研究紹介 2017｜Exo-Balancer: Design Method of 3D Printable Ergonomically Personalized Stabilizer 体のデータを入れると、自分とカメラの重心バランスを計算して最適な装着位置を提案するスタビライザー設計。3Dプリントで個人専用に。

スライド修正で「1枚だけ直したいのに全部作り直されて崩れる」問題、ありますよね。それをメモリの階層化と局所修正で解いた研究です🗂️ タイトル: MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision URL: ❓ 何が新しいの? 💡 スライド生成エージェントに「階層的メモリ」を入れ、恒久的な好み（プロファイル）・セッション単位の作業記憶・再利用可能なツール経験を明確に分離します。さらにデッキ全体を作り直さず、対象スライドだけを直す局所修正を採用しています。 ❓ どうやって局所修正の暴走を防ぐ? 💡 Plan–Act–Guardの3段で進めます。Planで修正を「実行契約」（対象パス・適用ルール・カバレッジ要件）に変換し、Actで共通セレクタのバッチCSSやパッチ操作を使い分け、Guardでコンテンツのハッシュに束縛して全対象が直るまで早期確定をブロックします。 ❓ 一時的な指示が恒久的な好みに化けない? 💡 ジョブ終了時に意図を考慮した統合を行い、安定した信号だけをプロファイルへ書き戻します。「この回だけ」の要求が永続化するのを防ぐ仕組みです。 ❓ 効果は? 💡 ブラインド審査でパーソナライズはDeepPresenter比で全次元改善（Visual +1.66など）。ツール記憶ありだと修正の完了率0.963、初回正答までの時間は609.5→242.5秒で約60%短縮でした。 エージェントのメモリを「種類ごとに役割分担」する設計思想が、多ターン編集タスク全般に効きそうだと感じます。 #AIエージェント# #LLM#

TL;DR: あらゆるクエリと予算に最適な単一LLMは存在しない。乱立するLLMルーティング研究を「5つの部品」で統一定式化し、16以上のルーターと専用ベンチマークをまとめたオープンソース基盤が登場しました。 タイトル: LLMRouter: Unified Infrastructure for Developing, Evaluating, and Deploying LLM Routers URL: ポイント 🧩 ルーターを Context Encoder / Model Encoder / Scoring / Decision Rule / Learning Signal の5コンポーネントに分解して統一 📊 評価基盤 xRouteBench は Generic・Memory・Vision・TimeSeries・Personalized の5トラック計4,767クエリ 🛠️ 全18候補モデルへ全クエリを投げて作る密なクエリ-モデル行列で、訓練と評価を同時に供給 🚀 学習型ルーターは最強の固定モデル（常に最大を選択）を相対14.6%上回る ⚖️ 万能なルーターは無し。RouterDCは精度首位でもコスト重視だと10位に転落 🔁 マルチターンはコストの割に効果が不安定（Router-R1は22.3%） 👤 ユーザー条件付けは有効だが、実フィードバックとシミュレーションで最良設計が入れ替わる 「最良のルーターはタスクと予算で変わる」を実証し、公平比較の土台を用意した一本です。 #LLM# #ModelRouting#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 同じエージェントでも、ユーザーごとに異なる体験を提供したいことがあります。Dynamic instructions を使えば、実行時のコンテキストに応じてプロンプトを動的に組み立てられます。 instructions に関数を渡すことで、RunContextWrapper と Agent を引数に受け取り、実行時に動的にシステムプロンプトを生成できます。 📌 タイトル：Agents -- Dynamic instructions 🔗 URL： 🧩 概要 Agent の `instructions` には文字列だけでなく、関数を渡すことができます。この関数は `RunContextWrapper` と `Agent` を受け取り、文字列を返します。これにより、ログインユーザーの情報、現在時刻、ユーザーのプラン、ロケールなど、実行時にしか決まらない情報をプロンプトに注入できます。async 関数もサポートされているため、DB からのデータ取得も可能です。 🛠 使い方 `dynamic_instructions(context: RunContextWrapper[UserContext], agent: Agent) -> str` という関数を定義し、`context.context` からユーザー名やプラン、現在時刻を取得してプロンプト文字列を組み立てます。この関数を `Agent` の `instructions=dynamic_instructions` に渡すことで、実行時に動的なシステムプロンプトが生成されます。 🏗 実践的な使い方 **ユーザー名・プラン・日時のランタイム注入** ログイン済みユーザーの情報をプロンプトに反映し、パーソナライズされた応答を実現します。 `@dataclass` で `UserContext` を定義し、`name: str`, `plan: str`, `timezone: str` を持たせます。`personalized_instructions(context: RunContextWrapper[UserContext], agent: Agent) -> str` 関数内で `context.context` からユーザー情報を取得し、` で現在時刻を取得してプロンプトを組み立てます。`user.plan` の値（`"pro"`, `"enterprise"`, `"free"`）に応じて利用可能な機能やアップグレード案内のメッセージを分岐します。`Agent` に `instructions=personalized_instructions` を設定し、` ..., context=UserContext(name="田中太郎", plan="pro", timezone="Asia/Tokyo"))` で実行時コンテキストを渡します。 **ロケールによる多言語切り替え** ユーザーのロケール設定に応じて、指示言語を自動的に切り替えます。 `INSTRUCTIONS_BY_LOCALE` 辞書に `"ja"`, `"en"`, `"zh"` をキーとしてロケール別のシステムプロンプトを格納します。`locale_instructions(context: RunContextWrapper[UserContext], agent: Agent) -> str` 関数で `context.context.locale` を参照し、対応するプロンプトを `INSTRUCTIONS_BY_LOCALE.get(locale, INSTRUCTIONS_BY_LOCALE["en"])` で取得します。 **async 関数で DB からデータを取得してプロンプトに注入** ユーザーの直近の購入履歴を DB から取得し、パーソナライズされたサポートを提供します。 `async def instructions_with_history(context: RunContextWrapper[UserContext], agent: Agent) -> str` で非同期関数を定義し、`await db.fetch_recent_orders( limit=5)` で直近の注文履歴を DB から取得します。取得した注文を文字列に整形してプロンプトに埋め込み、コンテキストを踏まえたサポートを可能にします。この async 関数を `Agent` の `instructions=instructions_with_history` に設定します。 💡 ユースケース 👤 ログインユーザーの名前・プラン・日時をランタイムで注入し、パーソナライズされた応答を生成 💎 Pro ユーザーには高度な機能案内、Free ユーザーにはアップグレード提案と、プランに応じた対応を分岐 🌐 ユーザーのロケール設定に基づいて指示言語を自動切り替え、多言語サポートを実現 📦 async 関数で DB から直近の購入履歴を取得し、コンテキストを踏まえたサポートを提供 ⚠️ 注意点 - async の instructions 関数で重い DB クエリを実行すると、エージェントの応答開始が遅れます。キャッシュやクエリの最適化を検討してください。 - instructions 関数内で例外が発生するとエージェント全体が失敗します。適切なエラーハンドリングとフォールバックを実装しましょう。 - 動的に生成するプロンプトが長くなりすぎないよう注意してください。トークン消費が増加します。 ✨ Dynamic instructions を使えば、1つのエージェント定義で多様なユーザー体験を提供できます。ランタイムの情報を活かして、真にパーソナライズされたエージェントを構築しましょう！ #OpenAIAgentSDK# #AIAgent#

本日より「Learn! KOREAN with TinyTAN (Japan Edition)」が店頭にて販売開始いたします！ #BTS# が自分の名前を呼んでくれるMotiPenのAudio Personalizationサービスも♪ BTS JAPAN OFFICIAL SHOP でも好評販売中！ #Learn_KOREAN_with_TinyTAN# 詳しくはこちら→