みやちゃ

インターネット中学生。楽しみにしてるぜ。Tweets are my own.

[みやちゃ @mya626]

音楽・DJ用のアカウント @Altair_music_dj を作りました！ぜひフォローしてください！

[みやちゃ @mya626]

YANSの締切思ったより近いな、がんばらねば……

[みやちゃ @mya626]

なんか起きちゃった 絶対睡眠時間足りてないので二度寝するけど

[山本祥武 | Google Cloud @yoshitake_l]

テーブルデータから学習なしでいきなり予測(回帰/分類)を行うモデル

自分の常識では考えられないような技術だなあ…。

[みやちゃ @mya626]

鶏胸肉1kg茹でた 喰らう

[遊坂(ユウサカ) @2askayu1]

#アークナイツ
←運営から聞いていたリラックマ コラボイベント
→運営から聞いてないクマー( ´ºωº` )アッ

[みやちゃ @mya626]

他人の自撮り行為や自撮り写真ツイート、微笑ましく感じる時と冷ややかな心の動きになるときがあって、その差が自分でもわからずにいる

[みやちゃ @mya626]

歳ローグちょっとやってend5体験したんだけど、強化版のラストステージ難しすぎやしないか……🤔 飲み込んで浮くドラゴンとか術攻撃当てないと壊れない器とかドカドカ出てきてないちゃった

[みやちゃ @mya626]

鍵引用って敵対的行為だと思っているのでされるたびやだな〜と思っていたが、最近はむしろ鍵引用してくるような奴の琴線に触れるような、心を乱すようなツイートを(Twitter運用ポリシーの範疇内で)していきたいねの気持ちがある 鍵引用着くかな〜と思ってしたツイートに鍵引用着くともはや嬉しいもん

[catnose @catnose99]

（どうですSakanaさん、Naniを買いませんか？）

[みやちゃ @mya626]

これやりたい

[みやちゃ @mya626]

dkさんが撮ってくれた、Kodokushi(baile funk edit)をかけてるみやちゃです

[みやちゃ @mya626]

さいきんviralな感じのfunkやらphonkやらhardtekkやらがわかりはじめてきたのでここらへんまとめつつ元から知ってたジャンルとの親和性を見極めながら織り交ぜてくDJしたくなってきたな

[みやちゃ @mya626]

韓国行ってる人ちらほらいていいな〜

[みやちゃ @mya626]

@yumaEZ お誕生日おめでとうございます〜！！！🎉🎉🎉
またクラブで会ったらよろしくね〜！

[みやちゃ @mya626]

にゃーん(社会性フィルター発動‼️)

[🌭犬(SSR🐈) @Takanas0517]

https://t.co/2sxOGS08AC
あげた

[桜兎めう🪸Vtuber @SMeu_channel]

歳ローグライク END5に進むための攻略手順を
分かりやすくまとめました！良ければ活用してください✊
※更新後一度クリアしないと開放されないので注意

[alphaXiv @askalphaxiv]

“Program-as-Weights”

LLMs are great at fuzzy functions like log triage, JSON repair, and intent classification, but calling a big model on every input is slow, expensive, and not local.

This paper compiles the fuzzy function once from a natural language spec into a small neural program, a pseudo-program plus a LoRA adapter.

A frozen 0.6B interpreter then runs it locally, matching Qwen3 32B prompting on FuzzyBench while using about 50x less inference memory and running around 30 tok/s on a MacBook M3!

[alphaXiv @askalphaxiv]

"Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training"

RL post-training usually updates every Transformer layer, but the gains are not spread evenly through the model.

Especially with how most of the improvement comes from a few middle layers, sometimes training just one layer matches or beats full-parameter RL.

So this paper turns it into a simple recipe. By training or boosting the high-contribution middle layers, they show that you can outperform standard full RL with fewer changes.

[みやちゃ @mya626]

@yanoibara お誕生日おめでとうございます！！！🎉🎉🎉

[みやちゃ @mya626]

WurtSのTalking Box (Dirty Pop Remix) https://t.co/OM2jFgLSMA