かんぽ生命保険 2027年3月期第1四半期決算 経常収益：1兆3643億8500万円（前年同期比-4.9%） 経常利益：692億8800万円（同+2.8%） 純利益：341億2600万円（同-1.5%）

📣6月24日(水)21:00～📣 本日21:00〜です。 山田太郎Works第4弾！防災DX PT提言(後編) ～PLATEAUとデータスペースが変える防災の未来！～【第692回】(2026/06/24) #山田太郎のさんちゃんねる#

📣6月24日(水)21:00～📣 山田太郎Works第4弾！防災DX PT提言(後編) ～PLATEAUとデータスペースが変える防災の未来！ ～【第692回】(2026/06/24) #山田太郎のさんちゃんねる#

【アップデート】 Game Pitching+を1.0から2.0にバージョンアップしました ■背景： 従来方式の課題は、打者が振るか見送るかという最初の分岐と、その後に起きる結果を、1つの多クラス分類で同時に学習させていた点です Swingの判断、空振りやファウル、見逃し時の判定は発生構造が異なります これらをまとめて扱うと、それぞれの条件付き確率を個別に最適化しにくく、頻度の異なる結果が同じ損失関数の中で競合します また、BIPのxwOBAcon回帰は平均的な打球品質を評価するには有用ですが、低頻度ながら失点影響の大きいHRと、通常のインプレーを同じ連続値の中で扱います そのため、平均的な打球品質の推定に引っ張られ、HRというテールリスクが薄まる可能性がありました ■Game Pitching+2.0概要： Game Pitching+ 2.0では、まずTake/Swingを予測し、その条件下でWhiff/Foul/InPlay、またはCalled Strike/Ball/HBPを予測します さらにBIP時のHR確率を独立して推定します 投球結果が発生する順序に沿ってモデルを分解することで、それぞれの確率を適切な対象球だけで学習できる構造にしました ■モデル検証： 検証では2022〜2024年を学習期間とし、2025年を完全な未学習データとして使用しました 確率校正は2022〜2023年で一時モデルを学習し、2024年でTemperature Scalingを実施 2025年に100回以上を投げた共通127投手について、FIP、K-BB%、SIERAとの関係を比較しました ■検証結果（Pearson相関の絶対値）： FIP：.588 → .761 K-BB%：.683 → .840 SIERA：.692 → .853 3指標平均は.654から.818へ改善しました Pitching+ 2.0では、球質・位置・状況を別々に評価して後から足すのではなく、最初から1つの投球価値として学習する設計を採用しています

【情報が命を守る―日常時と非常時の区切りがないフェーズフリーの防災DX基盤を整備し災害関連死ゼロへ！】今回のさんちゃんねるは、防災DX PT提言・後編です。災害対応の現状と課題、防災庁設置に向けた取り組み、そして提言の個別具体的な内容を解説しました。 防災DX PT提言は、能登半島地震の視察をはじめ、現場の実情をもとにまとめられています。 主な内容は以下のとおりです。  ・防災DXに必要な技術とデータ基盤  ・有事のデータ連携と支援体制  ・防災・防衛・産業が連携する「トリプルユース」  ・防災庁設置とデジタル防災の推進 政治の最大の仕事は命を守ることです。災害が起きてからではなく、有事に備えて今何ができるのか。自分事として考えるきっかけとして、ぜひアーカイブをご覧ください。 アーカイブはこちら👇 山田太郎Works第4弾！防災DX PT提言(後編) ～PLATEAUとデータスペースが変える防災の未来！～【第692回】 #防災DX# #さんちゃんねる#

カプコン 2027年3月期第1四半期決算 カプコン1Q。絶好調 売上高：704億1000万円（前年同期比+54.7%） 営業利益：410億5400万円（同+66.9%） 経常利益：414億5200万円（同+81.1%） 純利益：291億5900万円（同+69.2%）

🐡 もう「どのLLMが最強か」を一つに絞って悩む時代は、終わるのかもしれません。 タイトル: Sakana Fugu Technical Report URL: Sakana AI の Fugu は、複数のフロンティア LLM を部下として束ね、タスクに応じて最適な布陣を自動で組む「指揮官（オーケストレータ）モデル」です。注目ポイントを3つに絞って紹介します。 🧭 学習された司令塔 Fugu は事前学習済みバックボーンに軽量な選択ヘッドを載せ、隠れ状態から最適なワーカーモデルをロジットで直接選びます。自己回帰生成を挟まないため、単一のフロンティアモデルを呼ぶのと同等の低遅延を保てるのが巧みです。 🕸️ ワークフローを動的に自作（Fugu-Ultra） 上位版はタスクを自然言語のワークフローとして書き下し、サブタスク分割・担当割り当て・通信戦略まで設計します。最大5ステップで討論型・逐次連鎖・木構造といった多エージェント協調を、問題ごとに組み立てます。 📊 単体モデルを超える成績 SWE-Bench Pro で 73.7 点（Claude Opus 4.8 の 69.2 を上回る）、GPQA-Diamond 95.5、LiveCodeBench 93.2 など主要ベンチで公開モデル最高水準。エージェント型コーディングでは「世代交代級」の 5〜6% の相対改善を達成しました。 巨大化ではなく賢い"指揮"で最先端へ。新しいスケーリング軸を示した一本です。 #SakanaAI# #LLM#