Tomoyuki Hiroyasu

Doshisha University （同志社大学）でbrain informatics　の研究をしています。MRIやfNIRSを主に利用しています。その他、生体情報を人工物にいかにとりいれるか、医用画像をどのように知的に処理するのかなどの研究も進めています。進化計算やHPC関連にも接しています。

[Itaru Tomita / 冨田到 @itarutomy]

論文を「良い/悪い」で評価するのではなく、「どこをどう直せば良くなるか」だけを届けるAIシステム「PaperMentor」が公開された（https://arxiv[.]org/html/2606.08857v1）。

LaTeX論文執筆環境Overleafに直接統合されており、12の専門エージェントが序論・手法・結果など各セクションを分担してレビューする。NeurIPS・ICLR・COLMの査読コメント350本と研究者執筆ガイド32本をClaude Opus 4.5で蒸留・人手で品質確認した知識ベース（40以上のスキルファイル・1万6千語超）に加え、ターゲット学会の規定とユーザーが指定したお手本論文を参照してコメントを生成する。

たとえばこんなコメントが届く。

「手法セクション『標準的な手順でハイパーパラメータを調整した』は再現不可能。探索範囲・選択基準・試行数を明示せよ。ACLでは完全な再現情報が求められる」

文章の改変は一切しない。著者が読んで、判断して、書き直す。

80論文・14名のAI研究者による評価では、コメントの90.6%が行動可能（何をすべきか明確）、67.5%が妥当（内容が正確）と評価。スキルライブラリなしのGPT-5.2直接利用と比べると妥当性+6.5ポイント、行動可能性+4.1ポイントの改善。ただし知識ベースに沿う分コメントが長文化しやすく、簡潔さでは劣った。

指導教員へのアクセスが限られる若手研究者への格差縮小を目的に、オープンソースで公開中（https://github[.]com/jiarui-liu/overleaf）。

[Interesting things @awkwardgoogle]

During a World Cup football match, a QR code appeared on the stadium screen.

After fans scanned it, thousands of phone flashlights inside the stadium were synchronized to form a coordinated light display across the stands. 🤯

[Masaki Toda｜Lipple inc. @masaki_lipple]

https://t.co/237I6aaLUP

[Koder @koder_dev]

AIに書かせた文章特有のAI臭さって、100%手書きと比べてやはりどこか違和感あるけどモヤモヤしてたけどこの記事がうまく言語化してくれてて助かった

書式設定とか、禁止ワードとかそういう小手先のテクニックじゃないよなーやるべきはと改めて思った

自分もskill作ってみよ
https://t.co/zAlpMtJ2IC

[Yuki Kamitani @ykamit]

京大の全学共通科目「統計入門」（主に1回生向け）、今年から教科書を拙訳『統計的思考 ― 再現性の危機を超えて』に切り替え、現代風の統計入門授業を模索している。補助教材「数理サプリメント」を作成中　https://t.co/P3DM3ZKVdh

[عبدالله محمد الجدعاني @Abdullhaljedani]

خبر سار للباحثين!

جوجل أطلقت PaperBanana، أداة ذكية تحول نص المنهجية في بحثك فورًا إلى رسوم وأشكال أكاديمية احترافية.
مجانية بالكامل ‼️
هل جربتها ..؟

↴ ✿ رابط الأداة 🔗 :
https://t.co/T28Ou24qjI

[しー｜Notion公式アンバサダー @Sealabo19]

note書きました！

AIに“私の文脈”を渡すためのNotionコンテキストDBを作った話

色んな情報をNotionで管理している人はぜひ👇️

https://t.co/0jyJ3n4CE8

#Notion #note

[医療統計start-upサロン @tokei389950]

表の3線のルールのコメントで
「項目が増えたら見にくいんでしょ？」
と鋭いご意見を頂いたので対応しました。

これでどうでしょうか。
白/灰の交互色に変更して
長い行を追いやすくしました。

ちなみにですが、
医学系で左の表は絶滅危惧種です。
私は見たことがありません。

[Hiroshi Shinaoka @HShinaoka]

大学教育システムも根本的に変わるべきだと思う．参考:
Test-Driven, AI-Assisted Learning
https://t.co/SGfEwFIQfY

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📝Claudeでスライドを作っている人で、まだClaude Design経由でスライドを作ったことが無い人は、ぜひ1回だけてもいいからチャレンジしてみてほしい
私たちがいつも悩む「修正する」という点にメチャ特化してて感動する

生成後のスライドに対して、、、
①マークアップ：変更したい部分だけペイントのように選択してピンポイントの変更指示
②コメント：変更部分に複数コメントを付けて一括変換
③編集：フォント、大きさ、色などパワポのように編集できる
④微調整機能追加：スライド全体の雰囲気をワンタップで変更できる微調整機能を作れる

ただ変更後はサクッと戻せないので注意
戻す際はもう一度AIへの追加指示となります

Claude Designがあれば、
・デザインシステムで自分好みのブランドカラーやフォントで安定したデザインで生成
・生成後、編集機能で細部を詰める
・編集完了後にパワポやHTML形式でダウンロード

という流れも可能

騙されたと思って1回だけでも使ってみてほしい　↓

[はやたす@著書【Pythonブートキャンプ】 @hayatasuuu]

PyTorch公式チュートリアルが
日本語版で無料公開されてる。

・テンソルの基礎と操作
・データセット・DataLoader の使い方
・ニューラルネットワーク構築と自動微分
・転移学習・物体検出・DCGAN の実装
・Transformer・RNN・機械翻訳
・深層強化学習（DQN でゲームプレイ）
・TorchScript・ONNX・Flask によるデプロイ
・音声処理（torchaudio）・モデル量子化

PyTorch を日本語でゼロから体系的に学びたい人に最適。

https://t.co/fE7mbTkJ3Z

[オープンソース研究所 @opensourcelab9]

PDFを「AIで使えるデータ」に変換するなら、もうこれ一択かもしれません👇

Microsoftが出した MarkItDown。

・契約書PDF → Markdown
・決算Excel → Markdown
・営業資料pptx → Markdown
全部AIにそのまま投げられる形になる。

資料を貼ってAIに要約・分析させてる人は、入れた瞬間ラクになります。
★15.2万、納得です。
https://t.co/8CiZCz51IS

[Phoenix Yin @Phoenixyin13]

我认为这是学术圈的Cursor时刻。

斯坦福 REAP 团队出手，https://t.co/DqcfgF2Dbf 正在批量终结传统实证论文的体力劳动。

链接：https://t.co/PnfQ94fyAm

如果说之前用大模型写论文只是帮你润色和编参考文献，那斯坦福罗斯高教授团队搞的这个 Project算是在社科和经济学实证圈扔下了一颗核弹。

大道至简，重剑无锋。它的功能很干脆。
喂进去原始数据集，30分钟内，就可以创造出包含全套 Stata/R 代码和 publication-quality 图表的完整 DOCX 论文。

它把 EDA、变量定义、计量模型构建（从 OLS 到高级的 DID、断点回归、因果森林）全部用 Agent 链串了起来。

跑出的每一张图表，底层都附带了 100% 可重复的 Stata、R、EViews 源码。这会砸掉了多少劣质论文代写和数据民工的饭碗？

数据民工、论文代写集体失业正在倒计时。
因为此后，对于社科类论文，AI 负责了所有的熵增拉扯，人类只需要负责定义问题。

[開発室Graph @stu3dio_graph]

チューリングの自動運転ほんとうにうまくなってきて，こういう首都高の合流や出口も危なげなくこなせるようになってきました。うまい運転をシェアしまくれるフェーズになってきたことを本当にうれしく思います

[Riley West @rileywestreel]

Monica Lam (Stanford Professor):

"AI writes shallow reports for one reason, you ask it ONE question. Our method asks dozens, like a journalist, and the same chatbot starts writing articles 25% better organized than top AI."

paper presented at a leading AI research conference, her Stanford lab (OVAL) unveiled STORM - a method already used by 70,000+ people to generate Wikipedia-grade, fully-cited articles on topics it has never seen.

the secret formula: 6–8 expert perspectives + cited expert interviews + ruthless outline + grounded section-by-section writing + blind-spot red team = a report you can actually trust.

watch the full breakdown to copy all 5 prompts into Claude.

save this post so the formula is ready when you need it.

[Rudy Willingham @RudyWillingham]

130 paper cutouts of OG Anunoby’s tip-in for the New York Knicks (aka the greatest play in NBA Finals history )

[SkalskiP @skalskip92]

RF-DETR keypoints reaches 71.8 AP on COCO at 9.8ms on an NVIDIA T4.

we wrote up how the model gets there, including the keypoint queries, uncertainty head, loss setup and multi-resolution inference.

blog: https://t.co/GL7EEHoup4

[医療統計start-upサロン @tokei389950]

メイリオが古くさい。ダサい。
と言われがちなので今話題の
Noto Sans JPさんと比較してみたら

Noto Sans JPさんの視認性の高さに
度肝を抜かれました。

これは次回から｢メイリオ｣か
｢Noto Sans JP｣さんか悩む。
とりあえずBIZ UDゴジックは自分の中で
選考から外れました。ベンチです。

[オープンソース研究所 @opensourcelab9]

【海外で話題】
論文の「調べる→書く→直す→仕上げる」を丸ごとAIに任せられるSkillsが★3.1万😳
academic-research-skills

何ができるかというと👇
・先行研究のリサーチ
・本文の執筆サポート
・査読目線でのレビュー
・修正→最終仕上げまで一気通貫

つまり
研究の全工程をAIが伴走してくれるってこと。30秒で導入OK。
https://t.co/uOTPCBZJj9

[Itaru Tomita / 冨田到 @itarutomy]

活性化ベースのfMRI研究で「脳のこの部位が○○を表現している」と発見したケース、そのうち73%が偽陽性だった（https://arxiv[.]org/html/2605.23895v1）。

fMRI（脳血流の変化を3D画像化するスキャン）では長年、「ある概念の画像を見たとき強く反応する脳領域 = その概念を表現している」と解釈してきた。しかしこれには落とし穴がある。「サーフィン画像で強く反応する領域」が、サーフィンそのものではなく、水面・人体のポーズ・砂浜という相関特徴に反応しているだけかもしれない。有力手法MindSimulatorがサーフィンの脳表現として「発見」を主張していたのが、実態はこのケースだった。

BrainCauseはこれを生成AIと因果推論で解決する。対象概念について3種の画像セットを自動生成する。概念を含むポジティブ画像、概念だけを除去した反事実画像（「顔」なら動物の顔に置換、「テキスト」なら文字を図形に変更）、視覚的に似た別概念の意味的ネガティブ画像。fMRIエンコーダでこれら全ての脳反応を予測し、「ポジティブへの反応が他の2種を一貫して上回る領域」だけを発見とみなす。

260概念・4人の被験者（7テスラfMRI、約4万ボクセル）で検証。従来手法の偽陽性率73.4%をBrainCauseは23%まで削減し、真陽性率は26.6%から38.7%に改善。顔選択領域（FFA）との整合性90%、身体選択領域（EBA）99%を達成。「手書き文字」「記号サイン」「ロゴ」が文字視覚処理領域（VWFA・OWFA）の異なるサブ領域に分かれて表現されていることも、空間制約なしで自動発見した。

「このAIニューロンは猫に反応しているが、本当に猫を表現しているのか」という解釈可能性研究の問いが、今度は人間の脳に向けられている。活性化から因果へのシフトが、AIと脳科学で同時に進んでいる。