🌸まくぽりです！ポートフォリオ作ってみました～☀ これからもよろしくお願い致します🙏！ 👇リンクなどはリプ欄へどうぞ

現在はluatexja-rubyパッケージは独立したドキュメントを持っているんだけど、日本語LaTeX（時にはTeX😱）特有の概念がバンバン出てくるので、フツーのLaTeXユーザがこれを読んでも 「テフをオフチョベットしてリット」 状態になってしまうんですよね🤔 #TeX #TeXLaTeX

Y そのもの（/i ɡʁɛk/）に定冠詞つけると l’y やなうて le y らしい。他の母音字名も le が付く樣なので、どうやら字母名はエリジオンしないといふメタ言語規則がある？ #hrd_fra

数詞もエリジオンしませんよね。le un, la une, le huit, le onze.

黄色い線の「内側」でお待ちください。 请在黄线 “外” 排队等候 Please queue up BEHIND the yellow line

「しにかけている」を変換すると「詩に欠けている」を第一候補に出してくる変換システム、ワイの壊滅的な詩的センスを深く理解していると言わざるを得ない

私語をしている人を見かけたので退出します

Toan seta numaha ku=tekesinotte rusuy !「あの犬をモフモフしたい！」（アイヌ語表現）

中国人の友達と話してたら衝撃の事実が判明して爆笑してる

・太郎は［次郎が正しいと］思った。 ・太郎は［次郎にご飯を食べ］させた。 ［次郎は正しいと］も［次郎にご飯を食べ］も補文。そして ・太郎は［そう］思った。 ・太郎は［そう］させた。 のように全く同じ代理表現化が可能。日本語統語論じゃ当たり前の知見なんだろうけど、自分で気づいて感動。

非話者の間違へるポイントが教材作りの參考になるかと思うたけど、結局「式と核を正確に覺えんかい」いふ身も蓋もない筋肉路線に歸着しさう。 福盛・金濱（2019）エセ大阪辯の音聲學的特徴 doi.org/10.57354/repl.11.0_1

こういう「AI動画で最初に楽しそうなゲーム画面」を作って、それから「これは実際作れるのか？」を議論する開発方式がこれから増えてくと思われる。

古典的なアイヌ語表現を保持できればそれに越したことはない。だが、近代化したアイヌ語がどれだけ見慣れないものになったとしても、そこにもアイヌ語の魂が宿っているだろうことは否定できない。

Wikipediaアイヌ語版をもしやるとしたら、とにかく人手が必要になるけど、どうせ全部ボランティア。そんなことやるヒマあったら教材でも作れよってことだよなあ。「現代生活で使えるアイヌ語表現・場面別500」とかね。

これは常識的解釈の問題でもありますが、常識やコンテキストに依存することや曖昧性も自然言語に内在する性質なので「日本語のバグ」と言って良いと思います。実際、例えば対応する自然な英語ではこうはならないし、「AをBにする」の「する」の意味がAとBと文脈に依存する構造は日本語に特徴的。

あー　シングリッシュのラーだけ由来違うんだ　それでやたら存在感違うのか

潜在的にㅎが隠れてるやつ、안 (안팎)、수 (수탉)、암 (암탉)以外に살もあったのか...！

「AIに文章を評価させると、学習データが多い英語の回答を不当に高く評価してしまうのではないか？」 本論文は、この直感的な疑問に対して、少し意外な答えを示した研究です。 著者は、LLMを評価者として使う「LLM-as-a-Judge」に対し、同じ評価タスクを英語・中国語・中英混在の形で提示し、判定がどの程度変わるかを検証しました。 4つのAPIモデルを用いた実験では、すべてのモデルで英語条件の評価精度が最も高くなりました。一方で、中国語や中英混在に変えるだけで、約11〜14%の割合で「どちらの回答を高く評価するか」という判断が変化しました。これは、僅差のモデル比較では順位や結論に影響し得る大きさです。 ただし、重要なのは、この結果が単純な「英語ひいき」を意味しない点です。英語の正解回答とその中国語訳を比較する検証では、多くの場合、評価者は両者を「引き分け」と判断しました。さらに、引き分けにならなかったケースでも、英語が一方的に有利だったわけではありません。 つまり、本研究が浮き彫りにした問題は、LLM評価者が無条件に英語を好むことではなく、提示言語が変わることで評価の着眼点や判定が不安定になることです。特に中英混在では、回答順序への敏感さも強まる傾向が見られました。 多言語AIを評価する際、英語でうまく機能する自動評価をそのまま他言語に適用するのは危険です。本論文は、評価精度だけでなく、言語を変えたときの判定の揺らぎ、回答順序の影響、翻訳等価な回答への反応を点検する必要性を示しています。 ただし、英語データを中国語・中英混在に変換した際に、元の意味や回答の良し悪しが完全に保たれているかについては、人手による全件確認は行われておらず、この点は研究上の限界として残ります。 Does the Judge Prefer English? Evaluating Language-Switching Invariance in LLM-as-a-Judge. Shaojie Yin. arXiv:2606.14278

AIを使ううえで注意しなければならないのは、言葉の意味が文脈によって少しずつずれていくことに、どう対処するかという点です。 AIは、言葉を単独で理解しているというより、字面や用法の連鎖から、もっともらしい意味のつながりを作り出しています。そのため、ある言葉がどのような歴史的・政治的・思想的文脈のなかで使われてきたのかを見落とすと、一見もっともらしいが、実際には浅い説明になってしまうことがあります。 たとえば、「経済安全保障」という言葉があります。この言葉がいつ登場し、どのような経緯で現在の政治状況、たとえば高市早苗政権と結びついているのかを考えると、そこにはかなり大きな意味の変化があります。単なる経済政策の言葉ではなく、安全保障、産業政策、国際政治、対中認識などが重なり合うなかで、意味が組み替えられてきた言葉だと言えます。 こうした生々しい政治的な言葉に限らず、文学や哲学でも同じ問題は起こります。たとえば、「体験」と「経験」という言葉があります。日常的には似た意味で使われますが、思想や文学の文脈では、身体性、記憶、反復、語り、主観性などとの関係によって、かなり違った意味を持つことがあります。これを文脈なしにAIへ説明させると、もっともらしくはあるけれど、肝心な差異を取り逃がした説明になってしまう可能性があります。 こうしてみると、AIを使うときに問われるのは、AIが正しいか間違っているかだけではなく、むしろ、言葉そのものが歴史や文脈のなかで変化していることを、使う側がどれだけ意識できるかが重要になります。これは「細部」の問題ですが、コンテクストは広い。 この問題は、なので、AIのコンテクストウィンドウとも関係しています。AIが参照できる文脈には限界があります。だからこそ、こちらがどの時代の、どの領域の、どの用法について聞いているのかを明確にしなければ、AIは細部が担う文脈の厚みを十分に扱えません。 AIを使うときは、単に答えを出させることだけではなく、言葉の履歴と文脈をどのように設定するかを考えることが重要になるのですが これも やめて AI で克服はされるでしょうね。

嫌味に聞こえちゃうと思うけど愚痴許して！私はIQが高めで(IQを測定される程度の社不ってこと…🤡)、特に言語理解は155、測定限界値なんだ。うつ病でも高IQの範囲内に留まってしまう。そのためか、医療機関では、主観的に感じている認知力低下などの困難が認めてもらいにくい。

全角还是半角捏