runesleo

おめでとうございます。皆さんに新しい職種が増えました：エージェント監査人。
AgentFlowという論文の最も面白いところは、また新しいワークフローフレームワークを発明したのではなく、エージェントプログラムを新しいソフトウェアサプライチェーンとして図示したことです。
以前、コードを審査する際は主に関数Aが関数Bを呼び出していることを見ていました。
今は見るべきパスがより厄介です：
ユーザー入力がどのプロンプトに入ったか；
プロンプトがどのエージェントに影響を与えるか；
エージェントは誰に引き継げるか；
共有メモリが汚いコンテキストを持ち越さないか；
最後にどのツールがファイル書き込み、メール送信、コマンド実行をできるか。
これが、論文で言うAgent Dependency Graphです。
私は最近ますますこのことを理解できるようになりました。Codex、Claude、Cursorを複数開くこと自体には意味がなく、本当に管理すべきは各ワーカーの権限境界と書き戻しパスです：
何を読めるか；
何を書けるか；
何を呼び出せるか；
公開、デプロイ、ウォレット、本番環境に遭遇した場合、アクセス制限はどこにあるか；
終わった後に証拠はどこに書き戻すか。
そうでなければ、いわゆるマルチエージェントワークフローは、すぐにたくさんの忙しそうに見えるが、誰が何に触れたのか誰も知らない会話ウィンドウの山

この「forecasting RL（予測強化学習）」に関する記事は面白い。
その仕組みは次のように理解できる：
過去の予測問題と実際の結果があるデータセットを使い、AIを当時の時点に戻す。
ただし、今日のインターネットに直接アクセスさせると答えを覗き見できてしまう。
そこで作者は「タイムマスク」環境を構築した：
検索は当時以前の資料に限定；
Webページは履歴スナップショットから読み込む；
金融・トレンドデータも当時に見えていた部分のみ提供。
そしてモデルに自ら資料を調べさせ、証拠を判断し、確率を出力させる。
実際の結果が明らかになった後、proper scoring rule（適切なスコアリングルール）で採点し、RLを使ってより良い予測プロセスを強化する。
最も興味深いのはここ：
訓練するのは答えの一文ではなく、予測の一連の行動全体だ：
何を調べるか、何を読むか、いつ止めるか、矛盾する証拠をどう扱うか、最終的にどの確率を出すか。
予測市場に適用するなら、最初のステップはAIに自動取引させることではないと思う。
まず「forecast diary（予測日記）」を残させるべきだ：
1. 当時の確率
2. 使用した証拠
3. 市場価格
4. 取引するかどうか
5. その後の結果
6. 誤りの原因分類
もしあるシステムが60%と言ったとき、長期的に本当に60%でなければ、それはまだ戦略で

知らないうちに市場予測戦略にどう取り組むか？私が毎日使っている愚かな方法を共有します。
まずは慌ててモデルや指標を研究しないでください。ランキングを開いて、毎日各カテゴリーのトップ数十名を引き出して保存します。1日だけを見るのではなく、1〜2週間積み重ねてください。
次に複数日間比較し、繰り返し出現するアドレスを抽出します。1日だけ上位に来たものは無視し、連続してランキングに載るものだけが本当に継続的に勝っているものであり、運ではありません。
なぜランキングのトップだけを見るのか？一度検証した結果、全期間で最も利益を出していたいくつかを抽出したところ、多くはすでに休眠していました。帳簿上で2千万ドル以上のアドレスも、最近30日間の毎日のランキングには一度も載っていません。お金は確かに稼いでいますが、人はすでにテーブルにいません。このようなやり方は今の状況には参考になりません。
継続的に活動しているアドレスを特定したら、そのアドレスが最近どの市場やどのペースで賭けているかを調べます。ここまで進めば、何を分解し何を学ぶべきかが見えてきます。
最初から複雑にしなくても、「ずっと勝ち続けている人を見る」ことから始めてください。
ランキングはここ 👉

これはちょっと恥ずかしいですね、Opus 4.8に問題があります。
それから、もしFableを使ってタスクを進めると、いつも自動的に4.8に切り替わってしまいます。
くそっ、つらいです。
今はもう4.6だけを使うしかないのでしょうか？