#SENJO 岡山大会ありがとうございました！
また来れるように頑張ります💪🏼

ミクとこんな試合したのに帰路で
「煮麺美味しい…食べますか？🥺(ｵﾒﾒｷｭﾙｷｭﾙ)」
とか言ってきて脳バグるかと思いました。ｶﾜｲｲ

#Evo_pw https://t.co/ert0RIbpjN November 11, 2025

超絶便利なレタッチ（加工ソフト）EVOTOが11/30までセールやってるよ！うしじまによる、EVOTOがどういう人におすすめかの簡単な記事まとめもあるのでぜひ読んでみてくれ！ https://t.co/509JHrQuuQ November 11, 2025

EVO版コンパスみたいなの欲しい
装備ターンエンドで相手に何も影響を与えないのがなぁ November 11, 2025

ずっと気になってたEVOMETALのForce買っちゃいました😁
B100のガンメタに合わせてノブもガンメタ！
このビジュアルの良さはもちろん最高ですが、表面加工のお陰でワームオイルが付いた指でも滑りにくいのがチニングには有難い👍

B100への取り付けは追加でカラーなど調整不要で、シムだけ追加しました https://t.co/iKam3YLu5B November 11, 2025

#EVOX2 + OCulink事例※はあちこちで見ます。が、MS S1-MAXも同じAMD
Ryzen AI Max+ 395 ですが、M.2 スロットの仕様が異なるため“カードスロット経由のOCulink接続“は難しいかも？😌
※ Ryzen AI MaxのLLMとAI画像生成の性能は？OCuLinkでどちらも快適に♪「GMKtec EVO-X2」(後編)
https://t.co/ZMVAIF5UC3 November 11, 2025

@skcaB 私も似たような？ことあって。痛くないのですが、プロ3の時にadidasの👟は25.0なんですけど、同じように25.0履いてて大きく感じたんです。
24.5も履けるけどそれだと浮腫んだらキツイなと。
種類によるのかな🤔他のはそんな感じはなかったのですが💦
EVO SLイイ👟ですが、フル考えますね🥲💦 November 11, 2025

@abeqaoru 個人的にはLLMの使用時で5〜15%ロスの感覚です(ゲーム等使用方法で上下)。それでもEVOX2 より高速でさらにCUDA対応が大きいです。様々な方々がレポートしていますので、検索すると出て来ます。こちらは一例。
https://t.co/l4S8LVXBQH November 11, 2025

買い手募集
pivot 3drive evo＆車種別専用ハーネスのセットの買い手募集中です
車種別専用ハーネスはマツダ車用の物になります 全部揃えると確か3万円位します 価格は1万5千円でお願いします https://t.co/emKnMxwSK1 November 11, 2025

Evoto AI

簡単にレタッチできるアプリ見つけました👀
ニキビ消しや髪色変更、メイクアップ、ほつれ毛取りなど色々とできるAIレタッチ。
基画像を破壊しない調整ができるのでとっても便利です。

その他にもメガネの反射取りやシワ消しなど、レタッチ機能は全部で200種類以上😳すごい✨

アプリは無料で使えるのでぜひ試してみてください💄
書き出しも1枚15円ほどなのでめっちゃリーズナブルです✨

11/30まで35%OFFセールもやってます👀
「Evoto AI」で検索してアプリを使ってみてください🔍

#PR
@AIEvoto November 11, 2025

#みんなのミヤソイ
タイトルマッチ翌日からまた地方to地方。
勝てば早速ベルトと旅に出られる。

ベルトを持ったら
何が変わるのだろうか
自分は変われるのだろうか

ベルトにも、自分にも、
そして何よりお客様に
新しい景色を見せられる自分になりたい。

ソイ🐸 #Evo_pw #ChocoPro https://t.co/EVbosSF5HQ November 11, 2025

AIが『文脈』を読んで、未知の遺伝子をゼロから発明。、「王様が ____ を抜いた」という文脈があれば、空欄に入るのは「剣」ではないかと推測するような、意味論的デザイン。

具体的には、大規模ゲノム言語モデル（gLM）である「Evo」を用い、プロンプトエンジニアリングによって機能的な de novo 遺伝子（自然界の配列と相同性を持たない新規遺伝子）を設計・生成する手法「Semantic Design（意味論的デザイン）」を確立。

既存のタンパク質配列の類似性（ホモロジー）や立体構造予測に依存していたのに対し、本研究で提唱される「意味論的デザイン（Semantic Design）」は、ゲノム上の文脈（コンテキスト）情報を活用。

ある機能を持つ遺伝子がゲノム上のどのような「近傍」に存在する傾向があるかという分布意味論に基づき、AIが未知の機能的遺伝子配列をゼロから生成（オートコンプリート）する手法。

課題
「幻覚（ハルシネーション）」と反復配列：生成された配列の中には、生物学的に意味をなさない単純な反復配列（リピート）や、開始コドンや終止コドンが欠落した壊れたORF（Open Reading Frame）が含まれており、これらをフィルタリングすることができず、成功率が17-50%であるということは、裏を返せば50-83%は失敗作。

また、Evo 1.5は原核生物（バクテリア・アーキア）とファージのゲノムで学習されています。そのため、この「意味論的デザイン」のアプローチは、現時点では真核生物（ヒトや植物など）には直接適用できない。

今後は、
真核生物の巨大な遺伝子間領域や、遠隔にあるエンハンサーとプロモーターの関係性をも捉える。DNA配列だけでなく、クロマチンアクセシビリティ（DNAが読み取り可能かどうかの情報）などのエピゲノム情報を学習に統合

生物学、特にバイオインフォマティクスは長らく「ホモロジー（配列の類似性）」に依存。未知の遺伝子の機能を知りたければ、既知の遺伝子と似ているかどうかを調べるのが定石だったのが、Evoの成功は、「配列が似ていなくても、文脈が似ていれば機能は同じである」ということを証明

生物学における歴史的な転換点

https://t.co/arSiqLKyxt November 11, 2025

先週買ったs1evo3がブラックフライデーでポイント付与率20％になってて草
あと1週間待ってれば…😂 November 11, 2025