🔥 こんなことがあるなんて信じられない...ついに、すべてのAIエージェントスタートアップが偽りの秘密のプレイブックを書いたのです。 研究チームが最近「本番グレードのエージェントAIワークフローの設計、開発、デプロイのための実践ガイド」を発表しましたが、これはOpenAIやAnthropicが使っていると思われる内部ハンドブックのようなものです。 誇大宣伝ではありません。 かわいい矢印の図ではなく。 デモサンドボックスを離れた瞬間に崩壊しないエージェントのための本物のエンジニアリング設計図です。 これが狂気の原因です 👇 1 / 彼らはなぜ多くのエージェントが崩壊するのかを明らかにすることから始めます モデルが問題なんてない。 それはその周囲のシステムです: ・非決定性ツールルーティング ・サイレントMCPの故障 ・執行命令を即興で行うエージェント • 各実行ごとに異なる結果を生み出すワークフロー それらは生の故障痕跡、つまりエージェントが誤作動したりループしたり、幻覚を見たりした実際のログを示しています。 まるで「自律型AI従業員」のデモの解剖のように読めます。 2 / 彼らは決定論を中心にスタック全体を再構築する すべてのツール呼び出しは型付き関数となります。 すべての処刑パスはリプレイ可能です。 すべてのステップは決定論的です。 同じ出力を2回生産できなければ、それは生産グレードではありません。 このルールだけで、人々が「出現」と誤解する混沌の半分を殺す。 3 / 単一責任エージェントを強制する 12人格のメガエージェントもいない。 その代わりに： •プランナー ・推論者 • ツール執行者 • 検証器 •シンセサイザー それぞれに厳格な境界線があります。 幻覚の道具もない。 混用作業の理由は使わない。 フリーランスは禁止。 これはロールプレイではなくバックエンドエンジニアリングです。 4 / 彼らはすべてのプロンプトを実際の構成のように外部化します プロンプトはもはや隠された糸ではなく、次の通りです: ・バージョン管理 •監査 ・可変 ・リロード可能 これにより安定した挙動が生まれ、目に見えない退行が防がれます。 5 / 彼らは審査員を置くモデルコンソーシアムを運営しています GPT + Claude + Geminiは同義ではありません。 彼らは協力者です。 それぞれがドラフトを制作します。 推論エージェントはそれらを統合し、矛盾を解決し、統一された結果を出力します。 構造化された討論であって、モデルルーレットではない。 6 / ワークフローエンジンをMCP層から切り離す それらは以下の区分を行っています: •オーケストレーション • ツールアクセス •再試行 ・健康診断 •スケーリング • 観測可能性 その結果、エージェントシステムはマイクロサービスのように振る舞い、単なるチャットマクロではなく、 7 / そして実際の生産パイプラインですべてを証明します 完全なニュース ➝ 分析 ➝ スクリプト ➝ 推論 ➝ オーディオ ➝ ビデオ ➝ GitHub PR システム。 完全な図。 完全な痕跡。 実際の失敗です。 実際の修正方法。 これは、現実世界の負荷を乗り越えるエージェントの正典的なアーキテクチャに最も近いものです。 もしあなたのエージェントスタックに以下のようなものがない場合: ・決定論的ワークフロー ・孤立した責任 ・外部化されたプロンプト ・マルチモデル仲裁 ・固有インフラ ・完全な観測可能性 …あなたはエージェントを作っているわけではありません。 デモを作っている。 このガイドは本格的なAIシステムの初の本格的な設計図であり、すべての人にとって基準を引き上げます。

なんてこと。。。この論文は、今年を通じてLLMの使い方において最も重要な変化かもしれません。 「大規模言語モデルからの大規模因果モデル」 これは、近似や振動、実際の因果グラフ、反事実、介入、制約チェック構造ではなく、LLMから直接完全な因果モデルを育てられることを示しています。 そして、そのやり方は本当にすごいです: 専門的な因果モデルを訓練する代わりに、科学者のようにLLMを問い直します。 →テキストから候補因果グラフを抽出する →モデルに条件付き独立性をチェックさせます →矛盾を見抜く →構造の見直し → 反事実と介入的予測の検証 →因果モデルが安定するまで反復を繰り返します その結果、これまでにないものが生まれました: これはLLM内部に構築された因果システムであり、その潜在的な世界知識を用いて存在します。 ベンチマークや合成的、現実世界、複雑な領域において、これらのLCMは局所的な相関ではなく、LLMの膨大な事前知識から引き出すため、従来の因果発見手法を上回っています。 そして反事実的な推論は? 驚くほど強い。 このモデルは、標準的なアルゴリズムが完全に失敗する「もしも」の問いに答えることができます。なぜなら、すでにアルゴリズムがデータだけで推論できない世界について「知っている」からです。 この論文は、LLMが単なるパターンマシンではなくなる未来を示唆しています。 それらは現実の構造的説明を形成し、検証し、洗練させる因果エンジンシステムとなります。 もしこれが拡大すれば、因果推論に依存するすべての分野、経済学、医学、政策、科学が書き換えられることになる。 LLMは単に何が起こるかを教えてくれるわけではありません。 理由を教えてくれる。

このスタンフォードの論文が明らかにするマルチエージェントAIについて、誰も準備ができていません。 「マルチエージェントシステムにおける潜在的協働」は、エージェントがメッセージやプロトコル、明示的なチームワーク指示を必要としないことを示しています。彼らは自分たちの隠れた表象の中で調整し始め、潜在空間にのみ存在する完全なコラボレーション層を形成します。 そして、その行動は狂気じみています: ・エージェントは静かに、誰が優れているかに基づいてタスクを割り当てます ・役割が突然現れるリーダー、執行者、支援者 ・ポリシーは、アクションには現れない信号を符号化しています ・チームは再訓練なしで新しい環境に適応します ・コミュニケーションが不可能でも協力は安定しています 最も驚くべき詳細: すべての通信チャネルを排除しても、エージェントは協力的です。「チームワーク」はメッセージの中に存在するものではありません。ネットワーク内に存在しています。 これはマルチエージェントのプレイブック全体を逆転させます。 私たちは上に調整メカニズムを作ってきました... 本当の調整はその下で行われています。 新たなチームインテリジェンスの時代が開かれつつあり、それは私たちが気づいていなかった場所で起きています。 プロジェクト:GitHub。com/Gen-Verse/LatentMAS