🧵 AIにじっくり考えさせようとすると、考えれば考えるほど1トークンあたりのコストが膨らんでいく。この地味だけど本質的な壁に、ある発見から挑んだ研究があります。 きっかけはシンプルな観察でした。「42+84=126」のような計算ステップは、答えが出た瞬間にその過程はもう要らなくなる。長い推論のなかで本当に重要なのは、最初のタスク指示（プリフィックス）と、いま進行中の直近の思考だけではないか——著者らはそう考えました。 そこで提案されたのがPrefix Sliding。プリフィックスと直近k個のトークンだけをスライディングウィンドウとしてメモリに保持し、それ以外は捨ててしまうというシンプルな発想です。これにより1トークンあたりの生成コストが、どれだけ長く考えても一定に保たれるようになります。 結果は明快でした。追加学習なしで既存モデルを約3倍高速化し、さらに強化学習と組み合わせることで、これまで事実上不可能だった10万トークンを超える推論トレースへのスケーリングを実現しています。「長く考えるほどコストが増える」という当たり前を覆した点が、この研究の核心です。 タイトル: Prefix Sliding for efficient test-time scaling URL: #LLM# #テスト時間スケーリング#

🔁 「じっくり考えるほど賢くなる」AIを、勾配爆発を起こさずに学習させる方法が見つかりました。 タイトル: Thinking with Looped Flows URL: 再帰的に隠れ状態を更新して「考える」ループモデルは、これまでBPTT（時間方向の逆伝播）の不安定さに悩まされてきました。Looped Flowsは拡散モデルの学習原理を借りることでこれを解決した手法です。注目ポイントを3つ紹介します。 🧠 BPTTなしで再帰計算を学習 ノイズレベルを徐々に減らしながら各ステップをローカルな損失で学習することで、勾配消失・爆発を起こさずに「考え続ける」状態を安定して学習できます。 ⏱ 推論時に計算量を後から増やせる 学習時より細かい時間刻みで推論するだけで性能が伸び、Sudokuでは8ステップの74.5%から128ステップで97.9%まで向上します。 🏆 ARC-AGIで既存手法を上回る ARC-AGI-1で58.8%、ARC-AGI-2で12.2%を達成し、いずれも従来のループモデル手法を上回りました。 推論時にじっくり計算するほど賢くなる、というテスト時スケーリングの新しい実現方法として興味深い研究です。 #LLM推論# #機械学習#

【メンテナンス延長のお知らせ】 本日17:00メンテナンス終了を予定しておりましたが、一部コンテンツのテストに時間を要しているため、終了予定時刻を17:30まで延長いたします。 メンテナンス終了まで今しばらくお待ちいただけますと幸いです。 #THE_CHASER#

「Poppy Playtime」がテーマの協力型ホラーゲーム「Escape From Playtime」，オープンβテストを日本時間の10月2日2：00からスタート 廃墟となったおもちゃ工場で，生き残りをかけて闇に潜むクリーチャーと戦う

「B.L.U.E. NOVA」，テクニカルテストを10月30日から11月1日まで開催 ・グローバルクローズドベータテストに先駆けて，日本をはじめとするアジア地域限定で開催 ・テクニカルテストの開催時間は各日19：00〜23：00

# ADK 2.0の便利だけど知られていない機能 🌍 数分〜数時間かかる処理をエージェントのツールとして扱いたい場合、どうすればよいでしょうか？ ADK 2.0の `LongRunningFunctionTool` は、長時間実行されるタスクのオーケストレーションを管理するための専用クラスです。実際の重い処理は別サーバーで実行しつつ、エージェント側では進捗管理と状態遷移を制御できます。 📌 タイトル：Long Running Function ツール 🔗 URL： 🧩 概要 `LongRunningFunctionTool` は、長時間かかるタスクをエージェントワークフローに統合するためのクラスです。処理は4つのフェーズで進行します。開始フェーズでタスクを発行し、初期更新フェーズで進捗を通知し、続行/待機フェーズでクライアントが次のアクションを判断し、フレームワーク処理フェーズでエージェントランナーが一時停止を管理します。重要なのは、このクラスはオーケストレーションを管理するものであり、実際の長時間タスクの実行自体は行わないという点です。 🛠 使い方 ツール関数はステータスとチケットIDを含む辞書を返し、フレームワークがその状態を管理します。 ```python from adk import LongRunningFunctionTool def start_training(model_name: str, dataset: str) -> dict: """モデルトレーニングを開始する""" # 外部サーバーにリクエストを送信 ticket_id = external_api.start_job(model_name, dataset) return { "status": "in_progress", "ticket_id": ticket_id, "message": "トレーニングを開始しました" } tool = LongRunningFunctionTool(func=start_training) ``` エージェントランナーは返された状態に基づいて実行を一時停止し、クライアントが「続行」か「待機」かを決定します。実際の計算処理は別サーバーで行い、ツール関数はその進捗確認と状態報告のみを担当します。 🏗 本番システムへの組み込み方 ・実際の重い計算処理は専用のコンピュートサーバーで実行し、ツール関数はAPIコールのみ行う ・チケットIDを使った進捗追跡の仕組みを構築し、ポーリングまたはWebhookで状態を更新する ・タイムアウトとエラーハンドリングを適切に設定し、タスクの失敗を検知できるようにする ・クライアント側で待機/続行の判断ロジックを実装し、ユーザー体験を損なわないようにする 💡 ユースケース 🤖 機械学習モデルのトレーニングジョブの管理と進捗追跡 🎬 動画エンコードやレンダリングなど時間のかかるメディア処理 📦 大規模データのETLパイプラインの実行管理 🧪 長時間かかるテストスイートやベンチマークの実行と結果取得 ⚠️ 注意点 `LongRunningFunctionTool` はオーケストレーション（状態管理と進捗追跡）を管理するものであり、実際の長時間タスクを実行するものではありません。重い処理は必ず別のサーバーやサービスで実行してください。また、セッションの有効期限やメモリ管理にも注意が必要です。長時間のタスクではセッションが切断されるリスクがあるため、状態の永続化を検討してください。 ✨ 長時間タスクをエージェントワークフローにシームレスに統合できるこの機能は、実用的なAIシステム構築において非常に強力です。計算処理とオーケストレーションの責務を明確に分離しましょう。 #ADK# #AIAgent#

『なぜコーディングエージェントはこんなに賢くないのか？』 寝る前にAIへ仕事を任せたら、Gitのブランチ名を聞くために2分で止まり、そのまま朝まで待っていた。モデルは賢くなっているのに、作業の進め方や人への確認が足を引っ張る。この記事は、モデルをコードや実行環境につなぐエージェント側の設計を批判している。 これ、人に仕事を任せるときにもよくある話だと思う。作業ができることと、必要な判断をしながら仕事を進められることは違う。AIも、コードを書く能力だけでなく、どこまで自分で決めて、何を相談するかまで含めて考える必要がある。 以下、詳細です。 ・タスクの進行管理 OpenCodeが機能追加を10個のタスクに分けても、並行して進められるものまで順番に実行していたという。Claude Codeでも、テストの待ち時間を使わず、終了後にコミットメッセージの準備を始める例があった。タスクを分けるだけでは、待ち時間や依存関係を踏まえた進行管理にはならない。 ・モデルへの仕事の割り振り 単純作業には安く速いモデル、難しい判断には高性能なモデルを使いたい。しかし、著者の経験では、その切り替えを人が細かく管理する必要がある。割り振る手間を避けるため、結局すべてを高性能なモデルへ任せてしまう。 ・人が理解できる計画 細かな設計判断が脈絡なく並び、全体像をつかめない計画が出てくる。著者は読むのが苦痛になり、確認せず実装へ進ませるようになったという。人にレビューしてもらうなら、概要から詳細へ説明し、画面案や図も使って理解を助けてほしいという指摘だ。 ・確認で止まる条件と、自分の機能の把握 ブランチ名のような小さな判断でも止まり、人の回答を待ち続ける。また、自分自身の使い方を聞かれても、動作中のバージョンと一致するか分からない情報をネットで探す。著者は、不在時にも作業を進める機能や、自分の機能を把握するための情報を求めている。 ・アクセスを制限する実行環境 著者は、読まないよう指示した秘密情報をエージェントに読み取られ、モデル提供元へ送られた経験を報告している。求めているのは、文章でのお願いに頼らず、OSの機能でファイルや通信へのアクセスを制限すること。自分でも隔離環境を作り、触れられる範囲を限定している。 ・標準機能としての使いやすさ 大量のSkillsや複雑な設定を追加すれば解決する、という話ではない。著者が問うのは、導入した状態でどこまで安心して任せられるかだ。派手なデモやベンチマークが優先され、開発者の時間や安全性への投資が不足しているのではないか、と仮説を述べている。 特に気になったのは、計画の読みにくさが、人が確認を省く原因になっている点だ。「人が確認する」という工程を置いても、説明が分かりにくかったり、細かな確認が多すぎたりすれば、確認する側が疲れてしまう。 この記事は一人の開発者の経験と提言であり、各ツールの性能を体系的に比較したものではない。それでも、生成したコードの質に加えて、人が理解し、判断し、任せるためにどれだけ手間がかかるかを見る視点は大事だと思う。