedAI#

╋━━━━━━━━━━━━╋ 　　 高校生向け課題図書 高校1年生・高校2年生・高校3年生 🔗 ╋━━━━━━━━━━━━╋ 『スウィッシュ！』（徳間書店） 著： 藤ノ木 優 『ノアハム・ガーデンズの家』（ゴブリン書房） 著： ペネロピ・ライヴリー　訳： 斎藤 倫子 『平和のうぶごえ 「原爆の子」として生きた80年』（毎日新聞出版） 著： 早志百合子 ーーーーー 📚連載📚 【高校生の読書感想文】探究学習・総合型選抜の ベースとなる力を養う！2026年課題図書攻略法 ーーーーー 読書感想文を通して得られる力は、小論文や総合型選抜の試験など、学校生活や進路に応用可能なスキルになりますよ。具体的には☝ #読書感想文#

6/22とある高校様を訪問し、総合的な探究の時間の話題になった。 どこも困りごと感は似ている。 高校として、どういう方向にしたいかにもよる。 地域の人間として関われる余地は非常に大きいと思うので、少しでもお力になれたらと思います。