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 5-2で自動周回をする不正者が多数捕捉確認されました。不正者に関する個別具体的な報告は避けますが、全体の中ではごく少数であってもこういった行為が継続的にあるようであれば、API
5-2で自動周回をする不正者が多数捕捉確認されました。不正者に関する個別具体的な報告は避けますが、全体の中ではごく少数であってもこういった行為が継続的にあるようであれば、API 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
5-2で自動周回をする不正者が多数捕捉確認されました。不正者に関する個別具体的な報告は避けますが、全体の中ではごく少数であってもこういった行為が継続的にあるようであれば、API を含む検索結果
提督の皆さん、お疲れさまです。 本日18:30以降、月次作戦「六月作戦」の結果及び同武勲褒賞配信も実施してまいります。 またそれと前後して今夏に不正行為が確認されたユーザーへのアカウント停止処置を含む対応も進めています。 #艦これ# #月次作戦# 今夏は、少なからずマクロ/BOTなどの使用や規約違反などの不正行為が確認されています。不正者に対しては月末に限らず、順次任意のタイミングで対応処置を実施してまいります。 ※マクロ/BOT/自動化ツールなどを反復使用するユーザー(=もはや提督ではありません)が、ごく一部ですが確認されています。課金等の有無/大小に関わらず、必要な措置を行います。 ※本件は該当者の追跡調査を継続して調査確認中です。 ※不正利用者の捕捉と確認作業には毎回大きな人的リソースを必要としています。従いまして順次の確認と対応処理になります。現在処置されていないからといって、不正を続ける行為はお止めください。 ※今回は特に#5-2で自動周回をする不正者が多数捕捉確認されました。不正者に関する個別具体的な報告は避けますが、全体の中ではごく少数であってもこういった行為が継続的にあるようであれば、API#/通信構造も少しずつ更新していき、不正者を捕捉/対処しやすいようにさらにリソースを割いてでも対応を進めます。 ※不正行為や接続を捕捉及び同確認が完了した場合は、課金状況に有無や大小に関わらず、任意のタイミングでアカウント停止処置(BAN)等の必要な処置を順次実施いたします。大変恐縮ですが、予めご了承ください。
もっと見る
商品や人物の動画を、ぐるっと360°回しても「同じもの」のまま生成できるでしょうか🔄 OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images 4枚のマルチビュー参照画像から、被写体の一貫性を保った周回動画を生成する手法です。 🧱 注目ポイント1: 3D整合なデータを自動合成 同じ3Dメッシュから、周回ターゲットと90°間隔の4つの参照ビューを描画します。背景は動画インペイントで生成し、各段階をVLMでゲートします。キュレーション費用は合計約120ドルで、約4,000本のShowcase-4Kとして公開予定です。 📐 注目ポイント2: 法線マップを「文脈」として渡す 4枚の参照から3D Gaussianを作り、法線のターンテーブルをWan2.1にLoRAで与えます。ターゲットとのフレーム単位の対応付けが不要で、参照を1枚から4枚に増やすとDINOが0.702から0.799に上がります。 📊 注目ポイント3: 3D指標で大差 ShowcaseBenchで3DreamBoothと比べ、GT-CDは0.1717から0.0824、MEt3Rは0.325から0.190へ改善しました。ユーザースタディでは各基準で70.9〜79.4%の票を獲得しました。 2D参照を増やすより3Dジオメトリが効く、という示唆が得られます。ただし非剛体は苦手です。 #動画生成# #コンピュータビジョン#
もっと見る
AIエージェントの性能はモデルだけで決まらない——ハーネスの設計次第で大きく変わります。 TL;DR JIT-Agentはタスクの特性に応じてエージェントハーネス(スキャフォールド)をジャストインタイムで自動生成・修復・進化させる専用モデルです。GLM-5.2で+7.7pt、DeepSeek-V4-Flashで+8.8ptの平均向上を達成し、9ベンチマーク中8つでGPT-5.6を含む全フロンティアモデルを上回りました。 タイトル: Scaling Harness Intelligence via Just-in-Time Harness Evolution URL: ポイント 🧩 ハーネスを「学習可能なアーティファクト」として定式化 メモリ・計画・アクション・能力オーケストレーションの4モジュールプロトコル h = (M, P, A, F) でハーネスを形式化。生成空間を制約しつつ13種類の既存ハーネスを全て表現できる設計です。 🎓 教師あり→修復→進化の3段階訓練 ステージIで教師生成ハーネスを学習、ステージIIで実行失敗時の修復を学習(最大2反復)、ステージIIIのEvo-GDPOでパレートフロンティアを前進させる新規ハーネスを進化的に探索します。 📊 精度向上とコスト削減を同時達成 xBench-DeepSearchでスコア78→82(+4pt)の一方、トークン消費は527K→212K(▲60%)、コストは$0.075→$0.039(▲48%)。9ベンチマーク平均で固定ハーネス比36%のトークン削減を実現しています。 ⚡ 複数モデルファミリーに転移可能 JIT生成ハーネスはDeepSeek V4(+10.2pt平均)、Mimo V2.5(+8.6pt)、Qwen 3.6(+4.0pt)でいずれもReActを上回り、ハーネス生成器を再訓練せずに転移できます。 🔄 ストリーミングモードで運用中も進化 デプロイ後もタスクシーケンスをまたいでハーネスを蓄積・更新する「オンライン進化」を実装。静的生成より全評価ベンチマークで上回ります。 ベースモデルのスケーリングと独立した「ハーネス知性」という新たなスケーリング軸の提案として注目です。 #AIエージェント# #LLMスケーリング#
もっと見る
シルバーウィークが近づき、行楽地などへのお出かけの際に、自動車を利用される皆様も多くいらっしゃると思います。 令和7年中は、交通事故による死者数が2,547人(前年比-116人、-4.4%)と、統計が残る昭和23年以降で最少を更新しました。 しかし、飲酒運転や大幅な速度超過といった「悪質な運転行為」による悲惨な交通事故は後を絶ちません。 こうした「悪質な運転行為」に対して、より厳正に対処するため、本年6月、『自動車運転死傷処罰法』と『道路交通法』を改正しましたので、ご紹介します(本年7月21日から施行)。 <『自動車運転死傷処罰法』の改正について> 『自動車運転死傷処罰法』に規定されている「危険運転致死傷罪」は、「危険・悪質な運転行為」によって人を死傷させた者について、最高で20年の拘禁刑という刑を科すものです。 しかし、どのような行為が、「危険・悪質な運転行為」、例えば「アルコールの影響により正常な運転が困難な状態で自動車を走行させる行為」に該当するのかといった判断にばらつきが生じやすく、適用が難しいという問題がありました。 そこで、今回の改正により、「危険・悪質な運転行為」の明確な基準を定め、その基準を超えた場合には、一律に ・「アルコールの影響により正常な運転が困難な状態で自動車を走行させる行為」や ・「道路・交通の状況に応じて重大な交通の危険を回避することが著しく困難な高速度で自動車を運転する行為」 に該当し、「危険運転致死傷罪」の対象とすることとされました。 具体的な「基準」は、 ・アルコール: 呼気中アルコール濃度0.5mg/l以上 ・高速度: 最高速度が60km/h以下の場合 最高速度+50km/h以上 最高速度が60km/h超の場合 最高速度+60km/h以上 です。 なお、基準未満であっても、一定の要件を満たせば、「危険運転致死傷罪」の対象となります。 また、公道上で、 ・やむを得ない事情がないのにあえて車体を横滑りさせながらカーブを曲がる ・二輪車の前輪を浮かせて後輪だけで走行する などの行為によって死傷事故を起こした場合などについても、新たに「危険運転致死傷罪」の対象に追加されました。 <『道路交通法』の改正について> 人を死傷させる事態に至らなくても、「酒酔い運転」は、『道路交通法』により、最高で5年の拘禁刑が科されます。 今回の改正により、「酒酔い運転」についても、 ・呼気中アルコール濃度0.5mg/l以上 という明確な「基準」が新たに設けられました。 こちらについても基準未満であっても、一定の要件を満たせば、「酒酔い運転」の対象となります。 これらは、一律に重く処罰される基準であって、決して、基準を超えなければいいというものではありません。 身勝手な判断が、取り返しのつかない結果を招きます。 「飲酒後は絶対に運転しない」、「制限速度を守る」といった基本的な交通ルールの遵守を、改めて、お願いします。 <秋の全国交通安全運動について> 9月21日から「秋の全国交通安全運動」が始まります。 例年、交通事故死者数は、秋から年末にかけて増加する傾向にあり、飲酒運転による重大事故の増加といった特徴もみられます。 飲酒運転をした人はもちろん、飲酒運転しようとする人に車両やお酒を提供した人、飲酒運転の車両に同乗した人も罰則の対象となります。 「飲酒運転を絶対にしない、させない」という「飲酒運転を許さない社会環境」の醸成に取り組んでまいります。
もっと見る
【超速報】つくばで自動運転バスの運行が開始される【ライブ配信】 → レベル2で本格運行、定員は15人 無人運行のレベル4は令和9年度を目指します。
もっと見る
TL;DR: k-means をEMAで最適化する e-means は、Lloydの25エポック分の損失に約1.4〜2.6エポックで到達します。ハイパーパラメータの調整も不要です。 e-means: outperforming k-means (in one-tenth the epochs) ポイント ・⚡ 約1/10のエポックでLloyd法25エポックの損失に到達(論文の報告) ・🔁 EMAでクラスタの個数と合計を更新し、セントロイドは S/N で読み出し ・🌊 ステップ幅はコサインで減衰 ・🩹 死んだクラスタは5バッチごとに分割で復活(効果が最大) ・📐 減衰率とバッチサイズはスケーリング則で自動設定。スイープ不要 ・🚀 DINO10B(100億埋め込み)を約2.5エポックで1,600万クラスタに分割 ・🖥️ Flash-KMeansに対し壁時計で9.5〜45.5倍の高速化 スケーリング則は主にDEEPデータで当てはめたものなので、極端な設定では精度が下がるとのことです。 大規模埋め込みのクラスタリングが一気に軽くなりそうです。 #機械学習# #kmeans#
もっと見る
7月6日からトランプ口座の運用が開始。 2025-2028年生まれの赤ちゃん全員に千ドルが配られ、S&P500で自動運用。 政府試算では満額積立で「55歳で20億円」との効果も。 こどもNISA開始前の準備運動としてぜひご参考ください!
もっと見る
# Hermes Agentの機能と実践的な使い方 🚀 事実を覚えるだけでなく、「この人はどういう人か」を対話から推論し続けるメモリです。使うほど提案が的中する「自分を理解しているエージェント」を実現します。 📌 タイトルと機能のURL タイトル: Honcho Memory URL: 📝 概要 HonchoはAIネイティブなメモリバックエンドで、単純なキー・バリュー保存を超えます。会話のたびに「対話推論(dialectic reasoning)」を行い、ユーザーの好み・コミュニケーションスタイル・目標・行動パターンを自動的に導出して、時間とともに深まるユーザーモデルを構築します。 🔧 機能の説明 ・対話推論は多段解析です。Pass 0で初期評価、Pass 1で自己監査による抜け漏れの特定、Pass 2で矛盾を最終統合へ調整します(深さ1〜3)。 ・新規ユーザーには好みや目標を探るコールドスタート問い合わせ、既存ユーザーには現在の文脈を優先するウォームセッション問い合わせを使い分けます。 ・組み込み記憶が静的な事実の手動管理であるのに対し、Honchoはサーバー側プロファイルで自動推論を行い、結論に対するセマンティック検索やマルチエージェントのピア分離を可能にします。 ・honcho_profile(ピアの識別カード読み書き)、honcho_search(記憶・結論のセマンティック検索)、honcho_context(要約を含むセッション文脈の取得)、honcho_reasoning(指定深さでの統合推論)、honcho_conclude(結論の作成・削除、PII管理に有用)の5ツールが統合されます。 🛠 実践的な使い方 ・`hermes memory setup honcho` でガイド付き設定を行います。設定は `~/.honcho/config.json`(グローバル)または `$HERMES_HOME/honcho.json`(プロファイル単位)に作成されます。 ・主要な設定キーは、`contextCadence`(基本文脈の更新間隔)、`dialecticCadence`(LLM推論の間隔)、`dialecticDepth`(多段の深さ)、`recallMode`(hybrid / context / tools)、`writeFrequency`(async / turn / session)、`apiKey` / `peerName` / `aiPeer` / `workspace` です。 ・既定の hybrid モードでは、基本文脈と対話推論の補足が自動的にシステムプロンプトへ注入され、ツールも併用できます。 ・Honchoを有効化すると `hermes honcho status` などのサブコマンドが利用可能になります。 🎯 ユースケース ・長期アシスタントとして、数ヶ月にわたるユーザーの作業上の好みを追跡する。 ・コーディング用と個人秘書用のアシスタントが同じユーザーに対し独立したモデルを保ち、文脈の混線を防ぐ。 ・繰り返しの話題の再説明を減らし、セッションスコープの注入で提案精度を上げる。 ⚠️ 注意点 ・推論の深さに比例してコストが増えます(深さ2〜3はLLM呼び出しが増えるため、cadence設定で調整します)。 ・新規ピアはバックグラウンドのプリウォームが必要で、間に合わない場合は上限付きの同期フォールバックが働きます。 ・recallModeのtoolsモードはエージェントに制御を委ねますが明示的な推論呼び出しが必要で、contextモードはツールを隠すため柔軟性が下がります。サーバー側に状態を持つため、ファイル記憶からの移行にはデータエクスポートが必要です。 #HermesAgent# #Memory#
もっと見る
元GoogleとShape Securityの幹部らが、AIによる詐欺やディープフェイクを検知する新セキュリティ企業「Reken」を、2024年の設立から2年間の非公開開発(ステルスモード)を経て始動させた(https://finance[.]yahoo[.]com/technology/ai/articles/reken-launches-stealth-build-internet-141400682.html)。 背景にあるのは深刻な不信の広がりだ。2026年のRBC調査では「証明されない限りオンラインメッセージは詐欺だと思う」と答えた人が83%、FBIの報告では2025年のサイバー犯罪被害額が209億ドル(前年比26%増)に達し、AI関連の被害報告だけで2万2000件を超えたという。 Rekenが出したのは「Reken Private Core」という、クラウドのAIモデルを都度呼び出す仕組みではなく端末上(オンデバイス)で完結するAIセキュリティ基盤だ。通信データを外部に送らずローカルで脅威を判定するため、GPUを積んだ特別なサーバーも追加のAIトークン課金も不要で、一般的なハードウェアだけで動く。届いたメッセージの脅威判定に加え、乗っ取られたチャネルに紛れ込んだAIボットや自動化された挙動を見つけ出すセンサーも備える。このコア上で動くプロダクト群は自動で連携し「Reken Network」という信頼レイヤーを形成、参加組織同士は安全にやり取りでき、外部からの通信も自動で危険性が分析される。 第1弾プロダクト「Northstar」は、フィッシング研修そのものを不要にすることを狙った、はたらく人のためのAIアプリだ。CEOのShuman Ghosemajumder氏(元Google Trust & Safety創業者、Gmail立ち上げにも関与)は「企業は日々数百万時間分の人手と数十億ドルを、効果のないセキュリティ研修に費やしている」と指摘する。Northstarはソーシャルエンジニアリング(人の心理的な隙を突く詐欺の手口)やディープフェイク、ビジネスメール詐欺(BEC)といった、人間の目では見抜きにくい脅威を必要な瞬間に検知し、社員が自分で見抜こうとする必要をなくす。 共同創業者のRich Griffiths氏は、AIボット防御大手Shape Security(2020年にF5が10億ドルで買収)を築いた人物。GreycroftとFPV Venturesが主導する1000万ドルのシード資金を調達済みで、元GoogleのIPO(新規株式公開)を主導したGreycroftのMarcie Vu氏が取締役に就いている。
もっと見る
LLMエージェントの「考える」と「話す」は、実は同じ言語でやらなくてもいいかもしれません。 タイトル: Hybrid Reasoning Agents URL: ❓ 潜在空間で考えるエージェントって何が違うの? 💡 普通のLLMエージェントは、考える時も行動する時もすべてトークン(言葉)に変換しながら処理します。監視はしやすい一方で遅く、効率が悪いという課題がありました。一方「潜在推論」は言葉に変換せず隠れ状態のまま考えるので速いのですが、ツールを呼んだり人間が内容を追跡したりしにくいという別の欠点がありました。 ❓ Hybrid Reasoning Agentsはどう解決したの? 💡 HybridLinkという軽量な橋渡しモジュールを使い、1つのエージェントの中で「言葉で考えて話すモード」と「隠れ状態のまま考えるモード」を動的に切り替えます。切り替えのタイミングは、隠れ状態の意味が終了を示すトークンの埋め込みに十分近づいた時に自動で判定されます。 ❓ 本当にその両立はできているの? 💡 11種のベンチマークで検証した結果、GAIAで52.4%(既存手法ARPOの43.7%を上回る)など、エージェント推論タスクで平均10.4%の性能向上を達成しました。しかもテキストトークンの使用量を35.5〜54.7%削減しつつ、推論速度は1.8〜2.6倍、計算コストは2.7〜3.7倍も削減しています。 ❓ 潜在思考の中身は本当に「考えている」の? 💡 隠れ状態を最も近いトークン埋め込みに復号すると、人間にも読める疑似テキストが得られます。潜在部分をランダムなトークンに置き換えると性能が49〜51%も落ちることから、見せかけではなく実質的に推論へ使われていることが確認されました。 #AIエージェント# #推論効率化#
もっと見る