上司の指示を1回で理解できる人の5つの動き。 ・「いつ、誰に、何を」を最初に確認 ・自分の言葉で1分で復唱する ・曖昧な点を1つだけ確認する ・メモを取りながら聞く ・終わったら「以上で全部ですか」と確認 1回で理解する技術が、信頼の貯金を作る。

# ADK 2.0の便利だけど知られていない機能 🌍 長時間かかるエージェントワークフローが途中で失敗したとき、最初からやり直さずに続きから再開できたら便利だと思いませんか？ ADK 2.0のResumabilityConfigは、ワークフローの実行状態をイベントログとして記録し、失敗時にinvocation_idを指定して途中から再開できる機能です。 📌 タイトル：ワークフローの再開 (ResumabilityConfig) 🔗 URL： 🧩 概要 ResumabilityConfig(is_resumable=True)をAppに設定すると、ワークフロー実行中に完了したタスクがイベントとして記録されます。失敗時にはinvocation_idを指定して再開でき、組み込みエージェントはそれぞれの状態を自動的に復元します。SequentialAgentはcurrent_sub_agentから再開し、LoopAgentはtimes_loopedの値を保持して残りの反復を実行し、ParallelAgentは未完了のサブエージェントのみを実行します。これにより、大規模なパイプラインで一部のステップが失敗しても、完了済みのステップを再実行する無駄を省けます。 🛠 使い方 AppにResumabilityConfigを設定し、再開時にinvocation_idを渡します。 ```python from adk import App, ResumabilityConfig app = App( agent=my_workflow, resumability_config=ResumabilityConfig(is_resumable=True) ) # 初回実行 result = await "process data") invocation_id = result.invocation_id # 失敗後の再開（同じinvocation_idを指定） resumed_result = await input="process data", invocation_id=invocation_id ) ``` カスタムエージェントで再開に対応する場合は、BaseAgentStateを拡張して独自の状態を保存します。 🏗 本番システムへの組み込み方 ・invocation_idをデータベースやメッセージキューに保存し、リトライ時に参照できるようにする ・ツールの冪等性を担保する（ツールは少なくとも1回実行され、再開時に再実行される可能性がある） ・カスタムエージェントではBaseAgentStateを拡張し、再開に必要な中間状態を明示的に定義する ・長時間ワークフローでは定期的にチェックポイントとなるステップを設け、再開の粒度を細かくする 💡 ユースケース 📊 数十ステップの大規模データ処理パイプラインで、途中失敗からの効率的な復旧 💰 外部API呼び出しを含むワークフローで、API課金の無駄な再実行を回避 🔄 不安定なネットワーク環境での長時間エージェント実行の信頼性向上 🏭 バッチ処理ジョブで一部アイテムの処理失敗時に残りを継続処理 ⚠️ 注意点 ツールは再開時に少なくとも1回実行されるため、副作用を持つツール（データベース書き込み、外部API呼び出しなど）は必ず冪等に設計してください。同じ入力で複数回実行しても結果が変わらないことを保証する必要があります。また、ParallelAgentの再開では完了判定がサブエージェント単位であるため、サブエージェント内部の途中状態は保持されない点に留意してください。 ✨ ResumabilityConfigにより、長時間ワークフローの運用が劇的に楽になります。特にコストのかかるステップを含むパイプラインでは、導入効果が大きいです。 #ADK# #AIAgent#

失敗原因の衛星台座、新方式で信頼回復へ　再起のH3ロケット9号機、11日未明打ち上げ 昨年12月の8号機失敗以来、約8カ月ぶりに、主エンジン2基と補助エンジン2基を使う標準型の「22形態」が飛ぶことになる。

ファクトシート：ドナルド・J・トランプ大統領、スミソニアン協会への信頼を回復 スミソニアンへの信頼回復：本日、ドナルド・J・トランプ大統領は、スミソニアン協会への信頼を回復するための大統領令に署名した。国内政策評議会の報告書『アメリカの物語を救う：スミソニアン協会国立アメリカ歴史博物館におけるイデオロギー的乗っ取りが、いかにして我々の遺産を抹消しているか』（以下、報告書）が示すように、スミソニアン協会は、誠実さ、真剣さ、そして誇りを持ってアメリカの物語を伝えることに失敗している。 本大統領令は、内務長官、行政管理予算局（OMB）局長、総務庁長官、および大統領国内政策担当補佐官に対し、利用可能なあらゆる権限を活用して、スミソニアン協会に対し、報告書で指摘された問題の是正および既存の法律、資金提供要件、契約条件の遵守を促すことにより、同協会に対する信頼を回復するよう指示するものである。 同命令は、内務長官に対し、博物館の近くに一時的な案内板を設置し、訪問者に報告書の調査結果を周知するとともに、アメリカの歴史に関する正確な情報へ誘導するよう指示している。 この大統領令は、内務長官に対し、アメリカ建国250周年の節目に、建国の父たちが称えられるよう、アメリカ歴史博物館で提示されている不正確な情報を訂正する一時的な展示や案内板を一般向けに設置するよう指示している。 腐食的なイデオロギーからアメリカの物語を守る：この10年間、アメリカ国民は、アメリカの歴史を書き換え、アメリカの英雄たちの名誉を傷つけ、アメリカの功績を貶めることを目的とした、事実無根のイデオロギーを国に押し付けようとする組織的な動きを目の当たりにしてきた。 国内政策評議会の報告書は、スミソニアンおよび各博物館の指導部が、称賛されるべき共通の国家的遺産に関する歴史教育や学術研究という博物館の使命から、マルクス主義に根ざした過激な政治活動へとその方向性を転換させ、アメリカ国民を分断し、意気消沈させ、意欲を削ごうとしていることを決定的に示している。 この報告書は、スミソニアンがアメリカの歴史を正直に伝える機関として信頼に値しないことを示しており、したがって、米国の納税者から毎年託されている10億ドルを超える資金を適切に管理していないことを明らかにしている。 トランプ大統領は、この国が誇る最も偉大な市民的財産の一つを、その創設時の使命と目的に立ち返らせ、この国の歴史的叙述における真実を再確立するために奮闘している。 私たちの遺産を称える：トランプ大統領は、この偉大な国を特徴づける目覚ましい進歩、自由、そして創意工夫を称え、アメリカの歴史が正確かつ公正に、そして誇りを持って称えられるよう尽力しています。 トランプ大統領は就任初日、米国の250周年に向けた準備を行い、米国史への愛着を新たにし、市民にわが国の美しさを体験するよう促し、今後250年にわたる国の繁栄を支える革新の精神を喚起し、そして米国国民に国のために祈るよう呼びかけるためのタスクフォースを設置する大統領令に署名した。 このタスクフォースは、全米市民が国の250周年を祝うため、「リデディケート250」、「グレート・アメリカン・ステート・フェア」、「セオドア・ルーズベルト大統領図書館開館式」、「国際海軍観閲式＆セイル4th」、「サルート・トゥ・アメリカ」、そして「パトリオット・ゲームズ大会」など、世代に一度のイベントを数多く開催した。 この大統領令はまた、アメリカの記念碑を破壊行為から保護するとともに、「全米英雄の庭園（National Garden of American Heroes）」の建設を求めた。 2025年3月、トランプ大統領は、主要な文化機関を活性化させ、分断を招くイデオロギーの蔓延を食い止めることで、アメリカの歴史に真実と健全な判断を取り戻すための大統領令に署名した。 2025年3月、トランプ大統領は、ワシントンD.C.を本来あるべき姿――すなわち、その所有者であるすべてのアメリカ人の誇り――にするための大統領令に署名し、記念碑、彫像、記念施設、公園の修復と美化を図るため、「D.C.安全・美化タスクフォース」を設立した。 アメリカの建国250周年を記念して、同タスクフォースはフリーダム・プラザに一連の彫像を設置し、アメリカ独立戦争の英雄や殉教者を称えた。 2025年8月、トランプ大統領は、米国旗に対する敬意、誇り、そして神聖さを取り戻し、我々の自由、アイデンティティ、そして強さの象徴である米国旗を冒涜する者を、法の許す限り厳正に処罰するための大統領令に署名した。

株主の怒りと期待が交錯したニデックの株主総会。相次ぐ不祥事と永守重信氏の退場､刷新された取締役陣―。信頼回復と上場維持という難題を前に､新経営陣はどう対応していくのか。

6月15日の決算委員会における古賀千景議員の不適切発言と処分について 立憲民主党代表 水岡俊一 　古賀千景参議院議員が6月15日の参議院決算委員会の質疑の中で、不適切な発言を行ったことは誠に遺憾である。その発言は自衛官及びその家族、関係者の心情に配慮を欠くものであり、国民の誤解を招く結果となった。本人は発言を直ちに撤回の上、謝罪し、深く反省しているが、その責任は極めて重い。 　よって６月16日、幹事長より厳重注意処分を行い、古賀千景議員に再発防止と信頼回復に努めることを求めた。加えて、文教科学委員会における筆頭理事の任を解くこととした。 　ここに改めて、立憲民主党代表として、すべての自衛官、ご家族、関係者の皆さまに心から深くお詫び申し上げます。

【ガイドライン等を踏まえた会員会社の取組み状況の公表（第4回）】 当協会では「顧客本位の業務運営の徹底」および「健全な競争環境の実現」のために、ガイドライン等の策定・改定を順次行い、会員会社ではそれらを踏まえた取組みを推進しています。今般、実効性ある取組みを後押しするため、2026年5月に第4回となる会員会社の取組み状況のフォローアップを実施しました。詳細は以下をご覧ください。 #信頼回復# #損保協会# #便宜供与# #出向# #政策保有株# #リスクマネジメント# #独占禁止法# #保険金# #ガイドライン# ＃フォローアップ

イスラーム法学の「ハディース学」を、AIエージェントが積み上げる知識ベースの信頼性判定に応用した論文が出ている(https://arxiv[.]org/html/2607.24117v1)。 複数のAIが協調して知識ベースを作る仕組み(スクレイパーが情報を抽出し、要約モデルが整理し、別のモデルが回答を合成する、という何人もの「手」を渡り歩く構成)では、来歴管理(provenance、誰が何をしたかの記録)があっても「この主張を信じていいか」までは答えられません。著者が持ち込むのは、預言者ムハンマドの死後にイスラーム法学者が約1200年かけて磨いた手法です。伝承の連鎖(isnād)を必ず記録し、伝承者ひとりひとりの信頼度を個別に格付けする(rijāl)という考え方です。 鎖全体の信頼度は一番弱い伝承者で決まる「弱点連鎖」が基本ルールです。最後にどれだけ賢いモデルが回答を合成しても、途中の抽出段階が壊れていれば意味がないという発想です。ただしAI向けの調整もあり、情報を壊すだけの処理(抽出や要約)は単純に最小値評価にする一方、情報を作り直す処理(生成モデルによる合成)は自分の格付けの範囲内でなら信頼度を持ち上げる方向にも動けます。弱点連鎖だけでは厳しすぎる場面を救うため、互いに独立した複数の連鎖が同じ主張を裏付ければ格上げする「相互証明」の仕組みも入っています。さらに、連鎖の信頼度が高くても中身が正しいとは限らないため、伝承の連鎖とは別に主張の中身そのものが既存の知識と矛盾していないか個別にチェックする仕組みも組み込まれています。実際に物理学の教科書(OpenStaxとCrowellの教科書)に適用した事例研究では19件の矛盾が見つかり、全て人手確認で本物と確認されました。多くは「古典力学とフォトンとで運動量の扱いが違う」ように、間違いではなくどちらも正しいが前提となる理論が違うだけ、というケースだったそうです。 本評価では同じ物理学教科書から抽出した2万件の主張を使い、信頼度の異なる4つの「伝承者」(モデルやスクレイパーのバージョン、故障率は1%・2%・15%・18%)を混ぜてテストしました。最も信頼度の低い伝承者を含む連鎖4,057件(全体の29%)は漏れなく検疫(要注意の主張を人の目に回す措置)され、原因となった伝承者まで追跡できています。一方で、監査ログから自動的に信頼度を学習する仕組みは4つの伝承者のうち3つは正しく回復できたものの、実験内で最も故障率が高かった伝承者(18%)は該当分野での事例が少なすぎて一度も格付けされず、見逃されました。さらに実運用でのカバー率を決めているのは主張の矛盾を見抜く「批評」担当モデルの性能で、参照実装は単語の重なりを見る程度の簡易版だったため大半の文章を「判定不能」としてしまい、カバー率は4.8%止まりだったとも正直に報告されています。 うまくいった部分といかなかった部分の両方をはっきり書いている点も含めて、複数エージェントで知識を積み上げるシステムの設計を考える上で参考になりそうです。

私はセラピストですが「治療家」とは名乗りません。 「治す」と「整える」を同じだと思っている人がほとんど。だからこそ、信頼できるセラピストほど、絶対に「治療家」を名乗らないんです。 理由はシンプルで、人の身体は他人が「治す」ものではなく、本人が「整え戻る」ものだから。 外から圧をかけて症状を消すのは、消しゴム。 本人の中の回復力を起こすのは、目覚まし時計。 私がやっているのは、後者なんです。 だから、この仕事を「治す」と呼ぶことには慎重でいたい。 その一言で、クライアントは自分の身体を他人事にしてしまうから。 名乗り方ひとつで、クライアントとの関係性まで変わるんです。

⚙️ 月125兆トークンを捌くLLM推論基盤は、どう信頼性とコストを両立しているのか。リクエスト数ではなく「モデルユニット」でコストを測り、GPUコストを80%削減しつつ安定運用を実現したDatabricksの実戦知です。 タイトル: Reliable LLM Inference at Scale URL: 📝 概要 本記事は、大規模なLLM推論を信頼性高く・コスト効率よく運用するための、Databricksのアーキテクチャと手法を解説します。GPUインフラの不安定さや、予測困難なリクエストコストといった本番特有の課題に、具体的な仕組みで対処しています。 ❓ 解決する課題 ・GPUインフラはCPUより本質的に不安定で、prefill/decodeを分離した構成では単一障害が複数ノードに波及します ・リクエストコストは事前推定が難しく、出力トークン生成がレイテンシを支配する一方、その時間は予測困難です ・高負荷時には、リクエストの組み合わせ次第で健全なサーバが突然不健全状態に陥ります 💡 方法論と提案手法 ・コストを「α×入力トークン＋β×出力トークン＋γ×マルチモーダル」とモデル化する「モデルユニット」抽象を導入し、係数はモデル/ハードウェアごとの自動ベンチマークで決定します ・自動シャーダーDicerが、キュー長でなくモデルユニットで測ったサーバ負荷でルーティングし、ステートフルセッションでキャッシュヒット率を高めます ・保留リクエスト数でなく「モデルユニット利用率」でオートスケールし、ピーク閾値に近づくと増設します ・ブラックボックスのヘルスチェックでサイレントハングを検知し、ヘルスチェックを最高優先度にして誤検知を防ぎます 🎯 ユースケース Superhumanやコーディングエージェント、サポートボットなど、トラフィックが数時間で急増するマルチテナントのエージェント型アプリを支えます。LLMアプリが単一テナントから共有本番環境へ移る局面に直結します。 📊 実験結果 ・コスト認識オートスケーリングで、静的なピーク見込みプロビジョニング比のGPUコストを80%超削減しました ・ヘルスチェックの誤検知を週数件からゼロへ、サイレント障害の検知・回復は5分未満に収めました ・画像処理をTorchvisionへ切り替え、OMP_NUM_THREADSをコンテナ上限に正しく設定し、同じレプリカ・負荷でスループットを3倍超に跳ね上げました ・月125兆トークンをマルチテナントで処理しています #LLM# #MLOps#