ゆきりんさんの卒業コンサート観に行かせていただきました☃️ 最後まで完璧なアイドルゆきりんさんでした💖 イケパラで同級生の役をやらせていただいてから仲良くしていただき、梅田チームBやNMBでも一緒に活動させていただきました♪ 偉大な先輩の姿を見送る事ができて嬉しいです☺️ #柏木由紀卒コン#

#この世界は1ダフル# ✨🌙今夜9時🌙✨ 当時のアオハルを振り返る🩵🍀 女性１万人に聞いた❗️ 私の青春だったドラマBEST🔟✨✨ みんなの青春が詰まった “むずキュン”名シーンたっぷり みせます🥺🌈🍀 あーさーくーらー‼️🩺😂💦 #ナースのお仕事# 半径5メートル以内に近寄らないから🏀🥺 #ブザービート# だいすきだぜ！😆🌸 #イケパラ# #ロンバケ# #HERO# #のだめカンタービレ# そしてそして今回はデータ放送で 《✨総額30万円分が当たる✨》 プレゼント企画を開催🎁 リモコンの“dボタン”で ぜひ参加してください🕺💫 #東野幸治# #渡辺翔太# #SnowMan# #五百城茉央# #乃木坂46# #勝地涼# #藤本美貴　# #ミキティ# #吉村崇# #平成ノブシコブシ#

テレビ朝日「熊プロのイケメロパラダイス」 【トークイヤーンズ2】女芸人6名「夜の遊びと本命の違いは？」さや香＆マユリカ直撃 #TVer#

# AIエージェント開発の意思決定ポイント # 温度（Temperature） 🎯 ポイント 温度パラメータ、全部のタスクに同じ値を設定していませんか？ エージェントシステムにおける温度は「創造性のつまみ」ではありません。構造化出力、ツール呼び出し、ユーザー応答 -- 経路ごとに最適な温度は全く違います。1つのエージェント内でも使い分けるのが基本です。 📋 概要 温度はLLMが次のトークンを選ぶ際の確率分布の「尖り具合」を制御するパラメータです。温度0に近いほど最も確率の高いトークンが選ばれやすくなり、出力は決定論的で安定します。温度を上げると確率分布が平坦化し、低確率のトークンも選ばれるようになるため、出力の多様性と創造性が増します。 AIエージェントでは、構造化出力を生成する場面、ツール呼び出しの引数を組み立てる場面、自由形式のテキストを生成する場面で求められる温度が異なります。温度は単一の固定値ではなく、タスクの種別に応じて動的に切り替えるべき変数です。 🔍 意思決定のポイント 温度の設定は主にtask_variability（タスクの定型度）で決まります。判定フローは明快です 🧭 1. 構造化出力（JSON/関数呼び出し）か？ → 0.0〜0.3 2. 正確性が最優先（事実抽出・分類・要約）か？ → 0.2〜0.5 3. 対話・説明・コミュニケーションか？ → 0.5〜0.7 4. 創作・ブレインストーミング・候補生成か？ → 0.7〜1.0 加えて、failure_cost（失敗コスト）が高いほど温度の上限を下げ、cost_sensitivity（コスト感度）が高い環境ではリトライによるコスト増を見込んで温度を抑えます。 💡 要点と詳細 タスク別の目安値 📊 - 構造化出力（JSON / function calling） → 0.0〜0.3。スキーマ違反の最小化が最優先 - 分類・抽出・データ変換 → 0.0〜0.2。正確性と再現性が命 - 要約・説明・カスタマー対応 → 0.5〜0.7。自然さと正確性のバランス - 創作・ブレスト・候補生成 → 0.7〜1.0。多様性が価値の源泉 - ツール引数の生成 → 0.0〜0.2。関数名・引数名の正確性が不可欠 - 計画・推論 → 0.3〜0.6。多少の探索は有益だが論理の一貫性を保つ 構造化出力の温度はまず0から始めてください。0でもスキーマ違反が出る場合はプロンプトかスキーマの問題です。温度を上げて「偶然正しい出力が出る」ことに依存してはいけません 🚫 ⚖️ トレードオフ 温度が低すぎると対話が機械的で紋切り型になります 🤖 同じ質問に毎回同じ回答を返し、「テンプレート応答」の印象を与えます。Best-of-Nサンプリングも候補がほぼ同一になり、N倍のコストだけかかって実質N=1と同じ結果に。 温度が高すぎると構造化出力が壊れ始めます 💥 JSONのフィールド名が揺れたり、型が合わなくなったり。ハルシネーションも増加し、固有名詞・数値・日付の正確性が崩壊します。ツール呼び出しの不安定化、再現性の喪失も深刻な問題です。 温度によるリトライコストの増加も計測してください。スキーマ違反率が概ね5%を超えたら温度を下げることを検討しましょう。 🛠️ ユースケース エージェント内の経路ごとに温度を変えるのが基本 🔀 計画ステップは0.3〜0.5、ツール呼び出しの引数生成は0.0〜0.2、ユーザー向け応答は0.5〜0.7。モデルを切り替える際に温度も同時に切り替えると自然です。 Best-of-Nを使うなら温度を上げる必要があります。温度0でN=5を生成しても、ほぼ同一の候補が5つ返るだけです。N>1のときは0.5〜0.8に設定し、多様な候補の中からJudgeが最良を選ぶ構成にします。 top_pとの併用には注意 ⚠️ 温度とtop_pを両方変更すると効果が掛け算になり、予測困難な挙動を示します。原則としてどちらか一方だけを調整してください。 #AIエージェント# #ソフトウェアアーキテクチャ#

最新AI使いこなしてる？ いけとも尾原Podcast更新！ AIに「なぜそれを選んだか」を全部覚えさせたら、仕事が化けた - 本の校正で数百個の修正提案、採用/不採用/理由まで全部ログ化するツールを1日で自作　→ ソフトウェアならぬ【ループウェア】爆誕 - パランティアが実践する【オペレーショナルオントロジー】、意味づけ・許可判断・評価関数の矛盾管理という3層構造を個人の仕事にも応用可能 - 折り畳みスマホ最適化という発想、ソファに寝転びながら片手で「採用/却下」を判断できるUIが継続の鍵 - 話題の【FDE】の本質は現場に潜るだけではなく、現場の知見を横展開できる仕組みまで作ること - 「空回り力」というキーワード、AIに何本もループを回させて朝一番いいものを選ぶ人が結局一番進化する

仕事や組織を仕組み化や分業化するのがうまくいけばいくほど会社や事業は成長していくが、一体それが誰の成果なのかということはどんどん曖昧にわからなくなっていく。評価のために事業があるわけではないが、事業を回す人を評価しないわけにはいかない。一つのパラドックス。

毎日放送「プレバト！！3時間スペシャル」 「第2回パラパラ消しゴムはんこコンクール」に出演しています✨🤗 1枚の作品ではなく動かさなければいけなかったのでかなり難しかったですが、 集中して作品を作る過程はとても楽しかったですー✨ 19時から放送🍁✨ ぜひご覧ください🥺