東京工業大学20B→東京科学大学24.5M情報工学系修了（作問サークル創設者）
ソリング模試はハイライトにまとめています
Joined April 2017
- Tweets43K
- Following4.6K
- Followers5K
- Likes44.8K
ソリング retweeted
これ読むと、日本の高校における数学教育は受験に重きを置きすぎていて、数学のもつ本来の面白さを十全に伝えきれていないと思ってしまう。自分が出会ってこなかっただけでこういう教員は沢山いるんだろうなぁ。
ms.u-tokyo.ac.jp/~oshima/pap…
ソリング retweeted
bro how is a 1.7B model beating models 2-5x its size across phones and laptops 😭.
at this point Liquid AI is just bullying Gemma and Qwen .
Introducing 𝙻𝙵𝙼𝟹: our new generation of Liquid Foundation Models. With a new tri-hybrid architecture and new multimodal encoders, the LFM3 family is the ideal model suite for specialized intelligence.
> 6 model instances, across text, audio, vision, and omni modalities, generative and decision models.
> 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱: text, 256k context window.
> 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱: vision-language model with video-input support for spatial understanding
> 𝙻𝙵𝙼𝟹-𝙰𝚞𝚍𝚒𝚘-𝟸𝙱: tool calls, voice chat, reasoning in 18 languages.
> 𝙻𝙵𝙼𝟹-𝙾𝚖𝚗𝚒-𝟸𝙱: an omni model combines vision, audio, and language.
> 𝚍𝟷-𝟸𝙱 and 𝚍𝟷-𝙾𝚖𝚗𝚒-𝟸𝙱: decision models with typed outputs and calibrated probabilities in a single pass. Omni adds audio input.
> fine-tune on 1 GPU.
> a new tri-hybrid architecture
> architecture optimized for 14 processor classes across GPUs, CPUs, and NPUs.
> 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱 is a beast. It performs competitively with Gemma 4 12B (6x larger), and Gemini 3.5 Flash Lite, and GPT-5.6 Luna, with 1.9B parameters.
> 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱 is #1 on the Pareto frontier of device intelligence 𝚙𝚒𝚙𝚎𝚝𝚝𝚎.𝚕𝚒𝚚𝚞𝚒𝚍.𝚊𝚒
Every modality for specialized intelligence. Pick the one that fits your use case, customize it, and run it on-device.
1/ 🧵
東工大数学2021 配点予想
大問1
(1) 20点
(2) 40点
大問2
(1) 20点
(2) 20点
(3) 20点
大問3
(1) 20点
(2) 20点
(3) 20点
大問4
(1) 20点
(2) 20点
(3) 20点
大問5
(1) 20点
(2) 20点
(3) 20点
そうです！
書いてなくても問題としては成り立つと思いますが，書いてほしいというのは理解できます（たとえば，f(x)=3/xを考える。という文章で，x≠0と明記してほしいというのは，必須とまでは思いませんが理解はできます）
ソリング retweeted
%の定義についてのソースも提示した方が良さそう
NIST Guide to the SI, §7.10.2
"the symbol % represents simply the number 0.01"
nist.gov/pml/special-publica…
解説
1 はじめに
今回のツイートは何気なく投稿したものでしたが，想像以上の反響があり，驚いています．アンケートの結果自体は割と想定通りでした．
このツイートでは，私が何を考えて今回の問題を出題したのかについて解説します．
2 出題意図
本問題は，食塩水の濃度計算ではなく，パーセント同士の足し算について述べています．
大前提として，実数としての0.03と3%，3/100は同じものを表しています．もちろん，「100の3%」や「100の100分の3」が文法的に成立するのに対し，「100の0.03は3」という表現は非文であるという違いはありますが，少なくとも算数的・数学的には同じものを指します．
したがって，3%と5%を足すと8%になるというのは，数学的には正しい式です．
今回の問題では，数学的に正しい式であっても，その式から与えられた状況について求めたい結論が得られるとは限らない，という例を出しました．
類題として，以下の例を考えます．
たとえば，「太郎さんが分速80メートルで30分歩くとき，80と30を足すと110になる」というのは，正しい命題です．もちろん，太郎さんが歩かないときにもこの等式は成り立ちます．
しかし，この計算によって太郎さんが歩いた距離を求めることはできません．
このように，式そのものが数学的に正しいことと，その式によって求めたいものが求められることは，別の問題です．
3 誤答の種類と傾向
今回，「誤り」に投票した人の理由は多岐にわたると思います．いくつか考えられる例を示します．
① 食塩水の濃度を求めるには不適切だと考えた
② 3%と5%の和が8%になるとは限らないと考えた
③ 前提が成り立たないときにも式が正しいため，誤りだと考えた
④ 誤タップ
以下，誤タップ以外の理由についてコメントします．
