⌇⋮┊⋮⌇⌇⋮┊⋮⌇⌇⋮┊⋮⌇⌇⋮┊⋮⌇ " 同じ家に住んでいました " 偶然という名の奇跡的な運命 次回の #なまけジ# 配信をお楽しみに …………………………………………… ▣ なまけものガレージ #なまけジ# ▣ 不定期金曜よる22:00配信 ▣ な┊なぞのデザイナー @nazonodesigner ま┊松尾はじめ @20hajimemashite け┊警備員 @kevipper ⌇⋮┊⋮⌇⌇⋮┊⋮⌇⌇⋮┊⋮⌇⌇⋮┊⋮⌇

˗ˏˋ #映画ない花# 映画×原作朗読 ˎˊ˗ 📖第8話 ┈┈ 「一緒に行こう。ここじゃないどこかに」 ⠀⠀⠀⠀⠀⠀　　　　　　　 ┈┈ #原菜乃華# さんによる原作朗読を 本編映像とともにお届け⋆˚⊹ 全8話にわたってお届けしてきた原作朗読。 物語の世界を、お楽しみいただけましたでしょうか✨ 朗読で触れた物語を、 ぜひ劇場でもお楽しみください！ 𝟏𝟏.𝟐𝟎 𝐟𝐫𝐢. 全国公開💐

きれいな生成動画は、世界モデルと言えるのでしょうか？ WorldFoundry: Towards Unified Infrastructure for World Intelligence 世界モデルの機能的な定義と、異なるモデルやベンチマークを同じ手順で実行・評価できるオープンソース基盤を提案する論文です。 注目ポイント 🎯 見た目ではなく「クロージャ」で区別する 介入が状態に痕跡を残して後の予測を拘束し、新しい観測が状態を更新する。この持続性が運用として成立するかどうかが、基盤生成モデルと世界モデルの違いだと主張しています。 🧩 3つの操作で整理する 状態推定、順方向シミュレーション、対話的応答の3つで世界モデル的なシステムを記述します。全部を実装する必要はなく、動画・3D/4D・身体性モデルを同じ物差しで比べるためのインタフェースです。 🔧 証拠つきのスコアカード 宣言された対応、運用上の準備状況、検証された性能を分けて記録します。270モデル・74ベンチマーク（要旨の数）を統合しましたが、検証は実行できることの確認で、性能の優劣ではありません。 評価基盤の整備という地味な土台が、世界モデル研究には効きそうです。 #WorldModels# #OpenSource#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 長大なコンテキストも安定運用へ。ModelSettings の高度な設定とリトライ戦略で、本番環境でも安心してエージェントを動かしましょう。 モデルの挙動を細かく制御する ModelSettings と、API エラーに自動対応する ModelRetrySettings を組み合わせることで、プロダクションレベルの堅牢なエージェントを構築できます。 📌 タイトル：高度なModelSettings / リトライ 🔗 URL： 🧩 概要 ModelSettings は Agent のモデル呼び出し時のパラメータを一括制御するクラスです。`truncation="auto"` でコンテキスト溢れを自動処理し、`context_management` で 200k トークン閾値のコンパクション（要約圧縮）を設定し、`prompt_cache_retention="24h"` でキャッシュを長時間保持してコストを削減できます。さらに `ModelRetrySettings` で 429/503 などの一時的エラーに対する指数バックオフリトライを宣言的に設定でき、`provider_suggested()` ポリシーでリプレイ安全性も確保します。 🛠 使い方 `Agent`, `ModelSettings`, `ModelRetrySettings` を `agents` からインポートし、`retry_policies` も合わせてインポートします。`Agent` の `model_settings` に `ModelSettings` を渡し、`truncation="auto"`、`context_management` に `[{"type": "compaction", "compact_threshold": 200000}]`（リスト形式）を指定、`prompt_cache_retention="24h"` でキャッシュ保持を設定します。`retry` には `ModelRetrySettings` を使い、`max_retries=4`、`backoff` に `initial_delay=0.5`、`max_delay=5.0`、`multiplier=2.0`、`jitter=True` を設定します。`policy` には `retry_policies.any()` で `provider_suggested()`、`retry_after()`、`network_error()`、`http_status([429, 503])` を組み合わせます。 🏗 実践的な使い方 **コンテキスト溢れへの防御的設定** 長い会話や大量のツール出力でコンテキストが溢れると、API がエラーを返します。`truncation="auto"` を設定すると、古い会話アイテムを自動的に落として処理を続行できます。 `Agent` の `model_settings` に `ModelSettings(truncation="auto", context_management=[{"type": "compaction", "compact_threshold": 200000}])` を設定します。 **コスト最適化のためのキャッシュ保持** 同じプロンプトプレフィックスを繰り返し使うワークフローでは、`prompt_cache_retention` を設定することでキャッシュヒット率を上げ、コストとレイテンシを削減できます。 `Agent` に `ModelSettings(prompt_cache_retention="24h")` を設定した `batch_agent` を作成し、`for doc in documents` ループで `await f"分析対象:\n{doc}")` を繰り返し呼び出します。 **本番向けリトライ戦略** `provider_suggested()` を最初のポリシーに置くことで、プロバイダが「リトライ不可」と判断したリクエスト（abort エラーやストリーミング出力開始後など）を誤ってリトライすることを防ぎます。 `ModelRetrySettings` で `max_retries=3`、`backoff` に `initial_delay=1.0`、`max_delay=10.0`、`multiplier=2.0`、`jitter=True` を設定します。`policy` には `retry_policies.any()` で `provider_suggested()`（常に最初に配置）、`retry_after()`、`http_status([429, 500, 502, 503])` を組み合わせます。 💡 ユースケース 📚 大量ドキュメント分析で `truncation="auto"` + `context_management` を設定し、コンテキスト溢れを自動回避 💰 バッチ処理で `prompt_cache_retention="24h"` を設定し、同一プレフィックスのキャッシュヒットでコスト削減 🔄 429/503 エラーに `ModelRetrySettings` の指数バックオフで自動リトライし、一時的な API 障害を乗り越える 🛡 `provider_suggested()` を最優先ポリシーに置き、リプレイ不安全なリクエストの誤リトライを防止 ⚠️ 注意点 - `truncation="auto"` は古いメッセージを暗黙的に落とすため、重要な初期コンテキストが失われる可能性があります。重要情報は instructions に含めるか、最新メッセージとして再送してください。 - `context_management` のコンパクションは API レベルで行われ、`OpenAIResponsesCompactionSession` とは異なるメカニズムです。両方を同時に使う場合は挙動の違いを理解しておきましょう。 - `provider_suggested()` は `previous_response_id` や `conversation_id` を使うステートフルな呼び出しで特に重要です。汎用ポリシーだけでは安全性が不十分な場合があります。 ✨ ModelSettings のきめ細やかな設定とリトライ戦略を組み合わせれば、本番環境でも安定して動作するエージェントを実現できます。まずは `truncation` と `retry` から始めてみましょう！ #OpenAIAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 ハンドオフ先のエージェントに、不要なツール呼び出し履歴まで渡していませんか？ input_filterとhandoff_filtersを使えば、ハンドオフ時の入力を整理し、受信側エージェントを関連コンテキストに集中させることができます。 📌 タイトル：handoff の input_filter と handoff_filters 🔗 URL： 🧩 概要 `handoff()` の `input_filter` パラメータに関数を指定すると、ハンドオフ時に渡される入力データを変換できます。`HandoffInputData`（`input_history` / `pre_handoff_items` / `new_items` / `input_items` / `run_context`）を受け取り、加工した `HandoffInputData` を返す関数を定義します。SDK組み込みの `handoff_filters.remove_all_tools` を使えば、会話履歴から構造化されたツール項目を全て除去できます。これにより、受信側エージェントが関連するコンテキストだけに集中でき、より的確な応答が可能になります。 🛠 使い方 ```python from agents import Agent, handoff, HandoffInputData from agents.extensions import handoff_filters # 組み込みフィルタ：ツール呼び出し履歴を除去 specialist = Agent(name="Specialist", instructions="専門的な回答を行います") handoff_to_specialist = handoff( agent=specialist, input_filter=handoff_filters.remove_all_tools, ) # カスタムフィルタ：直近N件のメッセージのみ渡す def keep_recent_messages(data: HandoffInputData) -> HandoffInputData: recent = data.input_history[-5:] # 直近5件のみ # clone() なら run_context などの他フィールドを保ったまま差し替えられます return data.clone(input_history=recent) handoff_to_specialist = handoff( agent=specialist, input_filter=keep_recent_messages, ) coordinator = Agent( name="Coordinator", handoffs=[handoff_to_specialist], ) ``` 🏗 本番システムへの組み込み方 ・`remove_all_tools` を使って、専門エージェントに不要なツール実行履歴を渡さない ・カスタムフィルタで機密情報を含むメッセージを除外してからハンドオフする ・コンテキスト量を制限することで、受信側エージェントのトークン消費を削減する ・フィルタの組み合わせで、エージェントごとに最適な入力を設計する 💡 ユースケース 🧹 ツール呼び出し履歴のクリーンアップで専門エージェントの精度向上 🔒 機密データを含む会話履歴のフィルタリング 📏 長い会話のコンテキストを要約・圧縮してハンドオフ 🎯 エージェントの専門領域に関連するメッセージだけを選択的に渡す ⚠️ 注意点 フィルタで必要な情報まで除去すると、受信側エージェントが文脈を失い適切に応答できなくなります。特に `remove_all_tools` は、ツールの結果が後続の会話に重要な場合は注意が必要です。なお `remove_all_tools` が取り除くのは構造化されたツール項目だけで、通常のメッセージやネスト履歴の要約にコピー済みの引数・結果は残るため、それらを消すには独自の input_filter が必要です。また、サーバー管理の会話（`conversation_id` / `previous_response_id` など）ではハンドオフの input_filter は利用できません。フィルタの適用結果をログで確認し、必要な情報が保持されているか検証しましょう。 ✨ input_filterで、各エージェントに最適なコンテキストだけを渡す洗練されたハンドオフを実現しましょう。 #OpenAIAgentSDK# #AIAgent#

／ 　#映画ない花# 衣装展示中！ ＼ 影子と真昼の制服を TOHOシネマズ 梅田にて展示中！ 📍7F ガラスケース内 🗓11/23(月・祝)まで ぜひお立ち寄りください✨ #原菜乃華# #作間龍斗#(ACEes) 𝟏𝟏.𝟐𝟎 𝐟𝐫𝐢. 全国公開💐

TL;DR: 分類器型の「デシジョンモデル」はLLMジャッジを16〜357倍安く置き換えられますが、間違える場所までLLMと同じでした。 Decision Models vs. LLMs as Rubric Judges: Cheaper, Faster, and Wrong in the Same Places ポイント ・⚖️ 比較対象はJevとPerplexityのDecider。フラッシュ級LLM3種と、7ベンチ9パネル・5,003件で比べています ・💸 LLMジャッジのコストは16〜357倍、所要時間は5〜350倍です ・✅ 精度は27比較中、有意に劣るのは最大6件。二値パネルではむしろ強い傾向です ・📉 順序尺度は苦手で、人間より低めに採点しがちです ・🔁 Jevが自信満々に誤る事例では、LLMの96.0%が同じ誤答でした(独立なら50.3%) ・🪜 カスケードの精度向上は最大+2.7ptで、上位ティアでも+1.7ptにとどまります 置き換えるならコスト削減が主目的で、「不確実ならLLMへ」は精度の保険になりにくいという示唆です。 #LLMasaJudge# #LLM評価#

VPNの使い方を聞いただけなのに、エージェントがITチケットを切り始めた。そんな経験は、エージェント開発では珍しくありません。 チケット作成ツールを足した社内ドキュメントエージェントは、チケットの例はすべて通り、平均スコアも上がりました。ところが例ごとに比較すると、「VPNにはどう接続しますか？」が検索ではなくチケット作成になっていたのです。 トレースを見ると、ツール説明の「VPNとノートPCの問題」という書き方が、VPN関連の質問すべてに当てはまっていました。説明を「ITの対応が必要な依頼」に絞ると、全例が通りました。平均だけを見ていたら見逃していた退行です。 この流れを支えるのがEval-Driven Developmentです。テスト駆動開発のように、先に「良い状態」を仕様とevalで定義し、修正前のエージェントで失敗することを確かめ、変更のたびに実験を例ごとに比べます。保留セットで過学習を見張り、本番のトレースからevalを育てていく考え方です。 What Is Eval-Driven Development? How to Improve AI Agents #AIAgents# #LLMEvals#

꒰ あいうえお作文を発表✍️ ꒱ 「な・い・は・な」で #原菜乃華# さんがあいうえお作文を作成！ 映画の見どころやメッセージが込められた とっておきの作文を皆さんにお届け💌 #映画ない花# 𝟏𝟏.𝟐𝟎 𝐟𝐫𝐢. 全国公開💐

初めて触るソフトウェアの前で、人はまず「あちこち試して、何が起きるか覚える」ところから始めます🧭 エージェントは、これまで新しい環境に出会うと、データを集め直して再学習する必要がありました。コストが高く、社内ツールのような非公開で変わり続ける環境には使いにくい方法です。 そこで RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments は、学習をしない道を選びます。探索を決めるカリキュラム、実行して記憶を育てるアクター、結果を判定する検証の3役が、環境の中で行動と結果の因果関係を見つけ、メモリに蓄えます。まず広く試し、次に難しい境界条件を深く掘り、最後にメモリを凍結してテストに臨みます。 OSWorld 2.0では部分スコアが71.97から78.98、二値の正解率が37.80から42.68に上がりました。ゲーム開発のベンチマークでも、総合品質が52.77から61.28になっています。一方で、受け入れた誤りが永続的なルールになる失敗や、テスト時のコストの高さも著者自身が認めています。 パラメータを更新せず、探索で得た記憶だけで性能を引き上げる方向性は、実運用でも試す価値がありそうです。 #AIエージェント# #自己改善#