登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 プログラム検証
プログラム検証 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
プログラム検証 を含む検索結果
プログラムの形式検証に使う仕様、一度書いたら直せないのが当たり前でした。それがカスケード的な失敗の元凶になっていたという指摘です。 タイトル: SpecAgent: Empowering Program Verification with Agentic Synthesis of Formal Program Specifications URL: 📝 概要 C言語プログラムの検証に使うACSL仕様(事前条件・事後条件・ループ不変条件)を、複数の専門エージェントが協調して合成するSpecAgentです。計画立案・検索拡張生成・検証・修復・批評を反復するエージェント的プロセスとして仕様合成を再定式化しています。 ❓ 解決する課題 既存手法は一度生成した仕様を不変として扱う「前進のみ」のワークフローのため、下流の関数で検証が失敗しても上流の根本原因である仕様に戻れず、効果のない局所修復を繰り返してしまいます。 💡 方法論と提案手法 計画立案エージェントが対象と依存関係を特定し、検索拡張型の生成エージェントが184件の知識ベースから類似例を注入してACSLを生成。Frama-C/WPによる検証ゲートを通し、修復エージェントが根本原因を診断、批評エージェントがACCEPT・IMPROVE・REPLANの3択で仕様の強度を判定します。 📊 実験結果 DeepSeek-V4で精度96.82%・再現率88.95%を達成し、全ベースラインを上回りました。アブレーションでは修復機能の追加が精度を大きく改善し、完全な構成では生成のみに比べ再現率が8.02ポイント向上。811件の実世界検証対象のうち604件(74.5%)を解決し、コストもPregussやCodexより低く抑えました。 #プログラム検証# #AIエージェント#
もっと見る
手動式 3bit デジタルコンピュータ ERIS-01は、電力中央研究所の調査によると98の3乗=94万1192通りの論理演算プログラムが出来ると分析されています。 完成したばかりのERIS-01は、まだ十分な動作検証が出来ていません。 そこで、プール代数、論理演算が得意な方に、ERIS-01の動作テストプログラムを行っていただき、動作検証をお願いいたします。 60年前に発売された「Digi-Comp I ゲームブック」(そんな本が発売されていた)に、約50種類のゲームプログラム例が掲載されていますので、このプログラム例で、ERIS-01のプログラム検証を行っていただける方を募集します。 合わせて、60年前に発売された「Digi-Comp I ゲームブック」の誤植やバグの発見と訂正もお願いします。 マイコン博物館(東京都青梅市)に来館できる方にお願いします。 謝礼は、ERIS-01 を1台差し上げます。 ご協力いただける方は、以下のフォームよりご連絡ください。 このユニークで魅力的な教材は、1965年に米国で発売された、初めての個人向けのデジタルコンピュータです。 アポロ計画が進行する中、人々のコンピュータに対する期待と興味が高まりましたが、1965年当時のコンピュータは、大企業の中枢に設置されて、システムエンジニアが使う謎の機械でした。 そのような中、子供がコンピュータの原理を体験学習できる、素晴らしい教材「Digi-Comp I」が企画されました。 「Digi-Comp I」は、2進法 3bitで動作する本物コンピュータでした。 3枚のフリップフロップ・プレートが手動で左右に動く事で、2進数の演算とプール代数の演算、論理演算ができます。 2進数の演算とプール代数の演算、論理演算が処理される模様を目で見る事ができる素晴らしい教材です。 1969年頃、日本でも、出版社のオーム社から発売され、書店で購入できました。 館長も欲しかったのですが、当時、買う事ができませんでした。 10年ほど前に、「Digi-Comp I」を、幸運にも入手出来たので、復刻プロジェクトをスタートさせました。 特許と著作権は時効になっていましたが、ノウハウの塊のような機械なので、動作させるまで10年かかりました。 この素晴らしい3bit デジタルコンピュータを、今年から子供達へ提供できる事になりました。 ▼ハイテックラボとは ▼ハイテックラボ ご支援のお願い ▼ハイテックラボの教材 ▼ハイテックラボで活躍する子供達
もっと見る
TL;DR: 「GUI操作」と「コーディング」を同時に鍛え・測れる、5プラットフォーム対応のエージェント評価環境が登場しました。トップモデルでも見た目の再現度と動作の厳密な正しさには大きな差があることが明らかになりました。 タイトル: RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents URL: ポイント 🖥️ Ubuntu・macOS・Windows・Android・Webの5プラットフォームに対応 🔍 ソースを見せず動いているアプリを観察して一から再実装させる「再現」タスク 🧪 250タスクのRecreationBenchを構築、プログラム検証と視覚検証の両方で採点 📈 3.5万件の再現軌跡で学習したモデルは分布外ベンチマークで最大17.9ポイント改善 🏆 総合1位のGPT-6 Astraでもスコアは58.1% ⚠️ そのGPT-6 Astraでさえ全プログラムテスト通過はわずか2.8% 🔧 ElectronアプリをネイティブGTK/AppKitに置き換えるなど柔軟な実装も観測 見た目の再現力と本当の動作忠実性の間には、まだ大きなギャップがあることを突きつける研究です。 #AIエージェント# #ComputerUse#
もっと見る
# OpenAI Agent SDKの便利で実践的な使い方 🌍 複数のエージェントをどう組み合わせるかで、システム全体の品質が決まります。 LLM駆動とコード駆動、2つのオーケストレーションパターンを使い分けましょう。 📌 タイトル:Agent orchestration 🔗 URL: 🧩 概要 マルチエージェントの連携には、LLMが動的に判断する「LLM駆動」パターンと、Pythonコードで明示的に制御する「コード駆動」パターンの2つがあります。さらに`as_tool`でエージェントをツール化するManagerパターンと、handoffによる制御移譲パターンを組み合わせることで、複雑なワークフローを柔軟に構築できます。 🛠 使い方 LLM駆動パターンでは、`Agent(name="researcher", handoffs=[web_search_agent, code_exec_agent])` のようにhandoffを持たせ、モデルが動的に判断します。コード駆動パターンでは、`researcher`, `outliner`, `writer`, `critic` の各エージェントを定義し、`blog_pipeline(topic)` 関数内で `await input=...)` → `await input= + [...])` → `await input=...)` と順に実行します。生成→評価ループは `for i in range(3)` で `critic` にレビューさせ、`"問題なし"` が含まれれば終了、なければ `writer` に改善させます。並列実行は `asyncio.gather(*[ input=data) for a in agents])` で感情分析・トピック抽出・要約を同時実行します。Managerパターンでは `Agent(name="manager", tools=[ のように子エージェントをツール化して統合します。 🏗 実践的な使い方 **LLM駆動 — オープンエンドなタスク** 調査エージェントにWeb検索・ファイル検索・コード実行・専門家handoffを持たせ、LLMが状況に応じて最適な手段を選択します。「この技術について調べて」のようなオープンエンドな質問に最適で、事前にフローを決定できない場合に使います。 **コード駆動 — 確定的なパイプライン** ブログ生成のようにステップが決まっている場合は、Pythonコードでリサーチ→アウトライン→執筆→批評→改善のパイプラインを明示的に記述します。各ステップの成果物をプログラムで検証・分岐できるため、品質管理がしやすくなります。 **生成→評価ループ** `while`ループで生成と評価を繰り返し、品質基準を満たすまで改善し続けるパターンです。批評エージェントが「OK」を返すまで繰り返すことで、一発生成では得られない品質を実現できます。ループ回数の上限は必ず設定してください。 **asyncio.gatherでの並列実行** 感情分析・トピック抽出・要約など、相互に依存しない複数のタスクを`asyncio.gather`で並列実行します。直列実行に比べてレイテンシが大幅に短縮されます。 **Managerパターン(as_tool)とhandoffの使い分け** `as_tool`はManagerエージェントが制御を保持したまま子エージェントを「ツールとして」呼び出します。制御がManagerに戻るため、複数の子エージェントの結果を統合する場合に適しています。handoffは制御を完全に移譲するため、専門エージェントに任せきりにする場合に向いています。 💡 ユースケース 🔬 研究調査(LLM駆動でWeb検索/論文検索/コード分析を動的選択) 📝 コンテンツ制作パイプライン(コード駆動でリサーチ→執筆→レビュー→改善) ⚡ 並列データ分析(asyncio.gatherで感情/トピック/要約を同時実行) 👔 Managerパターン(分析チームの結果を統合してレポート作成) ⚠️ 注意点 - LLM駆動パターンは柔軟ですが、モデルの判断ミスによる不要なhandoffやツール呼び出しが発生する可能性があります。重要なフローはコード駆動で制御してください。 - 生成→評価ループには必ず上限回数を設定してください。無限ループになるとトークンコストが際限なく増加します。 - `asyncio.gather`で並列実行する場合、1つのタスクの失敗が他のタスクに影響しないよう、`return_exceptions=True`の使用を検討してください。 - `as_tool`で呼ばれた子エージェントの結果はテキストとしてManagerに返されます。構造化データが必要な場合は`output_type`を指定してください。 ✨ LLM駆動とコード駆動を適材適所で使い分け、最適なマルチエージェントアーキテクチャを設計しましょう! #OpenAIAgentSDK# #AIAgent#
もっと見る
【違法プログラムおよび異常プレイに対する対応について】 先日の異常プレイに関するご案内において、措置基準と判断根拠について十分な説明ができず、指揮官の皆様に混乱と懸念を抱かせてしまいましたことを、心よりお詫び申し上げます。 また、先日のご案内で説明が至らなかった確認過程と措置基準、今後の異常な戦闘に対するゲーム内外での対応、ならびに直近で違法プログラムの使用により利用制限措置が適用されたアカウントの一覧など、詳細につきましては公式サイトのお知らせをご確認ください。 ◆公式サイト 今回の事態を通じ、単に制裁を講じるだけでは指揮官の皆様の懸念を払拭することはできず、どのような措置が講じられたのか十分にご説明できなかった点を重く受け止めております。 この度の事態に対する謝罪の意味を込め、ゲーム内メールにて補填アイテムを支給させていただく予定です。後ほどゲーム内メールボックスよりお受け取りください。 今後は、違法プログラムの使用に対する制裁結果および公開可能な範囲での判断基準について、より透明性のあるご案内に努めるとともに、実際の検知および検証機能についても継続的に改善してまいります。 正常ではないプレイにより、正常にゲームをプレイしてくださる指揮官の皆様のプレイ体験が損なわれることのないよう、今後も継続的に厳正な対応を行ってまいります。
もっと見る
【AI起業サマープログラム 2026|受講生募集開始】 実社会の産業課題からAI新規事業を創出する実践型プログラムの受講生を募集します。ビジネスと技術の両視点を磨き、起業を目指す力を実践形式で学べます。 東京大学 松尾・岩澤研究室が運営。製造業・医療福祉・サービス業など各産業のリアルな課題に対し、全国の学生とチームを組み、アイデア検討〜仮説検証〜プロトタイプ作成、最終ピッチまで取り組みます。 ▼プログラム情報 ・全7回/現地参加型(東大本郷キャンパス・都内会場) ・期間:8/5(水)〜9/11(金) ・受講費無料(会場までの往復交通費は自己負担) ・対象:首都圏在住の大学学部生・大学院生(学年不問) ・募集人数:100名 ・企画監修:松尾豊、坂田一郎、柳川範之 ▼スケジュール ・ID登録締切:7/21(火) 14:00 ・申込締切:7/23(木) 14:00 ▼詳細・お申し込みはこちら #松尾研# #AI#
もっと見る
AIエージェントをエンタープライズシステムに組み込むプラクティス 【二重トラック検証】 💡 LLMの出力を「信じる」のではなく「検証する」。生成と検証を別トラックに分離することで、ハルシネーションを構造的に捕捉します。 🔥 解決する課題 - 事実と異なる情報がそのまま顧客や経営層に伝わる - 存在しない文書・条項・判例が引用される(捏造引用) - LLMが数値計算を誤り、財務レポートや見積もりに反映される - 出典が示されない根拠なき主張が信頼性を毀損する 🏗️ 提案パターン エージェントの「生成」とは独立した決定論的な検証トラックを設けます。数値検証では信頼ソース(DB/API)から再計算しエージェント出力と突合。引用検証では引用が実在すること、引用箇所が主張と一致することをプログラムで照合します。アクション検証ではパラメータをスキーマ+ビジネスルールで事前チェック。不一致が検出された場合は棄却・再試行・人間エスカレーションのいずれかで対応します。 ✅ 選定条件 - 向き:数値・事実・引用の正確性が重要な業務(財務・法務・分析・サポート) - 不向き:創造的・主観的な出力で検証基準が定義できない領域 ⚠️ 落とし穴 - 検証器自体の精度が低いと偽陽性が多発し、業務フローが詰まる - 事前検証はレイテンシを増やすため、情報提供のみなら事後検証を検討する - 検証対象を「全出力」にすると処理コストが膨大になるため、リスクに応じた対象選定が重要 🛠️ 実装方針 1. 数値検証では、エージェント出力の数値をSalesforce API等の信頼ソースから再計算するPythonスクリプトを用意し、差分を自動突合します 2. 引用検証(grounding)には、RAGのチャンク検索結果と引用箇所の意味的一致をembedding類似度で照合する仕組みを構築します 3. アクション検証では、出力パラメータをJSONスキーマ+ビジネスルールエンジン(OPA等)で事前バリデーションします 4. 不一致検出時のハンドリングを「棄却→再試行(最大2回)→人間エスカレーション」のフローとしてTemporalワークフローに組み込みます 5. 検証対象はリスクレベルで選別し、財務・法務は全件検証、情報提供はサンプリング検証とする運用ルールを設定します #AIエージェント# #エンタープライズアーキテクチャ#
もっと見る
辺野古転覆事故の背景に「想像力の欠如」と第三者委 金井創牧師への「盲目的信頼」も指摘 乗船プログラムについて、安全性の確認や検証が一切行われていなかったとして、法人の安全配慮義務違反を認定。学校として「安全管理に対する意識が大きく欠如していた」と指摘した。
もっと見る
AIが演じる依頼者が満足して終えた金融エージェントの仕事を検証し直したら、すべてどこかで間違っていた、という研究( ユーザーは最近下がった銘柄を買う「short-term reversal」を頼んだのに、エージェントは逆の賭けである「momentum」で組んだ例がある。報告した最大ドローダウン(資産のピークからの最大下落率)は−18.96%だが、提出した資産推移で測ると−21.91%で、指定の20%の損切りを超えていた。それでもユーザーは満足した。 エラーで止まらず見た目だけ整う失敗を、論文は「silent failure」と呼ぶ。課題、データ、時間軸のどれかを固定して渡す既存のベンチマークでは、そもそも起きない失敗だ。 FinCosmosでは、LLMが演じる模擬ユーザーが銘柄選択や売買タイミングなど6要素の戦略を胸に秘め、聞かれたことにしか答えない。組み合わせは約380万通り。データは渡さず、エージェントが自分で集め、指定日より後の情報を使わずにバックテスト(過去データでの試算)をする。採点は45項目で、うち15項目は1つでも落ちたら不合格。報告された収益率は売買記録からプログラムが計算し直す。 Claude Code、Codex、Gemini CLI、Kimi Codeとツールなしのモデルを10課題で3回ずつ、計150セッション試すと、合格はゼロ。ユーザーが満足した35セッション(23%)も全てプログラムのチェックで落ちた。LLMが判定するチェックだけで決めていたら、合格率は11%に見えていた。 4エージェントの120セッションのうち、ユーザーの戦略どおりが25、指定日も守れたのが15、未来の情報も使わなかったのが14、報告した収益を売買記録から再現できたのは0。伝えられなかった項目を質問で引き出せたのは54〜64%だった。 一方、記憶を持ち越せるClaude Codeに戦略の中身を明かさない採点結果を返して練習させると、10課題すべてで合格に届いた(課題あたり中央値34.5セッション)。 注意点もある。課題は10個で、空売りしない米国株戦略に限られる。模擬ユーザー、LLM審査役、評価対象の1つが同じモデル系列。70%のターンが300秒の制限に当たっており、時間を延ばせば結果は変わりうる。 個人や小さなチームがAIに分析を任せるときも、きれいなレポートより売買記録と元データを出させるだけで、防げる失敗は多いと思う。
もっと見る
# OpenCodeの機能と実践的な使い方 🤖 OpenCodeを「ターミナルで対話するツール」から「プログラムで操れる開発サーバー」へ。SDKとheadlessサーバーを使えば、CIや独自UIにAIコーディングを組み込めます。 🏷️ タイトル: 型安全JSクライアント・headlessサーバー 🔗 URL: 📘 概要 OpenCodeはTUIだけでなく、HTTPで操作できるheadlessサーバーとして起動できます。`@opencode-ai/sdk` という型安全なJavaScript/TypeScriptクライアントから、このサーバーへ接続してセッション作成・プロンプト送信・イベント購読などを行えます。型はサーバーのOpenAPI仕様から自動生成されるため、補完と型チェックがそのまま効きます。 ⚙️ 機能の説明 ・サーバー起動: `opencode serve` でheadlessサーバーを立ち上げます。既定は `127.0.0.1:4096` です。SDKの `createOpencode()` を使えばコードからサーバー起動とクライアント取得を同時に行えます。 ・クライアント接続: 既存サーバーには `createOpencodeClient({ baseUrl: "http://localhost:4096" })` で接続します。 ・主なAPI: セッションの作成/一覧/取得/更新/削除、共有の切替、中断、メッセージのrevert/unrevert。`client.session.prompt()` でプロンプトを送信します。 ・構造化出力: `format: { type: "json_schema", schema: {...} }` を指定すると、JSONスキーマに沿った検証済みJSONを受け取れます。後段の機械処理に最適です。 ・イベント購読: `client.event.subscribe()` でサーバー送信イベントをストリームとして受け取り、長時間処理の進捗を監視できます。 🛠️ 実践的な使い方 コードからは `createOpencode()` でサーバー起動とクライアント取得を同時に行い、`client.session.create()` でセッションを作り、`client.session.prompt()` にテキストと `format` の `json_schema` を渡せば検証済みJSONを受け取れます。終わったら `server.close()` で停止します。 CIに組み込む場合は、コンテキスト注入だけ行ってAI応答を発火させたくない場面で `noReply: true` が便利です。 💡 ユースケース ・社内のレビューBotから `opencode run` ではなくSDK経由で構造化された指摘JSONを取得し、GitHub PRコメントへ整形投稿する。 ・自前のWeb UIやエディタ拡張から `tui` 系APIでプロンプト投入・送信・トースト表示を制御し、独自フロントエンドを構築する。 ・夜間バッチで複数リポジトリへ同一の解析プロンプトを投げ、結果JSONをデータ基盤へ蓄積する。 ⚠️ 注意点 ・SDKのconfigは `opencode.json` を完全に置き換えるのではなく上書きマージする挙動です。意図しない設定の残存に注意してください。 ・構造化出力は検証失敗時にリトライ(既定2回)し、最終的に失敗すると ` に `StructuredOutputError` が入ります。スキーマは小さく焦点を絞ると安定します。 ・`client.session.get()` などは存在しないIDで例外を投げます。必ずtry-catchで囲んでください。 #OpenCode# #AIエージェント#
もっと見る