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 見るしかなしこちゃん
見るしかなしこちゃん 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
見るしかなしこちゃん を含む検索結果
TVアニメ #ぽんのみち# 第8話 放送です🌙 先週は声優として登場した花奈さん。チェックしてくださいましたか?私は5回見ました!笑 第8話も #見るしかなしこちゃん# 🐤💗 放送時間は引用元をご確認ください。 2/28はOPテーマ #ポンポポポン# CDシングル発売です!!こちらもお楽しみに! (staff)
もっと見る
結局さ、日韓ワールドカップの買収や脳天キックにしても、WBCのマウンド国旗立てにしてもさ、なんのお咎めもなしに許しちゃうから、いつまで経っても気づかずにファンタジー脳継続しちゃうんよ あんなもん国際大会3年間出場停止とかしたらいいんだよ。そうでもしなきゃ変わらないよ、この国は。それしても変わらないかもね。韓国の政治家が日本の政治家に泣きついて、取り消してもらうようお願いするのが目に見える。 今回の大統領の無能発言もそうだけど、世界がどう見るかとか全く考えていない。せまーいせまーい世界でしか生きていない。あと、彼らの世界中は日本だけです。日本しか見てないです。なんなんでしょうね。 日本、日本、日本って・・・
もっと見る
最近のMLBの話題にも😊 Polymarketの今期、NL MVP予想を見ると、大谷選手は6月後半には90%前後までありましたが、現在はPCA選手(カブス)に少し追い越される形に。 PCA選手は本日付で、打率.284、27本塁打、73打点、30盗塁、OPS.927まで成績を伸ばしています。 一方、大谷選手も本日付けで、打率.292、27本塁打、74打点、OPS.937と十分MVP級ですが、膝の問題を抱えながらのプレーや直近の打撃不振などが、市場の数字にも表れているように見えます。 じゃあシーズン終了までに大谷選手が何をすればいいか? 私なら、打撃だけでPCA選手を上回るというより、「二刀流」をどこまで高いレベルに持っていけるかが一番大きいと思います。 打者として40本塁打、100打点級まで伸ばしながら、打率やOPSも高水準を維持。 さらに膝の状態を整えて投手として復帰し、先発でもしっかり結果を残せれば、大谷選手にしかできないシーズンになる。 ここまでできれば、文句なしのMVPではないかなと思います。
もっと見る
🗺️ 最先端のGPT-5でも、現実世界の空間タスクの成功率はわずか14.4%——。静止画を眺めて答えるだけでは測れない、AIエージェントの「能動的な空間推論」の弱さをあぶり出す新しいベンチマークが登場しました。 タイトル: SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks URL: 📝 概要 SpatialWorldは、マルチモーダルLLMが視覚のみの一人称視点で、3D環境を能動的に探索しながらタスクを解けるかを測るベンチマークです。屋内・屋外・デジタルゲームにわたる8つの異なるシミュレータを共通プロトコルで統合し、人手で作った760タスクで15の最先端モデルを評価しました。エージェントは事前に与えられた地図や正解の手順なしに、自分で見て、動いて、判断する必要があります。 ❓ 解決する課題 従来の空間推論ベンチマークは、静的なVQAや録画済み動画による受動的な評価に依存していました。しかしこれでは、エージェントが自ら視点を動かして視覚的な証拠を集め、部分的にしか見えない状況の中でその場で計画を立て直す、という現実世界に必要なインタラクティブな空間理解を測れません。静的なシーンを認識できることと、未知の空間で実際に動いて課題を解けることの間には、大きな隔たりがあったのです。 💡 方法論と提案手法 ・課題を視覚のみのPOMDP(部分観測マルコフ決定過程)として定式化します ・エージェントは自然言語のゴールと、ネイティブ解像度の一人称RGB画像1枚だけを受け取り、深度・地図・意味メタデータは一切与えられません ・行動はナビゲーション、視点制御、物体とのインタラクション、タスク完了を含むテキストベースの高レベルインターフェースで指示します ・屋内(AI2-THOR、ProcTHOR、VirtualHome)、屋外(CARLA、EmbodiedCity)、デジタルゲーム(Block3D、Snake3D、ルービックキューブ)の8バックエンドを統合します ・評価は途中の軌跡の一致ではなく、最終的な終端状態がゴールを満たしたかで判定し、人手で妥当性を確認します ・成功率に加え、人間の参照軌跡と比べたステップ効率も測ることで、効率の悪さも可視化します 🎯 ユースケース 家庭用ロボットや自律エージェントの空間能力を、実環境へ配備する前に統一的かつ公平に評価する基盤になります。ナビゲーションと物体操作を組み合わせた長期タスクのどこでつまずくのかを体系的に診断でき、空間推論モデルの改善に向けた厳密なテストベッドとして活用できます。 📊 実験結果 ・15の最先端モデルを評価し、物理タスクの成功率はGPT-5が14.4%、Qwen-3.5-397Bが12.2%、Gemini-3.1-Proが9.2%、Kimi-K2.5が9.2%にとどまりました ・デジタルゲームではGemini-3.1-Proが39.0%で最高、GPT-5が36.4%と続きました ・複雑さ別に見ると、インタラクションのみのタスクは平均50.2%だったのに対し、ナビゲーションのみは8.6%、両者を組み合わせた複合タスクはわずか4.2%まで急落しました ・成功率が近いモデルどうしでも効率スコアは大きく異なり、多くのモデルが試行錯誤に頼って動いている実態が明らかになりました ・環境ごとにモデルの順位が大きく入れ替わり、全カテゴリを支配する万能なモデルは存在しませんでした #AIエージェント# #SpatialReasoning#
もっと見る