【その選択（こたえ）が、彼女を壊す――】 『Paper Lily』 本作は、美しいドット絵とかわいいイラストが特徴の物語主導型サイコホラーRPGです。 「常に別のやり方がある」というコンセプトを掲げており、それに伴う異なる結果が用意されているのが最大の魅力です。 ------------------------------ ■物語のあらすじ 主人公のレイシーは、周囲から拒絶され、不運な出来事が絶えない孤独な日々を送っていました。彼女がそうなってしまったのは、生まれつき身体にある「異常な症状（呪い）」が原因でした。 絶望の淵に立たされた彼女のもとに、ある日、謎の「金の恐怖の封筒（金のシークレットレター）」が届きます。 もう他に選択肢の残されていないレイシーは、元のまともな生活を取り戻すため、最後の希望をかけてその手紙に書かれた儀式を執り行います。 儀式によって彼女が迷い込んだのは、恐ろしいデモニック（悪魔や怪異）がうごめく危険な平行世界でした。 異世界で出会った心優しい悪魔の「ルーン」から、「呪いを解くためには灯台にいる『レッド』という人物に会わなければならない」と教えられたレイシーは、さらに世界の奥深くへと進んでいきます。しかし、その道中で怪しげな人間の少年「サイ」と出会ったり、悪魔たちによるおぞましい実験に巻き込まれたりと、彼女の行く手には常に残酷な選択と狂気が待ち受けています。 ------------------------------ ■主な特徴とゲームシステム ・謎解きの自由度が高い ひとつの障害に対して、アイテムを使う、力技で解決する、あるいはあえて無視するなど、プレイヤーの選択によってストーリー展開や周囲の反応がリアルタイムに変化します。 ・世界観とストーリー 主人公の少女「レイシー」を操作し、一見かわいらしくも不気味で危険な隠された世界を探索します。どこか切なく、繊細な心理描写とサイコホラー要素が融合した濃密な物語が展開されます。 ・前日譚『Project Kat』 本作には、プロローグにあたる無料の短編作品『Project Kat - Paper Lily Prologue』が存在します。まずはこのプロローグをプレイすることで、ゲームの独特なシステムや不気味な雰囲気を体験できます。 ------------------------------ ■前日譚『Project Kat』とのつながり 物語の起点として、前日譚『Project Kat』の出来事が深く関わっています。 女子高生のキャットが学校のオカルト部で「とある降霊儀式」を好奇心から実行したことで、のちのレイシーの運命を狂わせる「世界の歪み」と「金の封筒」の謎が生まれることになります。 ------------------------------ ■配信プラットフォーム ・Paper Lily Chapter1（Steam） ・Project Kat（前日譚） ------------------------------ #ホラゲー# #ホラーゲーム# #鬱ゲー#

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 【オブザーバビリティ / トレース＋プロベナンス】 💡 「なぜその回答になったか」を説明できないエージェントは、本番に出してはいけません。構造化トレースとプロベナンスで、確率的な挙動を追跡可能にしましょう。 🔥 解決する課題 - 「なぜこの回答になったか」を再現・分析できない - 部署・プロジェクト・エージェント単位のコストを把握できない - モデル変更やプロンプト変更による品質劣化をサイレントに見逃す - 規制下の意思決定で「なぜこの判断になったか」を後から説明できない 🏗️ 提案パターン 推論ステップ・ツール呼び出し・トークン数・コスト・レイテンシ・評価スコアをOpenTelemetry準拠の構造化トレースで記録します。ログ基盤にはメタデータを、オブジェクトストレージにはプロンプト本文や生出力を格納し、トレースIDで紐付けます。正常系はサンプリング（1〜10%が起点）、エラーや低評価は全量記録します。規制下の重要な意思決定には、参照データ・推論経路・使用モデル・承認者まで遡れるプロベナンス（来歴）を追加します。 ✅ 選定条件 - 向き：本番運用するすべてのエージェント（例外なし） - 不向き：特になし（本番では必須パターン） ⚠️ 落とし穴 - 全プロンプト本文をログ基盤に入れると容量・コストが非現実的になる - PIIのマスキングを怠るとトレースログ自体がセキュリティリスクになる - プロベナンスの粒度を決める設計判断は、必ず人間のレビューを通すべき 🛠️ 実装方針 1. OpenTelemetry GenAI semantic conventions 準拠のスパンを全エージェントに組み込み、推論・ツール呼び出し・検索の各ステップをトレースIDで一貫して記録します 2. Langfuse / LangSmith / Arize 等のLLMオブザーバビリティ基盤にメタデータ（モデル名・トークン数・レイテンシ・コスト・評価スコア）を送信し、ダッシュボードで部署別コスト・品質推移を監視します 3. プロンプト本文・コンテキスト・生出力はオブジェクトストレージ（S3等）に格納し、ログ基盤のメタデータとIDで紐付けます 4. tail-based sampling を導入し、正常系は1〜10%サンプリング、エラー・低評価・高コストのリクエストは全量記録します 5. 規制対応が必要な場合は、決定ログをappend-onlyの不変監査ログとして保持し、参照データ・使用モデル・プロンプトバージョン・承認者まで逆引き可能なプロベナンスを構築します #AIエージェント# #エンタープライズアーキテクチャ#

人間の耳から始まる悪夢…映画「ブルーベルベット」4Kリマスター版が全国で公開決定 体験型コンテンツも開設 #ブルーベルベット#

人間の専門家でも評価が追いつかないほど賢くなったAI、その先の「自己改善」はどう続ける？その壁を破る新手法が登場しました。 タイトル: Recursive Self-Improvement through Multi-Agent Self-Supervision URL: 1つのAIが自分の出力を自分で採点する「同種ループ」には限界があります。この研究が提案するMASS（Multi-Agent Self-Supervision）は、複数のモデルコピーを協調させて進化的にワークフローを最適化し、その軌跡で自分自身を再学習することで、再帰的な自己改善を実現します。 🧬 進化するワークフロー タスクごとにオーケストレーター役とサブエージェント役の構成（役割・指示・出力契約・実行順序）を進化的探索で改善します。自己評価だけを頼りに、より良い協調パターンを見つけ出していく仕組みです。 📈 トークン効率と性能の両立 Qwen3.6-27Bを使った2サイクルの改善で、オープンエンドな4つのベンチマークでトークンあたり1.2〜1.6倍の性能向上を達成。マルチエージェントの軌跡で学習した生徒モデルは、シングルエージェントで1.4倍多いトークンを使った生徒モデルよりも高い性能を示しました。 🔁 内在化によるセルフブートストラップ 推論時にワークフローの指示を与えなくても、コードの受け渡しなど協調的な振る舞いが自然と再現されるようになります（出現率が1/110から83/110へ急増）。改善されたモデル自身が、次のサイクルではより優れた最適化者・評価者として機能し、継続的な能力向上のループが回り始めます。 複雑な推論を人間が採点できない時代に、AI同士の協調がAI自身を鍛える仕組みは今後ますます重要になりそうです。 #AIエージェント# #自己改善#