動画生成モデルは「もっともらしい動画」を作れても、「正しい確率で将来を分布できる」かは別問題です。 タイトル: PAWBench: How Far Are We from Probabilistically Aligned World Modeling? URL: 🎯 概要 コインを50回投げたとき表と裏が約50%ずつ出るように、動画生成モデルも「ありうる将来の正しい確率分布」を再現できなければ真のワールドモデルとは言えません。PAWBenchはこの「確率的整合性」を評価する初の体系的ベンチマークで、50シナリオ・11モデルを評価しました。 🔍 解決する課題 従来の動画評価はFIDやFVDなどの知覚品質や多様性に焦点を当ててきましたが、「各結果が正しい頻度で生成されるか（較正）」と「すべてのありうる結果を網羅できるか（網羅性）」を同時に測る指標がありませんでした。 ⚙️ 評価手法 PAWEvalはK=50回の動画生成をGemini 3.5 Flashで終端結果に変換し、全変動距離（TVD）と有効サポート回収率で評価します。投擲・回転・衝突・材料遷移など8種類の物理メカニズムを対象としています。 📊 主要結果 最良モデルのCosmos 3 Super I2VでもTVD 20.5（完全整合=0）に留まります。全モデルの平均TVDは31.2で、有限サンプルで予想される偶然のばらつき（8.33）を大幅に上回ります。「確率精度・広い網羅性・採点信頼性」を同時に達成したモデルは1つもありませんでした。 ⚡ 介入実験の教訓 プロンプトエンジニアリング・結合ノイズサンプリング・LoRA微調整の3つを試しましたが、いずれも部分的な改善にとどまり根本的なギャップは解消されませんでした。モデルは物理的因果介入には過少反応し、非因果的な視覚・テキスト手がかりには過剰反応する傾向があります。 動画生成をロボティクス・自動運転・物理シミュレーションに応用しようとする研究にとって、確率的整合性はこれから欠かせない評価軸になります。 #動画生成# #ワールドモデル#

LLMに「選択肢から選ばせる」とき、考えさせるかどうかを後から調整できたら便利だと思いませんか🤔 ThinkJev: One Thought, Every Budget for Calibrated Typed Decisions ❓ 型付き決定って何? 💡 チケットのルーティングやルール検査のように、固定の選択肢から選び、その結果をコードが実行する決定です。1回の順伝播で選択肢の確率を読めば速いのですが、日付計算のような多段階の決定では間違えます。 ❓ どう解決するの? 💡 学習なしで、1つのQwen3モデルを2通りに使います。考えずに答えるSystem 1と、考えた後に答えるSystem 2を、同じキャッシュ済みプロンプト上で動かします。1つの思考を途中で切って閉じるだけで、予算ごとの精度曲線も得られます。 ❓ どれくらい効くの? 💡 Qwen3.5-27Bでは、直接回答が62.2%、常に考えると82.7%です。anytime方策は81.6%を、思考トークン72%で達成しました。目標5%のとき、System 1は決定の24.5%に答え、実際の誤り率は3.9%でした。 ❓ 注意点は? 💡 事前登録した節約の基準は、すべてのモデルで満たされませんでした。System 1の確信度は「いつ考えるか」の信号としては弱く、思考予算を変えたら較正のやり直しも必要です。 #LLM推論# #較正#

【2026年秋冬】布団乾燥機比較3選｜アイリスオーヤマ vs 日立 vs レイコップ｜冷えた布団を温めたい人はどれ？正直に比べてみた【Amazon購入ガイド】｜kami_item_lab

Claude Security 插件正式公測！這不只是又一個掃描工具，而是把「資安研究員級」的能力直接塞進 Claude Code 終端。 它會像真人一樣讀懂你的架構、追蹤跨檔案資料流、建立威脅模型，再用多代理互相驗證，找出傳統靜態掃描器常漏掉的複雜邏輯漏洞與認證繞過。掃完還能直接產出符合你程式風格的修補建議，人審完就能套用。 這代表什麼？AI 正在把高階資安「左移」到每一位開發者的日常工作流。不用再等資安團隊排程、不用把程式碼丟上雲端，提交前就能自己把關。在 AI 加速攻擊的時代，這等於給防禦端裝上同等級的火力。真正讓「安全寫程式」變成預設，而不是事後補救。 👉🏻推薦實戰流程 1. 輸入 /claude-security → 選 Scan codebase（或 Scan changes） 2. 選擇掃描深度（Medium 通常就夠用，High / Max 更深入但較貴） 3. 等掃描完成（會產生 CLAUDE-SECURITY-時間戳/ 資料夾） 4. 看報告（CLAUDE-SECURITY-RESULTS.md） 5. 再輸入 /claude-security → 選 Suggest patches 6. 選擇要修的 finding（例如 F1、F2） 7. 用 git apply 套用產生的 .patch 檔，自己 review 後再 commit 👉🏻小技巧 • 大專案建議先只掃重點目錄，不要一次掃整個 repo • 掃描是非確定性的，同一段程式碼跑兩次結果可能略有不同 • 修補永遠不會自動套用，一定要人審核 這樣就可以直接在終端裡把「資安掃描 + 修補建議」變成日常工作流的一部分了！

Do you prefer Mihara's front bounce, or her back shake? 😉 你比較喜歡米哈拉的「正面彈跳」，還是她的「背部搖擺」呢？😉 ミハラの「正面バウンド」と、彼女の「後ろの揺れ」と、あなたはどちらが好きですか？😉 #mihara# #nikke# #NikkeGoddessofVictory#

台灣的大家♡ （台湾のみなさま♡） 謝謝你發現我！ 我是桃里蕾亞♡ （用日文寫的話是「桃里れあ」喔♡） 我是一邊當寫真偶像，一邊從事護士和房地產工作的體力最強姊姊♡ 興趣是少年漫畫和高爾夫♡ ┈┈┈┈┈┈┈┈┈┈ 我每天都會在Twitter和Instagram上發佈照片和日常♡ 雖然大多是用日文發文， 但因為每天都有照片更新， 就算只看照片應該也能享受其中的樂趣♡ ┈┈┈┈┈┈┈┈┈┈ 然後… 那些不能在SNS上傳的性感照片，我會放在fantia和BASE♡ 正統的寫真集 → BASE 情色作品 → fantia （我會把連結貼在回覆欄♡） 我會根據內容來區分上傳的平台♡ 希望你也會喜歡我比較大膽的一面♡ 因為這是使用翻譯工具寫的文章， 如果有些地方讓你感到困惑真的很抱歉…😭 希望你未來可以更了解我♡ ┈┈┈┈┈┈┈┈┈┈ #TRE2025# #桃里蕾亞# #桃里れあ# #TSE寫真博覽會#

台灣的大家♡ （台湾のみなさま♡） 謝謝你發現我！ 我是桃里蕾亞♡ （用日文寫的話是「桃里れあ」喔♡） 我是一邊當寫真偶像，一邊從事護士和房地產工作的體力最強姊姊♡ 興趣是少年漫畫和高爾夫♡ ┈┈┈┈┈┈┈┈┈┈ 我每天都會在Twitter和Instagram上發佈照片和日常♡ 雖然大多是用日文發文， 但因為每天都有照片更新， 就算只看照片應該也能享受其中的樂趣♡ ┈┈┈┈┈┈┈┈┈┈ 然後… 那些不能在SNS上傳的性感照片，我會放在fantia和BASE♡ 正統的寫真集 → BASE 情色作品 → fantia （我會把連結貼在回覆欄♡） 我會根據內容來區分上傳的平台♡ 希望你也會喜歡我比較大膽的一面♡ 因為這是使用翻譯工具寫的文章， 如果有些地方讓你感到困惑真的很抱歉…😭 希望你未來可以更了解我♡ ┈┈┈┈┈┈┈┈┈┈ #TRE2025# #桃里蕾亞# #桃里れあ# #TSE寫真博覽會#

台灣的大家♡ （台湾のみなさま♡） 謝謝你發現我！ 我是桃里蕾亞♡ （用日文寫的話是「桃里れあ」喔♡） 我是一邊當寫真偶像，一邊從事護士和房地產工作的體力最強姊姊♡ 興趣是少年漫畫和高爾夫♡ ┈┈┈┈┈┈┈┈┈┈ 我每天都會在Twitter和Instagram上發佈照片和日常♡ 雖然大多是用日文發文， 但因為每天都有照片更新， 就算只看照片應該也能享受其中的樂趣♡ ┈┈┈┈┈┈┈┈┈┈ 然後… 那些不能在SNS上傳的性感照片，我會放在fantia和BASE♡ 正統的寫真集 → BASE 情色作品 → fantia （我會把連結貼在回覆欄♡） 我會根據內容來區分上傳的平台♡ 希望你也會喜歡我比較大膽的一面♡ 因為這是使用翻譯工具寫的文章， 如果有些地方讓你感到困惑真的很抱歉…😭 希望你未來可以更了解我♡ ┈┈┈┈┈┈┈┈┈┈ #TRE2025# #桃里蕾亞# #桃里れあ# #TSE寫真博覽會#

# 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 # Eval Harness｜評価ハーネス 🎯 プロンプトを変えたら品質が下がっていた、モデルが更新されていつの間にか精度が劣化していた――気づいたのはユーザクレームの後でした。評価ハーネスがあれば、デプロイ前に検知できます。 🔥 解決する課題 AIエージェントは確率的であり、コードの単体テストのように全入力に対して正解が決定論的に定まりません。ハルシネーションは個別の目視確認では検出しきれず、LLMドリフト（プロバイダ側のモデル更新による品質変動）は自チームが何も変更していなくても発生します。評価ハーネスがなければ、品質劣化は本番のユーザクレームとして初めて顕在化します。 💡 提案パターン ゴールデンデータセット（入力と期待出力のペア）と自動評価関数（完全一致・LLM-as-Judge・カスタムメトリクス）を組み合わせた評価パイプラインを構築します。プロンプト・モデル・コードの変更ごとにCIで回帰検知を行い、変更がなくても日次〜週次の定期実行でLLMドリフトを検知します。評価はオフライン（デプロイ前バッチ）、オンライン（本番サンプリング）、シャドウ（A/B比較）の3層で実施します。回帰ゲートの閾値は安全性カテゴリでは劣化0件を推奨します。 ✅ 選定条件 使うとき： - エージェントが本番トラフィックを処理し、プロンプト・モデル・コードを継続的に変更する - 品質変化を定量的に示す必要がある（SLA遵守・規制報告等） - ゴールデンデータを作成・維持できるドメイン知識がある 使わないとき： - プロトタイプ段階でプロンプトが日単位で大幅に変わる - 出力がクリエイティブ生成（小説・詩）で正解の定義が困難 - 後段に決定論的検証ロジックがあり誤りが自動修正される ⚠️ 落とし穴 - ゴールデンデータは腐敗します。仕様変更に伴い期待出力が古くなると正しい出力が「回帰」と判定されます。オーナーと最終更新日を付与し定期棚卸ししてください - LLM-as-Judgeも確率的です。温度0でも判定が揺れる場合があるため、重要ケースでは3回実行の多数決を検討してください - ベースラインスコアの更新タイミングを明示的に定めておかないと、劣化が見えなくなります 🔧 実装方針 - ゴールデンデータセット（入力と期待出力のペア）にカテゴリ・評価関数名・期待キーワードを構造化して定義し、カテゴリ別に集計・回帰判定します - 評価パイプラインはオフライン（CI上でのデプロイ前バッチ）、オンライン（本番サンプリング）、シャドウ（新旧A/B比較）の3層で運用します - 回帰ゲートはベースラインとの相対比較で判定し、安全性カテゴリでは劣化0件、一般カテゴリでは概ね2%以内の劣化を閾値とします - シャドウ実行では副作用を持つツール実行をドライランにし、カナリアデプロイではsticky sessionで同一ユーザーを同一バージョンに固定します - ゴールデンデータにオーナーと最終更新日を付与し、仕様変更に伴う腐敗を定期棚卸しで防止します #AIエージェント# #ソフトウェアアーキテクチャ#

📖 【獨家首發】九野雛乃《女友感九宮格：專屬戀人拍立得相簿企劃》 @hinano_kuno0525 是否曾覺得平時最多只能拍 5 張拍立得，意猶未盡？ 這次，我們特別為喜愛九野雛乃（九野ひなの）的您，推出前所未有的「九宮格女友戀愛紀念相簿企劃」！ 將九野雛乃最迷人、最溫柔的女友質感，完整封存於這本專屬於您的實體相簿中！ 最後限時訂購： 📸 突破極限！一次解鎖 8 張極致合照： 打破以往拍立得限購張數限制，現場一次為您拍攝 8 張雙人合照，加上正中央 1 張九野雛乃專屬 Solo 拍立得，完美收納成精美的「九宮格主題相貌」！ 現在購買會多送一張九野雛乃SOLO拍立得！最終可獲八張合照＋兩張SOLO拍立，total 十張！！！ 🎲 沉浸式情情情境抽選 · 擺出專屬情侶 Pose： 現場特設情境抽籤，您將隨機抽選不同主題情境，與九野雛乃一起擺出獨一無二的默契 Pose！ 例如： 😡 「不小心惹她生氣」：嬌嗔微嗔的可愛瞬間！ 💌 「充滿愛的告白」：眼神電擊的深情對視！ 🤝 「甜蜜手牽手」：宛如街頭約會的自然十指緊扣！ 🖊️ 每一張皆有親筆簽名： 9 張拍立得全部帶有九野雛乃的親筆簽名！（照片不含署名，但相簿會有署名＋簽名） 相簿封面將特別為您寫上 「您的名字 ＋ 九野雛乃親筆簽名」，打造世上唯有一本的專屬戀愛紀念冊！ 完成拍攝後，九野雛乃會在你面前簽上八張合照，及在相簿上簽名！ 💡 【舉辦這個企劃的心意】九野雛乃一直以來都以極具親和力與「女友感」的治癒氣質深深吸引著大家。為了讓大家不再留有「拍不夠」的遺憾，我們特別規劃了這個充滿互動趣味的全新項目。希望大家能像真的情侶一樣，記錄下歡笑、撒嬌與甜蜜的每一個瞬間，把這份最飽滿的滿足感帶回家！ 🎟️ 【極度限量】由於拍攝與簽名時間較長，本特別企劃名額極度有限！想將這本充滿故事的「女朋友相簿」帶回家嗎？請立即鎖定席位，預訂您的專屬心動時刻！