アズレン１周年記念 戦利品！ #アズールレーン# ・1ST ANNIVERSARY グッズセット 　・AZURALANE 1ST ANNIVERSARY ILLUSTRATION COLLECTION 　・アズールレーンキャラクターソング#01# 　・抱き枕カバー綾波 ・アズレン × Tカード 　・オリジナルスライドカードケース 　・B2タペストリー ・ショッパー

スライドは事前に送るな、という立場から効果的なスライドの原則を整理した記事。 ・単体で成立するスライドだと、聴衆が先読みしてストーリーを自ら奪い取っていく ・「スライドだけで成立するなら、あなたはそこにいなくてもいいのでは。ただ配って座ってればいいよ。」 (If the slides can stand by themselves, why are you up there in front of them? Just hand out the slides and sit down!) by David S. Rose

スライド修正で「1枚だけ直したいのに全部作り直されて崩れる」問題、ありますよね。それをメモリの階層化と局所修正で解いた研究です🗂️ タイトル: MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision URL: ❓ 何が新しいの? 💡 スライド生成エージェントに「階層的メモリ」を入れ、恒久的な好み（プロファイル）・セッション単位の作業記憶・再利用可能なツール経験を明確に分離します。さらにデッキ全体を作り直さず、対象スライドだけを直す局所修正を採用しています。 ❓ どうやって局所修正の暴走を防ぐ? 💡 Plan–Act–Guardの3段で進めます。Planで修正を「実行契約」（対象パス・適用ルール・カバレッジ要件）に変換し、Actで共通セレクタのバッチCSSやパッチ操作を使い分け、Guardでコンテンツのハッシュに束縛して全対象が直るまで早期確定をブロックします。 ❓ 一時的な指示が恒久的な好みに化けない? 💡 ジョブ終了時に意図を考慮した統合を行い、安定した信号だけをプロファイルへ書き戻します。「この回だけ」の要求が永続化するのを防ぐ仕組みです。 ❓ 効果は? 💡 ブラインド審査でパーソナライズはDeepPresenter比で全次元改善（Visual +1.66など）。ツール記憶ありだと修正の完了率0.963、初回正答までの時間は609.5→242.5秒で約60%短縮でした。 エージェントのメモリを「種類ごとに役割分担」する設計思想が、多ターン編集タスク全般に効きそうだと感じます。 #AIエージェント# #LLM#

AIスライドのSkill更新しました！ AIテンプレ感の少ないスライドを目指しました（完全には無理ですが） また以前はテンプレを参照させていましたがモデルが賢くなってきたのでテンプレ参照はやめてみました