自己ラベルと学習アルゴリズム ― 多数決で擬似正解を作り GRPO/ADPO で重みを更新する【プロンプトで読み解くAIエージェント #11
連載「プロンプトで読み解くAIエージェント」第11回（第9章）。 実在する3つのAIエージェントOSSを、実コード・実プロンプトを原典から引用しながら読み解き、 最終的に「自分でAIエージェントを作れる」状態を目指す連載です。 本記事は 第2部の最終章。第7章で動機を、第8章で共進化と報酬設計を見ました。本章で学習ループそのものを開けます。 この章の前提（第7章・第8章のおさらい） 第2部に入ってからの3章を、本章の入口で1段ずつ重ねておきます。 第7章: Agent0（aiming-lab/Agent0 @ 30e1882）は「動くアプリケーション」ではなく、強化学習で モ...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AI実践室
AI秘書が毎朝8時にやっていること — 27本のcronジョブと、3日間止まっていた話
弊社の「AI秘書」は毎朝8時に経営データを1枚のブリーフィングにまとめます。実際のスクリプト・出力・実行ログを開いて、何をしていて、何ができていないかを数字で書きました。
続きを読む →
AI実践室
AIに「鬼とは何か」を聞いたら、3体とも同じ答えにたどり着いた
このメディアの名前でもある「鬼」。Claudeの3世代（Opus 4.8 / Sonnet 5 / Haiku 4.5）に「鬼とは何か。1文で、詩的に答えて」とだけ頼みました。バラバラの言葉で返ってきた3つの答えが、なぜか同じ一点を指していた——AIの“発想の揃い方”が見える、短い実験の記録です。
続きを読む →
失敗の鬼
AI処理414件を失敗させた話 — モデルを指定しなかっただけで、75%が落ちた
自社メディアの記事要約を一括処理したところ、553件のうち414件が失敗しました。原因は「使うAIモデルを指定しなかった」こと。何が起き、どう仕組みに落としたかを、実際のコードとログで公開します。
続きを読む →