【1F文具売場】 コクヨより新発売の透明文具シリーズ 「TRANSPARENT MECHANISM」が入荷しました。 ラインナップは「ハリナックス・ハコアケ・ドットライナー」の3種類。 透明なボディによる丸見えな内部構造に好奇心をくすぐられる文具です。 皆様のご来店をお待ちしております。

#文房具# #kokuyo# #TSUTAYA南古谷店# コクヨの従来の文具を透明にした新シリーズ、【TRANSPARENT MECHANISM】の商品が入荷いたしましたっ！ 内部の動きが見える様子はいかにもデモンストレーターモデルって感じで、ついつい欲しくなっちゃいますね……！

表形式データの基盤モデル、実は「目的変数だけ」を予測する設計に留まっていました。テーブル全体の変数間の関係そのものを学習させる新しいパラダイムが登場しています。 タイトル: LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence URL: 📝 概要 「Contextual Mechanism Networks（CMN）」という新パラダイムで、目的変数y だけでなくテーブル全体の同時分布p(x, y)を学習し、分類・回帰・欠損値補完・因果構造探索を単一モデルでこなします。 ❗ 解決する課題 既存のPFN系手法は目的変数の条件付き予測のみに特化しており、変数同士の依存構造を明示的に扱えていませんでした。 ⚙️ 方法論 セル単位の埋め込みとデュアル軸トランスフォーマー（24層）で、コンテキスト行とクエリ行の一部をマスクして特徴とターゲットを同時予測する「Context-Conditional Masked Modeling」で学習します。構造因果モデルに基づく合成データで大規模に事前学習しています。 📊 実験結果 TabArena（51データセット）でEloスコア1935（比較対象1818）、BCCO（156データセット）で累積勝数が2.06倍。因果構造の復元でも6データセット中6つでF1スコア最優秀を記録し、パラメータ数はTabFMの4分の1で上回りました。 🔬 ユースケース 分類・回帰だけでなく因果探索にも同じモデルが使えるため、データ分析パイプライン全体を1つの基盤モデルで置き換えられる可能性があります。 #表形式データ# #機械学習#

LLMエージェントに「安全な理由」をちゃんと説明させられたら、それは本当に理解している証拠でしょうか。 オークションやマッチング市場のように、正直に答えることが最善手だと分かっている状況でも、LLMエージェントは最適な意思決定からずれてしまう。ハーバード大学とMITの研究チームは、インターフェースの形やテキストの補助を変えることで、この振る舞いが改善するかを検証した。結果は明確だった。第二価格オークションを上昇クロック形式に変えるだけで、最も性能の悪かったGemmaの平均偏差は-5.3からほぼ完璧な-0.3へと改善。マッチングでも「あなたの提示は拒否されるかどうかを決めるだけ」という安全性の説明だけで、誤り率は4.2%から0.2%まで落ちた。 🔍 ところが本当に驚くべき発見はここからだ。入札が大きく改善したペイオフ安全性の介入では、600件の計画の中で、述べられた安全性の理由に言及したものが一件もなかった。逆に、相手の行動を推測させる信念プロンプトは、それらしい言葉遣いを2%から43%まで増やしたのに、入札そのものは全く変わらなかった。 タイトル: Engineering Simplicity: Simple Mechanism Interfaces Steer LLM Agents URL: つまり、言葉で説明できることと実際に正しく動くことは、ほとんど別物だということだ。エージェントの「理解度」を評価するときは、説明文だけを見て安心せず、実際の決定そのものを確かめる必要がある、という実務上の教訓が重い。 #LLMエージェント# #意思決定#

論文『大規模言語モデルにおける検閲の理解』2026 大規模言語モデルは、もはや単なる情報の検索ツールではない。それは知識そのものとの主要なインターフェースとなり、ユーザーが何を知り、どのように知識を得て、どの視点が可視のままであるかを規定する「アルゴリズム的な認識論的ガバナンス」の 装置へと 変貌を遂げている。 この利便性の裏側で、AIは私たちが知らない間に特定の事実を省略し、論争の的となる視点を中立な言葉で塗りつぶしている。 研究は、この現象を「ハード検閲」と「ソフト検閲」に分けて説明する。ハード検閲は、「その質問にはお答えできません」という明示的な拒否やエラーメッセージとして現れる。 一方、より巧妙で検出が困難なのがソフト検閲である。AIは質問に答えながら、政治的に敏感な詳細や代替的な解釈を静かに欠落させる。ユーザーは完全な回答を得たと錯覚し、隠された情報が存在すること自体に気づかないままになる。 この検閲は、単なる出力時のフィルターによって行われているわけではない。モデルが生まれる前から始まる、多層的な管理プロセスの帰結である。 第一段階は学習データの選別だ。ここで除外された情報は、AIの知識ベースに決して到達しない。 第二段階は「アライメント」と呼ばれる調整工程で、人間からのフィードバックによる強化学習や、独自のルールブックに基づく憲法AIといった手法を通じて、AIが特定の回答を避けるように訓練される。 そして最終段階が、回答を表示する直前に働く推論時モデレーションである。 ＊ 私たちはAIが「嘘をつく」ことを恐れるが、真のリスクはそこにはない。AIは嘘をつかず、むしろ都合の悪い情報を静かに省略することこそが、現代の検閲の正体だからである。 この管理の厳しさは、AIを開発した国の規制や文化によって劇的に異なる。2025年の監査データは、その分断を鮮明に示している。OpenAIのモデルが社会的な話題に対して約1.2％から5.2％の拒否率を示す一方、中国のDeepSeekは、国内の政治的に敏感なウィキペディアの話題に対して平均約31％という高い拒否率を示した。 欧米のモデルも無関係ではない。スタンフォード大学などの調査によれば、OpenAIのモデルは左派寄りのイデオロギー的バイアスを持つとユーザーに知覚されやすく、GoogleのGeminiは比較的中立と評価されている。これは技術的な欠陥ではなく、各企業が置かれた法的・文化的環境が、AIの「常識」を形作っている結果だ。 AIの安全性を確保し、有害な情報や違法行為を防止することは重要だ。しかし、過度なフィルタリングは、正当な議論や少数派の視点を締め出す結果を招く。精神保健や歴史的な出来事に関する正当な議論までもが、アルゴリズムによって過度に規制されるリスクが存在する。 中心にある課題は、AIが検閲を行うかどうかという二項対立ではない。その決定が誰の価値観を反映しており、私たちがその管理の境界線に対して、どのように異議を申し立て、監査することができるかという、民主的な説明責任の問題へと移行している。 — 研究論文『Understanding Censorship in Large Language Models: From Mechanisms to Governance』（大規模言語モデルにおける検閲の理解：メカニズムからガバナンスへ） 2026年 Quanyan Zhu（ニューヨーク大学タンドン工学部 電気・コンピュータ工学科 研究者） arXiv:2606.30661v1 [ 16 Jun 2026

AIの答えが怪しいかを、「同じ答えを何度言うか」に加えて「内部の計算を少し変えても答えを保つか」で測る研究（ 論文では、答えを支える内部計算の不安定さをmechanistic uncertaintyと呼ぶ。Jacobian Lens（中間層の情報が出力にどう影響するかを調べる手法）で、生成前に複数の層が共通して示す語を探す。その方向へ内部表現を強めたり弱めたりし、答えの意味が初めて変わる介入の強さを測る。 小さな介入で変わるほど不安定、大きく変えないと動かないほど頑丈、という見方だ。単に質問の言い回しを変える実験ではなく、モデル内部へ直接介入している。 3モデル、5つの質問応答データで、誤答は正答より平均して小さな介入で変わった。TriviaQAでは、Gemmaの回答一致度を使った誤答判別のAUROCが、この指標を加えると0.653から0.752へ上昇。AUROCは正答と誤答を見分ける指標で、ここでの数値は回答の正解率ではない。 ただし、従来指標への追加がすべての条件で効くわけではなく、安定している誤答もある。内部表現を操作できることが前提なので、通常のチャットAPIだけにそのまま足せる機能でもない。 AIが自信満々に同じ誤答を繰り返すとき、出力の一致だけでは見えない情報を内部の頑丈さから補う。信頼度を一つの数値で決めず、違う仕組みの手掛かりを組み合わせる方向が面白い。

６月に発生したベネズエラ・ボリバル共和国における地震被害に対し、改めて、ベネズエラ・ボリバル共和国の皆様に御見舞いを申し上げます。 我が国は、被災したベネズエラの人々のニーズに寄り添う形の支援として、これまで、緊急援助物資の供与や国際緊急援助隊・医療チームの派遣を行ってまいりました。 ７月１５日には、国際緊急援助隊・医療チームの二次隊が新たにベネズエラに向けて出発しました。 医療チームはこれまでに690名以上の現地の方々を診察しました。 我が国は、350万米ドルの緊急無償資金協力の実施を決定し、世界食糧計画（WFP）、国際赤十字・赤新月社連盟（IFRC）、国際移住機関（IOM）を通じて、食料、保健・医療分野の支援、更にシェルターや生活必需品の供与等の各種人道支援を実施する予定です。 またNGO・経済界・政府による緊急人道支援の仕組であるジャパン・プラットフォーム（JPF）は、日本政府の無償資金協力を財源として、約100万米ドルの人道支援を実施する予定です。 日本政府としては、関係機関・団体と緊密に連携し、引き続き必要な支援を実施していく考えです。 Por los daños causados por el terremoto ocurrido en junio en la República Bolivariana de Venezuela, reitero mis condolencias al pueblo venezolano. Nuestro país ha brindado apoyo que satisface las necesidades del pueblo venezolano afectado, incluyendo el suministro de bienes de ayuda de emergencia y el envío de equipos médicos internacionales de emergencia. El día 15 de julio, un segundo equipo médico partió hacia Venezuela. El equipo médico ha atendido a más de 690 personas hasta la fecha. Además, Japón ha decidido implementar una ayuda de emergencia no reembolsable de 3,5 millones de dólares estadounidenses y, a través del Programa Mundial de Alimentos (PMA), la Federación Internacional de Sociedades de la Cruz Roja y de la Media Luna Roja (FICR) y la Organización Internacional para las Migraciones (OIM), implementará diversas formas de asistencia humanitaria, como alimentos, apoyo en el sector de la salud y la medicina, y el suministro de refugios y bienes de primera necesidad. Además, Japan Platform (JPF), un mecanismo de ayuda humanitaria de emergencia que involucra a ONG, el sector empresarial y el gobierno, implementará una ayuda humanitaria de aproximadamente 1 millón de dólares estadounidenses, financiada por la ayuda no reembolsable del gobierno japonés. El Gobierno del Japón, en estrecha colaboración con las organizaciones e instituciones pertinentes, continuará brindando el apoyo necesario.