【イニブ】『ガンダム EXVS.2』アムロ搭乗“リ・ガズィ”が10月7日参戦。2500コストの万能機 ダミーバルーンや89式ベース・ジャバーを駆使し、精密な射撃で突破口を開く。チャージ射撃はレバー入力の有無で2種類の攻撃が可能。

🗺️ 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#

#近代麻雀水着祭2026# 💖Pick up! Girl💖 📅7月1日 Dグループ出演 ★葵つむぎ @tsumu_cats0219 すてねこキャッツ 水色担当🩵 155cm・黒髪ボブ・アニメ好き✨ 料理や家事全般が得意で、手先も器用な万能ガール🍳 そして今の目標はXフォロワー15,000人！ 達成したらサブ垢開設、20,000人で新しいことにも挑戦予定👀✨ みんなでつむぎちゃんをフォローして、一緒に目標達成を応援しよう📣🩵 ▼キンマーチケット購入はこちら #葵つむぎ# #つむに愛をつむつむ# #すてキャ# #いかなきゃキンマー#

# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # シングル vs マルチエージェント｜Single vs Multi-Agent 🎯 ポイント 「マルチエージェントの方が賢そう」という理由だけで複数エージェント構成を選んでいませんか？ マルチエージェントは万能ではなく、オーケストレーションの複雑性・レイテンシ・コストを必ず伴います。シングルで済むならシングルが最善です。分割の判断基準は「ツール数」「権限分離」「並列実行の効果」の3つです🔑 📋 概要 1つのエージェントで完結させるか、複数の専門エージェントに分割するかは、タスクの複雑さ・ツール数・権限分離の要件・コスト感度によって決まります。シングルエージェントはタスクが単一ドメインに収まり、ツール数が30以下で、レイテンシ要件が厳しい場面で力を発揮します。SlackボットでのFAQ回答やSalesforceの単一レコード検索・更新のように、スコープが明確なタスクはシングルで十分です。マルチエージェントが活きるのは、専門領域が複数にまたがり、法務・経理・人事のように役割ごとに異なる権限とデータアクセスが必要な場面です📊 🔍 意思決定のポイント 判断は以下の順で行います： ツール数は30以下か？ → 30以下で精度に問題なければシングルで十分 権限分離が必要か？ → 法務データと営業データを同一エージェントに持たせると情報漏洩リスク 並列実行の効果は？ → 3つ以上のSaaSを同時に調査するなら並列化の恩恵が大きい レイテンシ要件は？ → ハンドオフのオーバーヘッド（目安1〜3秒/回）を許容できるか コスト制約は？ → オーケストレーション分のLLM呼び出しが追加で発生する 重要なのは、ツール数50超を1つのエージェントに持たせるとツール選択精度が60%以下に低下する傾向があるという経験則です。このラインを超えたらtool RAGで動的フィルタするか、エージェントを分割しましょう⚡ 💡 要点と詳細 段階的拡張が最も安全なアプローチです： 初期はシングルエージェントで構築し、ツール数やタスク複雑性の増加に応じて専門エージェントを分離します。分離の判断基準は「ツール選択の精度低下」と「権限分離の要件」です。 マルチエージェント構成のパターン： - ルーター＋専門エージェント：スーパーバイザがユーザーの意図を判定し、適切な専門エージェントにルーティング。各専門エージェントはシングルとして動作します - 並列実行：Workdayの人事データ、Salesforceの商談データ、Jiraの開発進捗を並列に取得して統合する経営ダッシュボード生成 - エージェントごとの最適モデル選択：高精度が必要な分析には大型モデル、定型処理には高速・低コストモデルを使い分け ServiceNowのインシデント対応では、一次分類エージェント（シングル・高速）が受付し、深堀り調査が必要な場合にインフラ調査エージェント・ログ分析エージェントを並列起動する構成が効果的です🔄 ⚖️ トレードオフ 「とりあえずマルチ」で始めると、実際にはシングルで十分なタスクにオーケストレーションの複雑性を持ち込み、デバッグ困難・コスト増大・レイテンシ悪化を招きます。マルチエージェントの月間LLMコストはシングルの2〜5倍になることも珍しくありません😰 一方、エージェント間の文脈共有を軽視するのも致命的です。ハンドオフ時にコンテキストが失われると、ユーザーが同じ情報を繰り返し伝える羽目になります。共有メモリの設計が不可欠です。 権限分離なしのマルチエージェントも意味がありません。エージェントを分割しても全員が同じ権限で動作していれば、分割の安全性メリットはゼロです。エージェント単位で最小権限を設定してください⚠️ 🛠️ ユースケース 社内FAQ・ナレッジ検索：ツール数10以下、単一ドメイン、レイテンシ重視。シングルエージェントが最適解。無理にマルチにする必要はありません📚 経営ダッシュボード生成：Workday・Salesforce・Jira・Slackの4システムを横断。各システムの専門エージェントが並列にデータを取得し、集約エージェントが統合レポートを生成。ツール数50超・権限分離必要・並列効果大でマルチエージェントの適用が明確です🛒 開発チーム支援：初期はシングルエージェント（GitHub + Jira連携、ツール数15）で開始。半年後にセキュリティスキャン・パフォーマンス分析・ドキュメント生成が追加されツール数40超に。ツール選択精度の低下を検知し、セキュリティ専門エージェントを分離する段階的拡張パターンです🔧 実践のコツ：シングルで始めて、ツール選択精度のモニタリング（正しいツールが選ばれた割合）を計測してください。精度が80%を切ったら分割の検討タイミングです💪 #AIエージェント# #エンタープライズアーキテクチャ#

🧬 「データは多いほど良い」という機械学習の常識が、ゲノム医療の世界では通用しないかもしれません。 タイトル: Transfer learning for genomic prediction in underrepresented populations URL: 疾患リスクを予測するポリジェニックリスクスコア（PRS）は、これまでほぼ欧州系集団のデータで作られてきたため、他の集団に使うと精度が落ちるという課題がありました。この研究では、UK Biobank（欧州系）とBiobank Japan（日本人）のデータ量を変えながら、8つの臨床形質でPRSの精度を検証しています。 注目ポイント1 📉 データが増えるほど良いとは限らない 欧州系データを使った転移学習が日本人向け予測に有利なのは、日本人側のサンプル数がおよそ15,000人に達するまで。それを超えると、むしろ日本人単独のデータで作ったモデルの方が精度が高くなります。 注目ポイント2 🧬 形質によって「賞味期限」が違う BMIのように遺伝的に保存性が高い形質は、欧州データの恩恵が25,000〜40,000人以上まで長続きします。一方、脂質関連の形質など集団固有性が強い形質では、恩恵はもっと早く失われます。 注目ポイント3 ⚖️ 手法選びもサンプル数次第 クロス集団向け手法PRS-CSxは、サンプル数が少ないうちはシンプルな手法に劣りますが、10万人規模に近づくと同等の性能を発揮します。万能な手法は存在せず、状況に応じた使い分けが必要です。 臨床ゲノミクスの公平性を高めるには、各地域のバイオバンク拡充と、形質・サンプルサイズに合わせた戦略選択の両輪が欠かせないことを示す研究です。 #ゲノミクス# #転移学習#

⋱50点30％OFF❣️⋰スタート❗ 9月6日は黒の日！黒水着写真集セール🎉 ⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒⌒ 『ゴージャス☆』 #山田あい# @yamadaaiii0911 ⏰9/13(日) 23:59まで‼️ お見逃しなく👀✨ ⏬ラインナップはコチラ！⏬

【50％還元】マンガ『ハチミツとクローバー』Kindle版全10巻のポイント還元セール開催中。全10巻4400円の購入で2200ポイントも戻ってくる 登場人物が「全員片思い」という切なすぎる恋模様を描く青春マンガ。『3月のライオン』でも知られるマンガ家・羽海野チカ氏による作品

【50％還元】悪魔的グルメマンガ『ドカ食いダイスキ！ もちづきさん』Kindle版がポイント50％還元セール開催中。既刊3巻2277円購入で、1140ポイント還元 限界まで食べることが好きなOLのグルメライフを描くマンガ。最新4巻は9月29日に発売予定