03 / SESSION REPORTS
ひとつずつ、深く読む。 公式49講演・2パネル・1ビデオメッセージに、現地記録で確認したAJの追加発表を加えた53件。発表の内容、具体例、実務への示唆をまとめました。
写真を押すと拡大できます。詳細欄の「原文」「写真」ボタンから説明の根拠を確認できます。音声原文は英語・中国語の再文字起こしです。
01 録音を確認 11/05 09:35–09:45 · メインステージ ／ 公式予定
ハイプを超え実装に集中する技術者コミュニティの中国初展開 swyx / 主催者 ／ AI Engineer Shanghai
Opening with swyx · Video
AI Engineer Shanghai 2026のオープニングにおいて、ホストのMengying氏の開会宣言に続き、共同創設者のswyx氏がビデオメッセージを寄せた。世間のAIカンファレンスが政治家や経営者による雇用不安などの抽象的な議論に終始しがちな現状に対し、AI Engineerは実用的なプロダクトや信頼性の高いインフラを構築するエンジニア自身に焦点を当ててきた背景を説明。世界各都市での展開に続き中国市場へ初進出した意義を強調し、参加者に対して技術的対話の深耕と知見の発信を呼びかけた。
事業・組織 推論・基盤
AI Engineerコミュニティのフォーカス変遷と理念
AI Engineerコミュニティのフォーカス変遷と理念 ハイプ・抽象的議論 からの脱却 実装とインフラ信頼 性への集中 現場エンジニア同士 の対話・共有 グローバルエコシス テムへの拡張 ハイプ・抽象的議論からの脱却 ↓ 実装とインフラ信頼性への集中 ↓ 現場エンジニア同士の対話・共有 ↓ グローバルエコシステムへの拡張 編集上の概念図 · 誇大広告や過度な懸念議論ではなく、実用的な価値と強固なインフラを構築するエンジニアを主役とするコミュニティの設計思想。 詳しい内容・実務への示唆・根拠を読む 中国初開催となるAI Engineerの開幕宣言とスポンサーへの感謝 ホストのMengying氏が登壇し、AI Engineerとして中国・上海での初開催を宣言した。世界各地から集まった登壇者やコミュニティを支えるスポンサー企業への感謝を述べるとともに、参加者に向けて展示エリアでの製品体験や2日間のネットワーキングを通じた協業機会の創出を呼びかけた。
原文 11/05 09:35 · 区間1
実用性と信頼性を追求するエンジニア中心のコミュニティ方針 ビデオ登壇した共同創設者のswyx氏は、ハイプや過度な安全性の懸念にとらわれず、ユーザーに実際に使われる機能や信頼性の高いインフラを構築する技術者に焦点を当てることこそが本コミュニティの核であると強調した。政治家や経営者主導のイベントとは異なる技術対話の重要性を訴えた。
原文 11/05 09:35 · 区間1
グローバル展開の加速と中国コミュニティ参入の重要性 これまでにシンガポール、マイアミ、シドニー、パリ、メルボルンで開催を重ねており、今後はインドやアフリカでの展開も計画されている。その中で中国への進出は極めて重要なステップであり、モデル基盤からインフラ、実応用に至る幅広いエコシステムとの対話深化を期待していると語った。
原文 11/05 09:35 · 区間1
初となるライブ配信非実施と参加者による発信の要請 swyx氏によると、今回の上海大会はAI Engineer史上初めて公式ライブ配信を行わないイベントとなった。そのため、現地参加者に対して写真やメモ、動画などを積極的にSNSへ投稿・共有し、会場外のコミュニティへ熱量を伝播してほしいと協力を要請した。
原文 11/05 09:35 · 区間1
持ち帰る視点 · 編集上の考察 AI技術の社会実装においては、抽象的な将来不安や過熱するハイプにとらわれず、実運用に耐えうるインフラの信頼性やユーザー価値の実装にフォーカスする姿勢が重要である。グローバルな技術潮流を取り入れつつ、現場の開発者同士が実装の知見をオープンに共有・発信し合うエコシステムを築くことが推奨される。
根拠の範囲： 公式情報に記載されたビデオメッセージ予定通り、現地音声にてホスト（Mengying氏）による開会挨拶とswyx氏による約3分間のビデオメッセージが確認された。スライド等の写真証拠は存在しない。
本セッションは現地ホストの挨拶および事前録画されたビデオメッセージのみで構成されており、詳細な技術仕様や定量的ベンチマークの発表は含まれていない。また、音声内の後続セッション部分は別講演のため除外している。
02 録音・写真を確認 11/05 09:45–10:10 · メインステージ ／ 公式予定
エージェント固有IDと隔離シミュレーションで築く安全な自律連携 Marco Casalaina ／ Microsoft
From Models to Working Enterprise Agents
当日スライドの題名：The Future of AI Is Already Here
エンタープライズにおけるAIエージェントの本格運用に向けて、ユーザーの権限をそのまま継承するなりすまし型エージェントの危険性が提起された。エージェントがファイル削除などの危険な操作を実行するリスクに対し、登壇者はエージェント自身に固有のアイデンティティ（Entra IDや個別メールアドレス）を持たせて最小権限を適用する設計を提案した。さらに、エージェント同士が自律的かつアドホックに連携する近未来を見据え、従来の汎用メトリクスから業務規則に沿ったルーブリック評価への移行と、OpenEnvなどの隔離されたシミュレーション環境でツールや他者との通信を丸ごと模擬して厳格にテストする検証体制の重要性を報告した。
エージェント設計 セキュリティ 評価・検証
Marco CasalainaのキーノートP006 · 11-05 09:43 CST 銀行業務を想定した評価ルーブリックP008 · 11-05 10:04 CST 詳しい内容・実務への示唆・根拠を読む なりすましエージェントのセキュリティ脆弱性と権限問題 ユーザーの権限を継承して動作するエージェントは、OneDriveのファイル全削除などユーザーが実行可能なすべての操作を行えるリスクを孕む。ハーネス層でファイル制限を設けても、シェルスクリプトやコード生成を介して制限を回避される恐れがあり、安全性を担保できない課題が指摘された。
原文 11/05 09:35 · 区間3
独自アイデンティティ付与による最小権限の原則の適用 エージェントにEntra IDや個別メールアドレスを与えて独自のセキュリティコンテキストで実行させる手法が提示された。これにより、ユーザー自身が書き込み・削除権限を持っていても、エージェントには閲覧のみ（Files.Read.All）を許可するなど、最小権限の原則に基づく厳密なアクセス制御が可能となる。
原文 11/05 09:35 · 区間2 原文 11/05 09:35 · 区間3
事前オーケストレーションから自律的アドホック連携への進化 従来のフレームワークによる中央集権的な連携制御を未就学児のプレイデートに例え、今後はエージェント同士が必要に応じて自発的に他エージェントを呼び出し合意形成を行う「非オーケストレーション型」の自律連携へと進む展望が示された。
原文 11/05 09:35 · 区間4
汎用評価から業務規程に基づくルーブリック評価への転換 関連性や流暢さといった汎用的な評価指標から、銀行業務における顧客間アクセス拒否や各種金融規制（Regulation EやP等）、手数料返金条件などを厳密に検証するルーブリックベースの評価基準へ移行すべきであることが示された。
写真 P007 写真 P008 原文 11/05 09:35 · 区間4
仮想環境「OpenEnv」を用いた隔離シミュレーションテスト チャットやメール等で自律通信するエージェントを安全に検証するため、Hugging Face等と共同で進むOpenEnvのような仕組みを活用し、外部ツールや人間との対話を仮想的に再現した環境で単体分離テストを行う必要性が語られた。
写真 P009 原文 11/05 09:35 · 区間4
持ち帰る視点 · 編集上の考察 編集部の考察として、エージェントを個人アカウントの代理人ではなく組織内の独立したアカウントとして設計し、最小権限の原則を適用することが必須となる。さらに自律連携を前提に、業務規程に即したルーブリック評価とシミュレーション環境での単体検証パイプラインを早期に整備することが推奨される。
根拠の範囲： 公式プログラムの仮タイトルから現地スライドでは「The Future of AI Is Already Here」に変更されていたことが写真P006および音声から確認できた。講演内容は音声A202611050935-01〜03および撮影スライドP006〜P009と整合しており、会場のネットワーク不調に伴うデモ制約の経緯も含めて現地内容を検証できた。
現地の通信環境トラブルにより一部のライブデモ画面の表示がスキップされ、登壇者の口頭説明および持参スライド画面に依存している。また、OpenEnv等のシミュレーション手法は開発途上の一例として提示された。
03 録音・写真を確認 11/05 10:10–10:25 · メインステージ ／ 公式予定
膨大なトレースを要約・集約しエージェント自身が自己改善する次世代ループ Clemens Rawert ／ Langfuse by ClickHouse
Building Agents: Yesterday, Today, Tomorrow
エージェントが複雑化しトラフィックが増加する中、人間が手作業でトレースを閲覧しプロンプトやevalを修正する従来の運用は限界を迎えています。Langfuse共同創業者Clemens Rawert氏は、コーディングエージェント型アーキテクチャの普及に伴い、改善ループ自体をエージェントへ委託する設計を提案しました。コンテキスト長制限に対しては、全トレースを要約・埋め込み・クラスタリングして重要障害のみを抽出する「データの段階的開示」を導入。失敗特定から修正・バックテストまでをバックグラウンドエージェントに任せ、人間は品質基準の定義と最終リリース判定に注力する運用モデルと、蓄積データによる独自強化学習環境の構築を提唱しました。
エージェント設計 評価・検証 データ・メモリ
エージェントが改善ループの一部を担うP023 · 11-05 10:16 CST 大量のトレースを要約・分類して段階的に開示するP025 · 11-05 10:17 CST 詳しい内容・実務への示唆・根拠を読む エージェント構造の進化とコーディングエージェント型への収束 LLM呼び出しや手動の複雑なグラフ設計を経て、現代のエージェントはスキル仕様、ファイルシステム、サンドボックスをツールとして備えたコーディングエージェント型ループへと収束しています。ループ自体はバックエンドワーカーで動かし、サンドボックスは必要なときのみ呼び出すことで計算リソースやコストの最適化が可能であると報告されました。
写真 P015 写真 P017 原文 11/05 10:06 · 区間1
手動改善ループの限界とテレメトリの肥大化 従来は人間がトレースを目視して失敗を見つけ、evalを作成して修正とバックテストを回していましたが、エンジニアのスケーラビリティに依存するため低速かつ高コストでした。ツールループやサブエージェントによりトレース規模が爆発し、本番トラフィックの増加も相まって人間が全トレースを読み通すことは不可能になっています。
写真 P021 写真 P022 原文 11/05 10:06 · 区間2
段階的開示によるテレメトリの要約とクラスタリング 数百万件におよぶトレースはLLMのコンテキストに入り切らないため、登壇者は「データの段階的開示」を提唱しました。トレースをテキスト軌跡に変換し、小型モデルで要約した後に埋め込みとクラスタリングを実施。重要度でランキングされた上位の失敗クラスタのみをフルトレースとしてコーディングエージェントに渡します。
写真 P024 写真 P025 原文 11/05 10:06 · 区間2
常時稼働エージェントによる改善自動化と人間の役割 MCPやAPIを介してテレメトリを接続することで、常時稼働するバックグラウンドエージェントが失敗検知、プロンプト・eval修正案の提示、バックテストを実行可能になります。この自動化の中で人間が担うべき役割は、何が良い結果かの定義、信頼すべきフィードバック信号の選定、そして本番リリースの最終判断に絞られます。
写真 P023 原文 11/05 10:06 · 区間2
運用データからの独自強化学習環境構築 改善ループを回す過程で得られる高品質なラベル付きデータは、アプリケーション固有の資産となります。先進的なチームでは、このテレメトリデータを活用してタスクとベリファイア（検証器）からなる独自の強化学習（RL）環境を構築し、タスク特化のオープンソースモデルをポストトレーニングする動きが始まっています。
写真 P026 原文 11/05 10:06 · 区間2
持ち帰る視点 · 編集上の考察 編集部の考察として、エージェント運用の成否は「人間がトレースを監視する体制」から「エージェントがトレースを消費して改善案を出すパイプライン」への転換にかかっています。テレメトリを要約・クラスタリングしてLLMが読める形に整形し、人間はevalの評価基準の定義とリリース承認というガバナンスに集中する体制設計が実務上有効です。
根拠の範囲： 公式アブストラクトの予告通り、エージェント開発の歴史と自律的テレメトリ改善ループについて講演が行われました。スライド写真（P010〜P026）および録音文字起こし（A202611051006-00, 01）の双方から、講演内容が詳細かつ完全に一致して確認されています。
本報告で示された強化学習環境の構築やバックグラウンドエージェントによる自動改善は、登壇者企業および一部の先進的チームにおける実践例や展望に基づき、すべてのプロダクトで即座に完全自律運用が可能であることを保証するものではありません。
04 録音・写真を確認 11/05 10:25–10:45 · メインステージ ／ 公式予定
AI時代の制作：効率向上の中で自己の判断と生活を取り戻すUI設計 Ryo Lu ／ ex-Cursor
When we can do anything, do we still know what we want?
元CursorのFounding DesignerであるRyo Lu氏は、AIによって制作や実行のハードルが極端に下がる一方、他者の成果への焦燥感から盲目的な生産性競争に陥り、自身が真に何を望んでいるかを見失う問題を提起した。同氏は、AIツールを単なる「サービス窓口（完成品を受け入れるか拒否するかの二者択一）」にするのではなく、人間が思考プロセスや前提に介入できる「作業台（ワークベンチ）」として設計すべきだと提唱。最初から完璧な仕様を定義するのではなく、プロセスの途中介入や他者との摩擦・共創を通じて自分自身の判断や価値観を形成し、生産性の最大化ではなく豊かな生活と関心を取り戻す道具としてのAIの在り方を論じた。
エージェント設計 事業・組織
Ryo Lu：何を望むのかを問い直すP027 · 11-05 10:22 CST 役割を越えて作れる時代の自己決定P030 · 11-05 10:25 CST 詳しい内容・実務への示唆・根拠を読む 実行の容易化がもたらす自己喪失と焦燥感 AIにより指示1つでWebサイトや機能が瞬時に作れる時代になり、他者の成果を見て「自分は遅れているのではないか」と焦り、道具やエージェントの数、生産量の拡大に追われる現状を指摘。自分の能力を仕事の成果だけで証明しようとすると、AIが代替可能になった時にアイデンティティの不安が生じる。
原文 11/05 10:22 · 区間1 写真 P029 写真 P030
「サービス窓口」から「作業台（ワークベンチ）」へのUI転換 完成品を提示して受容か拒絶しか選ばせない「サービス窓口」型のUIに対し、AIの意図や計画が見え、途中で人間が介入・微調整できる「作業台（ワークベンチ）」型インターフェースを提唱。人間が自身の思考に触れ、探索する自由を確保することが重要だと説く。
原文 11/05 10:22 · 区間2
道具設計者が実践すべき3つのアプローチ ツール開発者に対し、1) 重要な前提を可視化し、小さな変更を安全に試せ、任せた作業を必要時に取り戻せること、2) 全受容か全拒絶かの二者択一にしないこと、3) 道具は障害を取り除くべきであり、人間が判断を形成する思考プロセスまで奪ってはならないことを提言した。
原文 11/05 10:22 · 区間2
完璧な事前定義ではなく、試行錯誤と他者との共創による価値発見 完璧なPRD（製品要求仕様書）を先に書くのではなく、荒削りなプロトタイプを触りながら自分が何を大切にしているかに気付くプロセスを重視。AIという従順な対話相手だけでなく、意見の異なる他者とジャズのようにセッションしながら創ることで、個人の想像を超えるものが生まれると語った。
原文 11/05 10:22 · 区間3
生産性の拡大から生活と関心の回復へ SFから台北への移住経験を通じ、日々の行動を仕事への有用性だけで測るのをやめたと説明。AIツールが常にあっても常に使い続ける必要はなく、創出された余白を生活の観察や他者への関心、理解に充てることこそが本来の目的であるとまとめた。
原文 11/05 10:22 · 区間2 原文 11/05 10:22 · 区間3 公式概要 ↗ 持ち帰る視点 · 編集上の考察 AIツールやエージェントを設計・導入する際、単に「全自動化」や「出力の最大化」を目指すと利用者の思考や主体性が奪われる。途中の思考・前提を可視化し、人間が微調整や介入を行えるワークベンチ型の体験を提供することが、利用者の独自の判断力と長期的な創造性を育む鍵となる。
根拠の範囲： 公式アブストラクト（O）、現地スライド写真（P027〜P030）、および会場での基調スピーチ全編のGemini再文字起こし音声（A202611051022-00〜02）を照合。公式情報通りのテーマと構成で登壇が実際に行われたことを確認。
本レポートは提供された登壇音声（中国語）および現地のスライド撮影写真、公式情報に基づいており、登壇者の主観的な制作哲学やデザイン思想に関する主張を中心に構成されています。客観的な定量データやシステム性能の実証値は含まれません。
05 録音・写真を確認 11/05 10:50–11:10 · メインステージ ／ 公式予定
Webグラフからのデータ生成と難易度選別で検索エージェントを効率化 David Li & Alex Triplett ／ You.com
Post-Training at the Frontier: Teaching Open Models to Search and Browse the Web
会場スライドにはRyan Leeも掲載。公式の登壇者表記はDavid Li & Alex Triplett。
You.comのエンジニアリングチームは、オープンウェイトの30Bモデル（Nemotron 3.5 Lightning）がWeb検索タスクで陥る「無限ループ」や「過剰なツール呼び出し・トークン浪費」という課題に対処するため、NVIDIAおよびCoreWeaveと共同で事後学習（Post-Training）を実施しました。一般的なWebスクレイピングデータや人気サイトの定型文を避け、Webグラフの「中程度の人気度」ページから抽出した事実に基づくマルチターンQAを作成し、pass@8スコアによる難易度選別（簡単すぎず難しすぎない問題の抽出）を実施。独自のツール実行トレースを用いたSFTとGRPO強化学習を組み合わせることで、BrowseCompベンチマークの正解率向上とともに、ツール呼び出し回数とトークン消費量の大幅な削減を報告しました。
エージェント設計 推論・基盤 評価・検証
NVIDIA・CoreWeave・You.comを組み合わせた学習スタックP038 · 11-05 11:00 CST SFTとRL後のBrowseComp成績・ツール呼び出し数P043 · 11-05 11:06 CST 詳しい内容・実務への示唆・根拠を読む オープンモデルのWeb検索における失敗パターン ベースモデル（Nemotron 3.5 Lightning 30B）はBrowseCompベンチマークにおいて正解率36.97%にとどまり、1問あたり平均168回以上のツール呼び出しと300万〜500万トークンを消費していました。情報が見つからず検索を繰り返す「Death loops」、ツールの非効率な利用、正解を見つけても疑って検索を続け誤答する「Second-guessing」が主な失敗要因として指摘されました。
写真 P039 原文 11/05 10:51 · 区間2
Webグラフの中頻度ページを活用したQAデータ生成 Wikipedia等の既存オープンデータセットの陳腐化やモデルの事前学習メモリからの直接回答を防ぐため、You.comのWebグラフからスパムの多いロングテールや定型文の多い超人気ページを排除し、「中程度の人気度」のページを抽出。1ホップのリンク展開とページ内容取得を経て、客観的事実に基づくマルチターンQAペアを生成するパイプラインを構築しました。
写真 P040 原文 11/05 10:51 · 区間2
pass@8による難易度選別とデコンタミネーション Webグラフ由来データやオープンデータ（OpenSeeker、ASearcherのサブセット）を評価ベンチマークに対してデコンタミネーションした後、ベースモデルで各問8回試行（pass@8）を実施。8回中0回成功の難しすぎる問題や8回全問正解の容易な問題を除外し、中難易度の課題を特定してSFT用正解トレースとGRPO強化学習タスクへ最適配分しました。
写真 P041 原文 11/05 10:51 · 区間2
小規模データによる精度向上とツール利用効率化 4,932件のSFTトレースと1,480件のRLタスクという比較的小規模なデータセットを用い、CoreWeave上で約8時間のGRPOを実施。BrowseCompの精度は36.97%から45.45%へと8.48ポイント（相対+22.9%）向上し、1問あたりの平均ツール呼び出し回数は168回から115回（-32%）に削減されました。
写真 P042 写真 P043
個別トレースで見る、不要な探索からの脱却 複数条件から人物に関する事実を特定する例では、学習前は無関係な検索を繰り返し、学習後は少ない検索と内容確認で回答へ到達するトレースを示した。この例の呼び出し回数は音声とスライドで表記が揺れるため採用せず、評価全体の正解率と平均呼び出し回数を主な定量結果として扱う。
写真 P044 原文 11/05 10:51 · 区間3
持ち帰る視点 · 編集上の考察 Web検索エージェントの強化学習においては、モデルが既に内部知識として保持している情報や解けない難問を排除し、自社ツールによるpass@8成功率に基づいた「適度な難易度」の課題を抽出することが極めて重要です。効率性に対する直接的な報酬を与えずとも、適切な難易度のタスクでGRPOを適用することで、自律的な自己検証とツール呼び出し回数の劇的な削減が期待できます。
根拠の範囲： 公式アジェンダの登壇者予定（David Li & Alex Triplett）に対し、現地ではAlex Triplett（COO）、Ryan Lee（Head of APAC）、David Li（Head of Field Engineering）の3名が登壇したことがスライドP031および音声A202611051051から確認できます。会場スライド（P031〜P045）と音声記録が完全に一致しており、講演内容の検証性は極めて高い状態です。
BrowseCompの結果は、発表で用いたモデル・検索API・学習条件での報告値。個別例の呼び出し回数には資料間の差がある。
06 録音・写真を確認 11/05 11:10–11:25 · メインステージ ／ 公式予定
フルスタック推論最適化と分散オーケストレーションの要諦 Chen Wang ／ Baseten
Full-Stack Inference Engineering: Latency, Throughput and Cost
LLMの普及に伴いオープンモデルの推論需要が急増する中、スループット向上とレイテンシ低減、コスト抑制のトレードオフをどう両立するかが運用上の重要課題となっている。BasetenのChen Wang氏は、単一ノードにおけるPrefillとDecodeの特性分離（P/D Disaggregation）や各種最適化技術から、複数クラウドを跨ぐ分散GPUクラスターのKVキャッシュ対応ルーティング、高速コールドスタートに至るフルスタック推論基盤の設計手法を提示。コミュニティの検証事例を交え、基盤からオーケストレーションまで垂直統合したシステム最適化の実務的意義を解説した。
推論・基盤
推論の遅延・費用・スループットの関係P053 · 11-05 11:17 CST GPUからオーケストレーションまでの推論スタックP058 · 11-05 11:24 CST 詳しい内容・実務への示唆・根拠を読む オープンモデル推論の台頭と企業の採用フェーズ 登壇者は、OpenRouter上のトークン消費においてオープンモデルがクローズドモデルを逆転し差が拡大している動向を紹介した。企業は初期のAPI利用から専用デプロイ、自社データによる事後学習・ファインチューニングへと段階的に移行しており、データ主権の保護とコスト・性能の最適化のためにオープンモデルの自前運用が重要性を増していると指摘した。
写真 P049 写真 P050 原文 11/05 11:10 · 区間1
PrefillとDecodeの分離によるリソース最適化 推論処理をコンピュート集約的でTTFTを決めるPrefill段階と、メモリ帯域がボトルネックとなりITLを決めるDecode段階に分解して解説。両段階の計算特性が異なるため、それぞれ別個のGPUインスタンスに分離する「P/D Disaggregation」やChunked Prefill、Paged KV Cacheを適用することでGPU利用効率が大幅に向上すると論じた。
写真 P055 原文 11/05 11:10 · 区間2
KVキャッシュ考慮ルーティングと階層的オフロード 分散クラスター環境では、地理的近接性だけでなくKVキャッシュの一致状況に基づくリクエストルーティング（KV-aware routing）がTTFT短縮とコスト削減に直結すると説明。さらにGPU HBMからホストRAM、SSD、共有ストレージへとキャッシュを階層的にオフロードすることで、プレフィックスキャッシュのヒット率を最大化する設計を示した。
写真 P056 原文 11/05 11:10 · 区間2
マルチクラウド基盤とフルスタック垂直統合 CUDAカーネルやFP4/FP8 GEMMといった低レイヤから、vLLM等の推論エンジン、Kubernetes自動スケーリングや高速コールドスタートなどのオーケストレーションまで全層での統合が不可欠であると強調。単一レイヤの改善にとどまらず、スタック全体を連動させることで高スループットとエンタープライズ級の信頼性を実現できると述べた。
写真 P057 写真 P058 原文 11/05 11:10 · 区間2
持ち帰る視点 · 編集上の考察 編集部の考察として、LLM推論のコスト・速度最適化はエンジン選定にとどまらず、PrefillとDecodeの負荷特性に応じたノード分離やKVキャッシュヒットを意識したグローバルなルーティング設計が決定打となる。自社ワークロードの並行度とレイテンシ許容量を分析した上で、階層的キャッシュと動的オーケストレーションを組み合わせたフルスタック設計を推進することが推奨される。
根拠の範囲： 公式プログラムの講演予定情報（O）、会場で撮影された13枚のスライド写真（P046〜P058）、および2区間の音声文字起こし（A202611051110-00, A202611051110-01）を相互照合して作成。音声とスライドの内容が完全に一致しており、実際の講演進行を確認できた。
スライドで示された性能向上倍率（P/D分離でTTFT 3.3倍など）はコミュニティの報告値や特定条件下での検証結果であり、モデルサイズやハードウェア構成により効果は変動する点に留意が必要である。
07 録音・写真を確認 11/05 11:25–11:40 · メインステージ ／ 公式予定
実稼働ログとRCTでエージェントを測るArenaの動的評価手法 Chen Peng ／ Arena
Measure the frontier of AI for real world use
静的ベンチマークが容易に飽和・形骸化し、複雑で長期にわたるエージェントタスクを測定できない課題に対し、Arenaは実稼働製品（Agent Mode）の大規模セッションを用いた新たな評価基盤を提案した。セッションごとにモデル等の構成要素を無作為介入（RCT）させ、蓄積された実行トレースから成功確認・操縦性・ツール幻覚など5つの能力シグナルや安全性指標（Alignment Index）を抽出してスコア化する。これにより、性能差だけでなく費用対効果やアライメントを含めた多角的な実世界性能の可視化を可能にしている。
評価・検証 エージェント設計
実世界の長期タスクを評価するという課題P064 · 11-05 11:31 CST 成功確認・満足・修正量など複数の評価信号P067 · 11-05 11:35 CST 詳しい内容・実務への示唆・根拠を読む 実世界利用データに基づくエージェント評価基盤の構築 静的テストセットの限界に対し、Arenaは実サービス上で発生する数百万件の実務タスク（財務RAG構築等で84ターン・ツール呼出676回に達する例など）のトレースを収集している。単なる人手投票に頼るだけでなく、実際のツール呼び出しや環境との対話ログを網羅的に捉えることで、複雑な長期タスクの測定を可能にしている。
写真 P064 写真 P065 原文 11/05 11:26 · 区間1
ランダム化介入（RCT）と5つの能力シグナル抽出 モデル等のコンポーネントを独立に無作為割り当てするRCT手法を採用し、公平な比較環境を担保している。評価シグナルには「成功確認」「称賛vs苦情」「操縦性（修正頻度）」「Bash信頼性」「ツール幻覚率」の5つを定義し、LLMジャッジと人手検証を組み合わせて各トレースからスコアを算出する。
写真 P066 写真 P067 原文 11/05 11:26 · 区間2
安全性指標とハーネス・シミュレータへの評価拡張 能力だけでなく、未承認行動・虚偽帰属・欺瞞的完了を捉える「Alignment Index」を導入している。さらにClaude CodeやCodexなどのハーネス差分の評価や、数百万セッションで訓練したユーザーシミュレータにより数週間かかる評価を数時間で完了するオフライン評価機能の開発も進めている。
写真 P070 写真 P071 原文 11/05 11:26 · 区間2
モデル選定におけるパレートフロンティアの活用 最新リーダーボードではAnthropicやGoogleなど米国フロンティアモデルが上位を占める一方、中国系オープンウェイトモデル（DeepSeekやXiaomi MiMoなど）がコストと性能のパレート境界上で高い効率性を示していると報告された。絶対的な知能スコアだけでなく費用やトークン消費のトレードオフを重視すべきだと強調した。
写真 P068 写真 P074 原文 11/05 11:26 · 区間2
持ち帰る視点 · 編集上の考察 エージェントの社内導入や評価では、単一の静的テストスコアではなく、修正の手間（操縦性）やツールの誤用・未承認動作といった実行トレース由来の実運用シグナルで測定することが有効である。また最高性能モデルの追従だけでなく、パレート曲線を意識してコストや推論時間とのバランスを考慮したモデル選定を行うことが実践的な指針となる。
根拠の範囲： 公式アブストラクトの予定内容に対し、現地録音（A202611051126-00〜02）および参加者撮影スライド（P059〜P075）の双方が揃っており、登壇内容・スライド・発表者の解説が完全に合致していることを確認した。
リーダーボードの順位やパレート境界上の優位性は登壇時点でArenaプラットフォームに集積された約287万セッションに基づく集計結果であり、個別のドメインや閉域環境でのタスク性能を一般的に保証するものではない。
09 録音・写真を確認 11/05 13:45–14:05 · メインステージ ／ 公式予定
長時間自律稼働エージェントを支えるハーネス設計と検証ループ Ailing Teng ／ StepFun
From Model Intelligence to Agent Harness: Enabling Long-Horizon Agents
長時間に及ぶ複雑なタスク（Long-Horizon）において、AIエージェントが目標を見失い、コンテキストが肥大化し、途中で終了してしまうという課題に対し、StepFunのAiling Teng氏が登壇。基盤モデル「Step 5 Preview」の基本性能（総パラメータ600B/アクティブ27B、1Mコンテキスト、ネイティブビジョン）と、オープンソースのエージェントハーネス「Step Code」を連携させた実践手法を報告した。タスクの状態（目標・計画・履歴）をコンテキスト外に永続化するTask Tree、必要な情報のみを圧縮・制限して抽出するBudget Gate、完了判定を客観的に行う外部検証（External Verification）、ローカル切断後も稼働し続けるクラウドサンドボックス実行環境からなる4つのエンジニアリング解決策を提示した。
エージェント設計 評価・検証 推論・基盤
長時間エージェントの4つのエンジニアリング課題P082 · 11-05 13:55 CST 完了を宣言する前に実際の成果を検証するP085 · 11-05 13:59 CST 詳しい内容・実務への示唆・根拠を読む モデル知能と長時間タスクの基盤性能 フラッグシップモデル「Step 5 Preview」は総パラメータ600Bのうち1トークンあたり27Bをアクティブ化し、長時間の反復実行における計算コストを抑制する。1Mトークンのコンテキストウィンドウ、ネイティブビジョン、ツール利用能力を備え、独自評価のStepCodeBench（553リポジトリ、33言語）では49.0%を記録したと報告された。
写真 P080 写真 P081 原文 11/05 13:43 · 区間1
長時間自律実行を阻む4つのエンジニアリング課題 エージェントが長時間の作業を継続する際のボトルネックとして、①目標喪失と失敗の反復、②ログ等によるコンテキスト溢れ、③結果検証前の早期終了、④ローカル切断による実行中断の4点を挙げ、これらをモデル単体ではなくエージェントハーネスの仕組みで解決すべき課題と位置づけた。
写真 P082 原文 11/05 13:43 · 区間2
状態の外部永続化とコンテキストエンジニアリング 目標や計画をTask Treeとしてモデルの作業記憶外に保存し、各ステップで必要な情報のみを取得する構造を提示。さらにBudget Gateにより長文ログの分割・切り捨てや画像圧縮（長辺2000px以下）を行い、サブエージェントには結論のみを返却させることでコンテキストを厳格に管理する。
写真 P083 写真 P084 原文 11/05 13:43 · 区間2
外部検証ループとクラウドサンドボックス環境 行動後にビルドやテスト、レンダリングを実行し、受け入れ条件と照合する外部検証（External Verification）を必須化。合致するまでタスクを終了させない。また、ハーネス（Brain）をクラウドで永続稼働させ、実行環境（Hands）をサンドボックス化することでクライアント遮断後も継続実行を担保する。
写真 P085 写真 P086 原文 11/05 13:43 · 区間3
持ち帰る視点 · 編集上の考察 モデルの推論能力向上だけに依存せず、Task Treeによる状態の外部保存、Budget Gateによるコンテキストの制限、テストに基づく完了検証、サンドボックスによる永続実行という「エージェントハーネス」の枠組みを整備することが、実用的な長時間自律エージェントの構築には不可欠である。
根拠の範囲： 公式アブストラクトの予告内容（Step 5 Preview、Step Code、持続的なエージェント運用の課題）と、スライドP079〜P087および音声トランスクリプトA202611051343-00〜02の講演内容が整合している。音声内で「Step 2 View」と聞こえる箇所はスライド表記「Step 5 Preview」の誤認識/言い間違いと判断してスライド表記を採用した。
ベンチマークスコア（StepCodeBench）や実験データ（ポケモン探索32%など）はStepFun社内実験および特定デモ環境での数値であり、実証範囲や他環境での汎化性能は限定的である。音声書き起こし内のモデル呼称等に一部不鮮明な箇所がある。
10 録音・写真を確認 11/05 14:05–14:25 · メインステージ ／ 公式予定
生成が速くなるほど、変更を検証する能力が問われる Vincent Koc ／ OpenClaw Foundation
Dark Factory to Lobsterville: Intent Engineering for Persistent Multiplayer Agents
OpenClaw FoundationのVincent Kocは、多数のエージェントが変更を作る開発環境で、コード生成よりも検証能力が制約になった経験を報告した。CI費用を定価ベースで月額換算すると、ピーク時の約127万ドルから直近ペースの約22.5万ドルへ減少したという。重要なのは、これは請求額ではなく組織全体の利用ペースからの推計であり、適応型テストだけの効果ではない点だ。講演では、結果の正しさを確かめる仕組みを設計するProof Engineering、選別したテストを全件実行と照合するシャドウ運用、実務課題を使うShellBenchを紹介した。
エージェント設計 評価・検証 推論・基盤
実行量から目的、そして証拠へP094 · 11-05 14:12 CST テスト削減の判断自体を全件実行と比較するP100 · 11-05 14:19 CST 詳しい内容・実務への示唆・根拠を読む 自律工場のボトルネックはコード生成量ではなく「検証（Proof）」の処理能力 300以上のエージェントを並行稼働させ1日1,000〜2,000件規模のPRを自動生成・デプロイできる環境を構築したものの、最大の制約はPRの生成速度ではなく、それらが意図通り壊れずに動作しているかを検証・証明（Proof）する処理能力とテスト容量の限界であったと指摘した。
写真 P090 原文 11/05 14:03 · 区間1
ループ工学から意図工学、そして検証可能性を設計する「証明工学」への進化 開発手法は、従来の反復ループ（Loop Engineering）から人間の意図をモデルへ反映する意図工学（Intent Engineering）、さらに変更の正当性を機械的に検証可能にする「プルーフエンジニアリング（Proof Engineering）」へ移行。エンジニアの役割はエージェント工場の管理者から評価（Eval）や検証基盤の設計者へと変化していると説く。
写真 P092 写真 P094 原文 11/05 14:03 · 区間1
CIの利用量削減と、テスト選別の検証を分けて読む スライドの組織全体の月額推計は127万ドル→22.5万ドル（82.3%減）。別の指標として100回のCI実行費用も示されたため、両者を同じ削減率として扱わない。mainのCI頻度見直し等に加え、Adaptive Testingでは選別結果を予測しながら全テストを実行し、見逃した失敗を分析するシャドウ運用を説明した。
写真 P093 写真 P095 写真 P098 写真 P100 原文 11/05 14:03 · 区間2
合成データを排した実務タスク型ベンチマーク「ShellBench」の構築 エージェントの長期的な改善（ヒルクライミング）を支える検証基準として、税務申告など人間が設計した135の曖昧性を含む実務タスクからなる独自ベンチマーク「ShellBench」を開発。合成データに頼らずリアルなデータセットでハーネスやメモリ、対話性能を包括評価する重要性を説いた。
写真 P101 原文 11/05 14:03 · 区間3
持ち帰る視点 · 編集上の考察 AIエージェントによるコード生成のスケーリングは、容易にCIコストと検証待ち時間の壁に衝突する。成否を分けるのは生成プロンプトの調整ではなく、何をもって変更が正しいと機械的に証明（Proof）できるかの環境定義である。全テスト実行を脱し、変更影響の適応的予測や実務即応の評価データセット（Eval）を自前の基盤として整備することが、自律開発ループを持続させる鍵となる。
根拠の範囲： 公式アブストラクトの予告内容（Dark FactoryからLobstervilleへの変遷、マルチプレイヤーエージェント）に対し、実際の現地講演では音声（A202611051403-00〜02）および撮影スライド（P088〜P102）の通り、エージェントを自律稼働させた際に発生したCIの天文学的コスト増とボトルネック、それを打破するためのProof Engineering（アダプティブ・テスティングやShellBench）に焦点が置かれていた。音声とスライドの数値（82.3%減、$1.27M→$225k、135タスク）が完全に整合していることを確認済み。
費用は定価換算の推計で、実請求額ではない。適応型テストは、全件実行との照合を続ける段階として紹介された。
11 写真・公式情報 11/05 14:30–14:50 · メインステージ ／ 公式予定
オンデバイスAIのメモリ制約を打破するフラッシュ活用と階層型推論 Alex ／ AutoArk
On-Device AI: Bringing Intelligence Closer to Everyone
クラウドAPI依存による膨大な運用コストやレイテンシ、バッテリー消費の課題に対し、AutoArkのAlex氏はエッジデバイス上で大規模モデルを効率稼働させるオンデバイスAI設計を提示した。デバイスの計算資源をスペック（RAMやTOPS、消費電力）に応じて階層化（Tier）し、SSD/フラッシュメモリからの非同期パラメータ読み込み技術やMoEの活用により、18〜24GB程度の限られたメモリ環境でも大規模モデル（約150B級）の高速推論を実現するアプローチを解説。あわせてマルチプラットフォーム対応のEVA SDKやオープンソース基盤を報告した。
推論・基盤 データ・メモリ エージェント設計
SSD・Flashを使ったモデルのメモリ設計P110 · 11-05 14:45 CST オンデバイス推論の構成例と報告性能P112 · 11-05 14:47 CST 詳しい内容・実務への示唆・根拠を読む クラウドAPI依存のコスト限界とオンデバイスの必然性 製品の成功と普及に伴い年間APIコストが数億〜十億元規模に跳ね上がり、売れれば売れるほど赤字が膨らむという構造的課題を指摘。これに対し、消費電力やバッテリー寿命の制約を考慮しつつ、クラウド依存からエッジ推論へ移行する必要性を訴えた。
写真 P104 写真 P105
デバイススペックに応じた4段階の計算資源階層 エッジ機器をメモリ容量やTOPS、消費電力で階層分類して整理。下位層の超小型IoT（200MB-4GB、0.1-10 TOPS、0.2-3W）から、スマートフォン等の携帯端末（4-32GB、5-30 TOPS）、ハイエンドなAI PC（32+GB、30-300 TOPS、20-150W）に至るまで、各層に応じたモデル配置と実行戦略を提示した。
写真 P107
フラッシュストリーミングとメモリ階層を活用したMoE推論 RAMフットプリントを抑制するため、SSDやフラッシュストレージから必要なパラメータを非同期でRAMのスロットに読み出すアーキテクチャを紹介。プランナーとMoE（Mixture of Experts）構造を組み合わせ、限られた実メモリで効率的に推論を回す仕組みを示した。
限られたメモリでの大規模モデル高速デコード実証 Tier3クラスの構成において、18〜24GBのメモリ環境で約150B規模のモデルを動かし、100+ Token/sのデコード速度を達成するアプローチを報告。コーディング補助等の高スループットが求められるタスクでの実用性を示した。
写真 P111 写真 P112
EVA SDKとマルチプラットフォーム対応のオープンソース展開 AEC・ANS等の音声前処理からASR/LLM/VLM/TTS、エージェント機能まで統合した「EVA SDK」を整備。ESP32、Linux、Android、iOS、macOSなど多様なOSと複数言語（C++、Python等）に対応し、モデルやエンジンをオープンソースとして公開している。
写真 P108 写真 P113
持ち帰る視点 · 編集上の考察 オンデバイスAIの実装では、常駐RAMに全モデルを載せる前提を捨て、SSD/フラッシュからの非同期ストリーミングとMoEの組み合わせを検討すべきである。また、端末のTOPSや消費電力に応じた階層別モデル配備を行うことで、クラウドコストを劇的に削減しながら低遅延なエージェント体験を構築できる。
根拠の範囲： 公式セッション情報に加え、現地参加者のスライド写真（P103〜P113）が豊富に存在し、登壇の実態および技術解説内容を明確に確認できた。音声録音は含まれない。
録音音声がなくスライド写真OCRおよび公式概要に基づく。スライド内の数値（100+ Token/sなど）は登壇者の実験・デモ条件の報告であり、汎用的な性能保証ではない。
12 公式概要のみ 11/05 14:50–15:10 · メインステージ ／ 公式予定
短命なサンドボックスに合う実行基盤を問う Mislav Ivanda ／ Daytona
公式概要から：Kubernetes Is Not Your Sandbox
公式概要では、定常状態の維持を得意とするKubernetesと、短い周期で生成・分岐・破棄するサンドボックスの要件差を論じている。コード実行、長時間エージェント、RLの大量環境を同じ仕組みで担う際の制約がテーマ。
推論・基盤 エージェント設計 評価・検証
エージェント実行におけるライフサイクルオーバーヘッドの課題
エージェント実行におけるライフサイクルオーバーヘッドの課題 K8s等の定常管理基盤 高頻度なFork/Kill要求 オーバーヘッド増大(最大12倍 差) K8s等の定常管理基盤 ↓ 高頻度なFork/Kill要求 ↓ オーバーヘッド増大(最大12倍差) 編集上の概念図 · 定常運用向けオーケストレーターに超短命なサンドボックス処理を載せることでライフサイクル負荷が増大する構図（編集部再構成） 詳しい内容・実務への示唆・根拠を読む ライフサイクルの費用 公式概要は、同じ50アクションの修正タスクでも実行基盤で大きく時間が違う比較を紹介。計算資源だけでなく、環境操作ごとのオーバーヘッドに注目する。
用途に応じた選定 短命な実行環境が必要とする起動・分岐・破棄と、長期稼働するサービスの管理を区別する議論。Googleの大規模運用報告とは前提が異なるため、製品名だけで優劣を決めない。
持ち帰る視点 · 編集上の考察 起動だけでなく、分岐、破棄、ファイル操作を含む実タスクで比較する。Googleの発表と対照的に読むと、短命環境に求める条件と、Kubernetesへ追加する最適化の費用を整理できる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
13 公式概要のみ 11/05 15:10–15:30 · メインステージ ／ 公式予定
共有リポジトリと公開タスクで、AIとの仕事を組み直す Fan Bin ／ Manus AI
公式概要から：AI-Native Work at Manus: One Monorepo, Open Tasks
Manusの公式概要は、コード、運用規則、スキルを「Manus mono」にまとめ、職種を問わずエージェントと作業できる組織を紹介する。タスクを共有して属人化を減らす「Open Tasks」も予定テーマ。
エージェント設計 事業・組織
Manusにおけるエージェント主導の協働ワークフロー
Manusにおけるエージェント主導の協働ワークフロー Manus monoへの 全社リソース集約 エージェントによる 開発・本番反映の実 行 全職種による直接的 なバグ修正PR オープンタスクによ る脱属人化と協働分 析 Manus monoへの全社リソース集約 ↓ エージェントによる開発・本番反映の実行 ↓ 全職種による直接的なバグ修正PR ↓ オープンタスクによる脱属人化と協働分析 編集上の概念図 · 単一リポジトリと可視化されたタスク管理により、全職種がエージェントを介して迅速に開発・運用へ参加する循環モデル。 詳しい内容・実務への示唆・根拠を読む 共有する作業基盤 開発からテスト、デプロイまでを扱う共通ワークスペースを整え、PMやデザイナーも変更へ参加できる設計を紹介する予定だった。
仕事の可視化 タスクを開くことで途中経過と協働の知識を共有する構想。具体的な運用結果や失敗例は当日の記録がなく未確認。
持ち帰る視点 · 編集上の考察 AIツールを配る際には、コードと業務規則の置き場所、タスクの共有範囲、引き継げる状態も整える。非開発職が変更へ参加する場合は、受け入れ検証と権限を別途設計する。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
14 公式概要のみ 11/05 15:35–15:55 · メインステージ ／ 公式予定
個人エージェントへ、検索と外部情報を届ける Jakub Hojsan ／ Exa
公式概要から：Powering open source personal agents with Exa search
ExaのJakub Hojsanによる、オープンソースの個人エージェントへの検索統合が予定されていた。公式概要は、Web検索に加え、施設、天気、リサーチ等の外部情報へ単一APIでアクセスする構成を掲げている。
エージェント設計 推論・基盤
Exa APIによるエージェント情報統合モデル
Exa APIによるエージェント情報統合モデル オープンソースエージェント Exa統合API ライブ検索・施設・天気・リ サーチ オープンソースエージェント ↓ Exa統合API ↓ ライブ検索・施設・天気・リサーチ 編集上の概念図 · 編集部による概念図: パーソナルエージェントが単一のExa APIを経由して複数の動的外部データへアクセスする構造。 詳しい内容・実務への示唆・根拠を読む 外界への接続 モデル内の知識だけで完結させず、必要な外部情報を取得する仕組みを扱う。紹介範囲は公式概要に基づく。
統合APIという設計 検索・情報取得を共通の接続口にまとめることで、エージェント側の統合作業を整理するテーマ。実際のデモや性能は未確認。
持ち帰る視点 · 編集上の考察 個人エージェントが必要とする外部情報を棚卸しし、鮮度、検索品質、取得費用を含めて接続先を評価する。統合APIで扱える範囲と、個別の専門ツールが必要な範囲を分ける。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
15 録音・写真を確認 11/05 15:55–16:15 · メインステージ ／ 公式予定
エージェントの記憶と学習データの統合を担うVector Lakebase Rentong Guo ／ Zilliz
Your Agent's Memory Is Next Quarter's Training Data
録音は冒頭の一部のみ。中盤・終盤は写真と公式概要を併用。
自律型エージェントの多段実行に伴い、読み取りと同等以上の頻度で時系列な書き込み（ステップ・スパン・軌跡）が発生し、その軌跡データは強化学習のロールアウトストアや次四半期のモデル学習データと同一の構造を持つようになる。Zillizは、運用時のリアルタイム検索と分析・学習向けスキャンをデータパイプライン（ETL）を介さずに同一基盤上で完結させるため、Milvusを従来のベクトルDBから「Vector Lakebase」へと再設計したアーキテクチャと運用思想を報告した。
データ・メモリ エージェント設計 推論・基盤
Serving・Discovery・Analyticsを支えるVector LakebaseP149 · 11-05 16:12 CST 共有ストレージと用途別の計算クラスターP150 · 11-05 16:15 CST 詳しい内容・実務への示唆・根拠を読む エージェントの実行軌跡と学習データ要件の収束 20ステップ実行されるエージェントは数十回の検索を行うと同時に同等規模の書き込みを行う。残される軌跡は書き込み負荷が高く、ステップ・区間・軌跡全体の3粒度で時系列に問い合わせられる。これはモデル開発者が進めてきた強化学習ロールアウトストアや重複排除等のデータ構造と同一であり、エージェントメモリと学習用データは同一の演算基盤へと収束している。
「Lakebase（湖庫）」のアーキテクチャ定義 登壇者はLakebaseを「利用体験はデータベースでありながら、データ容量とスケーラビリティはデータレイクのように無制限に拡張可能な基盤」と定義した。従来のデータレイクとデータベースをデータパイプラインで接続する構成から脱却し、オブジェクトストレージを中心に据えた根本的な再設計を行っていると述べた。
原文 11/05 15:43 · 区間2
サービングデータと収集ログの一元管理 Vector Lakebaseは、リアルタイム推論で使われるベクトルやメタデータ（JSONL、マークダウン等）に加え、稼働中のシステムから収集されるユーザー行動、フィードバック、統計、エージェントのノート・ログなどを統合する。これらを用いて新たな改善領域の発見や、エージェント戦略・学習データセットの改善ループを回す構造が提示された。
写真 P149
コンピュートの分離とオンデマンドクラスタ構成 Lakebaseのシステム構成として、ストレージ層と分離されたコンピュート層が示された。リアルタイム検索を担う常時稼働のServing Clustersと、インタラクティブな探索やバッチ分析を担うOn-Demand Clustersに処理系を分離することで、リアルタイムな推論負荷を妨げずに大規模な分析・スキャン処理を並行実行する設計となっている。
写真 P150
持ち帰る視点 · 編集上の考察 エージェントの長期運用では、メモリログを単なるコンテキスト保管庫として捨てるのではなく、次期モデルの強化学習・ファインチューニング用データセットとして再利用するループ設計が不可欠である。ETLを介さずに検索とバッチ分析を両立できるオブジェクトストレージ基盤の選定が今後の鍵となる。
根拠の範囲： 公式アブストラクトの記載内容と、現地のスライド写真（P149, P150）、および実際の音声（Speaker 3によるLakebase定義）の整合性が取れており、登壇実績と発表内容は確認できている。
音声ログには登壇者によるLakebaseの定義とオブジェクトストレージ再設計の言及が確認できるが、セッション全体のうち一部のみが記録されている。スライドOCRの文字欠損と公式概要を照合して補完している。
16 録音・写真を確認 11/05 16:15–16:35 · メインステージ ／ 公式予定
多拠点LLM基盤の可用性を高めるプロバイダ切替と自律設計 Xinghong Fang ／ Optiver
Building a reliable, multi-region LLM gateway
金融取引企業Optiverにおいて、日量約300万件のLLMリクエストを世界4拠点から安定運用するために直面した課題と解決策が報告された。当初導入したOSSゲートウェイでは、プロトコル変換によるキャッシュ無効化や思考チェーンの欠落、単一DB集約による認証遅延（2秒）やデータ肥大化が発生した。これに対し、ストリーミング開始前後の明確な障害切り分け、セッション固定化、認証のローカル配置と結果整合性によるアカウンティング、およびエージェント全体を跨ぐ分散トレーシングを導入し、自社運用の軽量ゲートウェイへ移行した知見を共有した。
推論・基盤 エージェント設計
HTTP 200でも正しくない応答は起こるP156 · 11-05 16:22 CST ストリーミング開始前後で異なるフェイルオーバーP157 · 11-05 16:26 CST グローバルIDとローカル推論の分離P160 · 11-05 16:35 CST 詳しい内容・実務への示唆・根拠を読む ストリーミング特性に応じたフェイルオーバー境界の設計 LLM通信はステートフルであるため単純な負荷分散ができない。ストリーミング開始前のエラー（429や529等）は即座にセカンダリプロバイダへ再試行する一方、出力開始後の障害は無理に引き継がず早期にユーザーへエラーを通知する方針をとる。また障害時に備え、平時からトラフィックの10%をセカンダリへ流して健全性を検証している。
写真 P157 原文 11/05 16:16 · 区間2
プロンプトキャッシュ保護と機能差異の平滑化 同一モデルを複数プロバイダで運用する際、単純な分散を行うとプロンプトキャッシュが破壊されコスト増を招くため、同一セッションは同一プロバイダへ固定（sticky session）する制御が必要となる。また、特定プロバイダ固有のベータ機能差による不整合を避けるため、両者で担保される共通機能セットに絞って提供する方針をとった。
写真 P158 原文 11/05 16:16 · 区間2
推論パスのリージョン独立性と認証・ログの分離 初期構成では中央の単一Postgresに全ログと認証を集中させた結果、大西洋横断通信や認証遅延2秒といったボトルネックが生じた。ログ保管先を各リージョンのS3へ逃がし、認証データをローカルレプリカから読み出す設計へ刷新することで、認証遅延P95を20ms未満へ改善した。利用予算の計算はホットパスから外し結果整合性で運用している。
写真 P159 写真 P160 原文 11/05 16:16 · 区間3
エージェント全体のボトルネックを暴く分散トレーシング ユーザーから「推論が遅い」と苦情が寄せられた際、メトリクスやログだけでは原因究明が困難だった。クライアントハーネス、ゲートウェイ、ツール実行にまたがる分散トレースを導入した結果、実際のLLM推論は約17秒で完了していたのに対し、ファイル検索等の外部ツール実行に3分以上要していたことが可視化され、迅速な切り分けが可能となった。
写真 P161 写真 P162 原文 11/05 16:16 · 区間3
持ち帰る視点 · 編集上の考察 LLMゲートウェイ運用では、プロトコル変換の過信を避け、ステートフルなキャッシュ保護とセッション固定を意識した設計が不可欠である。さらに、推論の通信経路上から同期的なDB書き込みを排除してリージョン独立性を保ち、外部ツール呼び出しを含むエンドツーエンドの分散トレーシングを備えることが、運用障害の早期解決につながる。
根拠の範囲： 公式アブストラクトの予告内容と、現地スライド写真（P152〜P164）および音声書き起こし（A202611051616-00〜02）の内容は完全に一致している。音声末尾付近の日本語の私語は除外してまとめた。
本報告はOptiverのプライベートな金融システム環境と特定プロバイダ構成に基づく運用事例であり、他社環境や異なるアクセス規模において同一の構成や数値結果が得られるとは限らない。
17 録音・写真を確認 11/05 16:40–17:00 · メインステージ ／ 公式予定
使い捨て環境と大規模トレースを支えるAgent特化型データ基盤 Lux Li ／ TiDB / PingCAP
Nobody Planned AI Infra: How AI Builders Pushed a Database Beyond the Database
AIエージェントの開発現場では、サンドボックス破棄に伴う作業ファイル喪失、セッション中断時の文脈復元、数百万規模に達する隔離データベース管理、そして肥大化するトレースログの分析負荷が深刻な課題となっている。PingCAPのLux Li氏は、これらの実運用要請に応える形でTiDBが拡張されてきた経緯を報告した。セッション情報とイベントを記録するメタデータ層、サンドボックスから独立して永続化される数百万〜数千万規模の分散ファイルシステム、TiDB Cloud Serverlessを活用したマルチテナントDB分離、さらにLakehouseによるPB級トレースログのSQL分析とチェックポイントからの分岐評価（Fork）といった、AIエージェントのライフサイクル全体を支えるデータ基盤アーキテクチャを提示した。
エージェント設計 データ・メモリ 推論・基盤
多数のエージェント用データベースを支える構成P169 · 11-05 16:44 CST チェックポイントから分岐して比較する実行P181 · 11-05 16:56 CST 詳しい内容・実務への示唆・根拠を読む セッション中断を防ぐ状態メタデータの二層管理と分散SQL エージェントの中断に備え、文脈やツール呼び出し計画を保持する「Session Snapshot」（スライド例では40〜80MB）と、詳細な実行履歴を記録する「Session Event」の二層でメタデータを管理する。データ量がTB〜PB級へ肥大化し従来の20以上のDBに分片（シャーディング）していた運用課題に対し、TiDBの単一SQLエントリと分散トランザクションで整合性と運用の単純化を実現した。
公式概要 ↗ 写真 P167 写真 P168 写真 P169 原文 11/05 16:39 · 区間1 使い捨てサンドボックスから独立した永続ファイルシステム 従来はサンドボックス破棄時にEBSマウント等の成果物ファイルが失われ、スナップショットとリストアの複雑なコード管理が負担となっていた。これに対し、サンドボックスから独立したファイルシステムを提供。数百万〜数千万のプロジェクトごとに空間を完全分離し、個別クオータ管理や最小権限を設定可能にして、環境を破棄しても作業状態を確実に保持できる構成とした。
写真 P170 写真 P172 写真 P173 写真 P174 原文 11/05 16:39 · 区間1 原文 11/05 16:39 · 区間2
大量アプリ生成に対応するフルマネージドDBのマルチテナント分離 エージェントが生成するWebアプリやワークスペースが膨大になるにつれ、ユーザーあたり複数個、全体で数百万〜数千万規模の隔離データベースが必要になる。TiDB Cloudを活用してストレージ基盤を共有しつつ論理的に隔離されたDBを動的に割り当て、計算資源スケジューリングや接続管理を全自動化することで、プラットフォーム側の運用負荷を大幅に削減した。
写真 P175 原文 11/05 16:39 · 区間2 原文 11/05 16:39 · 区間3
PB級トレースログのLakehouse集約とSQLによるコスト・品質分析 2〜3時間から十数時間に及ぶ長時間タスクでは、単一トレースが数百MB・十万ステップに達し、全体で日次数百TB、累計で数十PBのログが発生する。これらをTiDB CloudのLakehouseに集約し、NDJSONをSQLで展開してツール呼び出し頻度や再試行コスト、成功率を多角的に分析できる環境を整備した。
写真 P176 写真 P178 原文 11/05 16:39 · 区間2
チェックポイントからのFork実行によるエージェント評価の閉ループ モデルやプロンプトの改修時、タスク全体を再実行すると非効率かつコストがかかる。正常に動作したチェックポイントまで状態（メタデータおよびファイルシステム）を復元し、エラー発生箇所から分岐（Fork）して新戦略を並行検証・比較評価する閉ループを構築することで、厳密な回帰テストとモデルのランダム性検証を両立させた。
写真 P179 写真 P180 写真 P181 写真 P182 原文 11/05 16:39 · 区間3
持ち帰る視点 · 編集上の考察 編集部の考察として、自律型エージェント基盤では「計算資源（サンドボックス）は一時的、ストレージと状態は永続」という責務分離が極めて重要である。エージェントごとのDB分離やチェックポイント分岐による部分再試行をデータ層でネイティブにサポートすることで、アプリケーション側のリカバリロジックを大幅に簡素化し、評価と運用のサイクルを高速化できる。
根拠の範囲： 公式プログラムの概要（O）、参加者撮影スライド22枚（P165〜P186）、およびセッション全編の音声文字起こし（A202611051639-00〜02）を突き合わせて検証。公式予定と登壇内容に齟齬はなく、スライドに記載された図表やキーワード（Session Snapshot/Event、TiDB Cloud Filesystem、Fork検証）と音声発言が整合していることを確認済み。
紹介された容量・テナント数は顧客事例や設計上の要求に関する数値であり、単一構成の保証値としては扱わない。
18 録音・写真を確認 11/05 17:10–17:25 · メインステージ ／ 公式予定
LLM推論の調達分岐点を数式化し自前GPUとAPIの併用指針を提示 Do Tuan Anh ／ Techcombank
Optimizing Organization-Wide LLM Inference Cost: Seat License, Pay-per-Token, or Provisioned, and Beyond
AI導入のスケールに伴い組織全体のLLM推論コスト（TCO）が急増する課題に対し、TechcombankのDo Tuan Anh氏は、サブスクリプション、トークン従量課金（API）、自前GPUプロビジョニングの3形態を比較する「Efficiency Point（効率性分岐点）」の算出モデルを報告した。実証試算として、月間830億トークンがプロビジョニング移行の損益分岐点となることや、キャッシュ率・出力比率・複数年割引によりその分岐点が360億〜1,260億トークン規模まで変動することを示した。さらにGPUの調達難や突発トラフィックに対応するため、定常負荷は自前GPUで処理しピーク時の約10%を従量課金へフォールバックさせるハイブリッド構成や、モデルルーティングによる30〜50%の追加コスト削減手法を提示した。
推論・基盤 事業・組織
席課金・トークン従量・自前GPUの費用曲線P191 · 11-05 17:03 CST 条件の変化によって動く損益分岐点P199 · 11-05 17:08 CST 詳しい内容・実務への示唆・根拠を読む 推論調達の3形態と効率性分岐点（Efficiency Point）の導出 LLM調達を「シート購入（Subscribe）」「トークン従量課金（Rent）」「GPUプロビジョニング（Own）」の3つに分類。ノード時間単価と稼働時間からなるGPU費用を、入力・出力比率やキャッシュを反映した実効ブレンデッド・トークン単価で割ることで、プロビジョニングへ切り替えるべき損益分岐トークン量（Efficiency Point）が算出できるとした。
写真 P191 写真 P192 原文 11/05 17:00 · 区間1
月間830億トークンの分岐点と不完全稼働時のコスト赤字 B200ノード2基（月額約16.6万ドル）と実効単価2ドル/100万トークンの条件では、月間670億トークン利用時は従量課金が13.4万ドルとなり自前運用は月3万ドル超の赤字となる。損益分岐点は月間830億トークンであり、これを超えると自前運用の優位性が急速に高まると試算結果を報告した。
写真 P194 写真 P196 原文 11/05 17:00 · 区間1
割引・キャッシュ率・出力比率による分岐点の大幅なシフト 損益分岐点は固定ではなく環境要因で大きく動く。クラウドの3年割引等でGPU費用が57%下がると分岐点は360億トークンへ前倒しされる一方、75%のプロンプトキャッシュ適用や運用人件費（月3万ドル想定）の加算では分岐点が1,260億トークン前後まで後退する力学を登壇者の試算モデルから示した。
写真 P198 写真 P199 原文 11/05 17:00 · 区間2
GPU希少性への対策と従量課金フォールバックの運用設計 自前運用の注意点としてGPU自体の調達枠（クォータ）確保の難しさを挙げた。突発的なピークトラフィックに対して全量を自前GPUで賄うとコストが跳ね上がるため、定常負荷を自前ノードで担い、ピーク時の約10%をトークン従量課金APIへ逃がすハイブリッド運用の重要性を強調した。
写真 P200 原文 11/05 17:00 · 区間2
プロビジョニングに依存しない意味的・言語的ルーティングの節減効果 GPU自前化以外にも推論コスト削減余地は大きく、難易度や言語に応じたモデルルーティングにより30〜50%（監査実測値では33〜48%）の削減が可能と報告。特にベトナム語や中国語など言語によるトークン化効率（tokenization tax）の違いを考慮したルーティングの有効性を説いた。
写真 P201 原文 11/05 17:00 · 区間2
持ち帰る視点 · 編集上の考察 編集部の考察として、LLM利用規模が急拡大する組織では「従量課金か自前GPUか」の二者択一を避け、キャッシュ適用後の実効トークン単価から自社の損益分岐点を算定すべきである。その上で、ベースロードのみをGPU長期割引枠で固定化し、ピーク負荷の1割程度を従量課金APIへフォールバックさせるハイブリッド設計が、調達難とコスト急増を同時に防ぐ現実的な実務解となる。
根拠の範囲： 公式アブストラクト（O）に記載されていた「Efficiency Curve」の基本概念に加え、現地スライド写真（P187-P201）および録音（A202611051700-00, 01）から、数式詳細、具体的な損益分岐点（83B tokens/月）、GPU構成（B200 2ノード）、フォールバック運用（約10%呼出）、モデルルーティング等の実務データが完全に一致・補完確認できた。
本セッションで示されたGPU価格（B200等）やモデル利用単価、損益分岐点の数値は2026年時点の特定クラウド前提の試算値であり、ハードウェア構成や為替、各社の割引契約、ワークロードの入出力比率によって実際の結果は変動する。
19 録音・写真を確認 11/05 17:25–17:35 · メインステージ ／ 公式予定
100万規模の環境を支える、起動・配置・復元の設計 Tinsley Shi ／ Google
Reinforcement Learning at Scale on Agent Substrate: Orchestrating Millions of Sandboxes
録音の冒頭約8分はAPIから文字起こし結果が返らず未確認。後半の音声と写真を参照。
GoogleのTinsley Shiは、コーディングエージェントの強化学習が大量の短命な実行環境を必要とすることを背景に、Kubernetes上のAgent Sandboxと開発中のAgent Substrateを紹介した。スライドでは約99.4万のgVisor Podと36,811種類のイメージを扱い、最初の命令までの時間の中央値0.83秒を報告。課題はPodの数だけでなく、イメージ配置、コントローラー、ネットワークID、モデルの推論待ちにあった。現行のウォームプール方式と、初期化済み状態のスナップショットを復元する次世代方式を区別し、待機中の資源を減らす設計を示した。
推論・基盤 エージェント設計
多数のgVisorサンドボックスを動かした測定構成P205 · 11-05 17:18 CST 既存のWarm Poolの限界と開発中のAgent SubstrateP209 · 11-05 17:22 CST 詳しい内容・実務への示唆・根拠を読む RLでは、環境の待ち時間が学習を遅らせる スライドでは、一斉に発生する環境要求、多種類のリポジトリ用イメージ、実行失敗による報酬の誤判定を課題として整理した。同期的な学習では遅い環境が全体を待たせるため、起動・復元の尾部遅延もアクセラレーターの稼働率に影響する。
写真 P204
約100万環境と0.83秒は、発表内の測定値 6つのGKEクラスタで993,897個のgVisor Pod、36,811種類のイメージを扱い、最初の命令までの中央値0.83秒というスコアカードを提示した。約100万という同時環境数と、1秒あたりの新規起動数は異なる指標であり、混同しない。
写真 P203 写真 P205
イメージと制御プレーンを一緒に最適化する APIサーバー、コントローラーワーカー、ネットワークID、イメージ配信、密度とReady判定をボトルネックとして示した。イメージを持つノードへ処理を寄せる配置や、ID数の削減を説明。ネットワークIDの個数に関する音声とスライドの条件は異なるため、ここでは具体値を採用しない。
写真 P206 写真 P207 原文 11/05 17:12 · 区間2
GPU・TPUの学習と環境実行を分離する TPUで推論・学習を行い、GKEのCPUプールでシェルやテストを実行する構成を紹介した。モデル生成側と環境実行側を分離し、それぞれの資源を管理する設計である。音声中のモデルサイズは誤認識の可能性があり、版名や数値の根拠はスライドを優先した。
写真 P208 原文 11/05 17:12 · 区間2
次世代方式では初期化済み状態を復元する Agent Substrateは開発中と明記。初期化済み環境のスナップショット、推論待ちの間の休止、APIサーバーを通さない実行用データプレーンを提示した。スライドの低遅延復元値は初期のラボ測定であり、現行Agent Sandboxの実績とは区別する。
写真 P209 写真 P210 原文 11/05 17:12 · 区間2
持ち帰る視点 · 編集上の考察 基盤を選ぶ際には、環境の寿命、イメージの種類、同期バースト、待機比率、復元する状態を先に整理する。Kubernetesの適否を名称だけで判断せず、必要な最適化と運用負荷まで含めて比較する。
根拠の範囲： P203〜P211の現地スライドと、録音の08:00以降を参照。現行基盤の測定と開発中の構想を分けて記載した。
録音冒頭約8分はAPIから結果が返らず未確認。前半は撮影スライド、後半は音声も併用した。次世代方式の公開月は音声上不整合があるため記載しない。
20 録音・写真を確認 11/05 17:35–17:45 · メインステージ ／ 公式予定
AIが担う反復と自律検証、ゲーム開発は「設計と検収」へ Tang Feihu (Xiaodao Laoshi) ／ Kimi / Moonshot AI
Life of a Game Developer in AI era
AIモデルの長期的タスク実行能力（Long-horizon tasks）の向上に伴い、ゲーム開発における反復的で機械検証が可能な中間制作工程の自動化が進んでいる。Kimi / Moonshot AIのTang Feihu氏は、エンジニアがコードを手書きする段階から、自然言語の指示（agent.md等）を通じてAIエージェントにエンジン操作、Blenderでのアセット調整、マルチモーダル視覚解析を用いた自律的デバッグまで委ねる実例を報告した。実証デモでは、非専門家による試作やレガシーゲームの解析・移植、さらには1作品あたり平均4日間・トークン費用3000元でのプロトタイプ完成例を紹介。開発者の主たる役割はコード記述から、ゲーム体験の方向づけ、仕様策定、および生成物の検証・受入判断（Human Gate）へとシフトしている現状を提起した。
エージェント設計 評価・検証 事業・組織
変更範囲と確認方法を限定したゲーム開発タスクP218 · 11-05 17:32 CST 意図・制作・プレイ・証拠・判断の開発ループP224 · 11-05 17:35 CST 詳しい内容・実務への示唆・根拠を読む 中間制作工程の自律化と開発者ロールの転換 LLMの長期的タスク遂行能力の向上により、コード断片の生成にとどまらず、サンドボックス環境での直接的なツール操作（RPGツクール、Godot、Blender等）が可能になった。開発プロセスの反復的・機械検証可能な中間領域がエージェントに代替され、人間は目的設定（Intent）、ゲーム体験の評価、最終的な受入判断（Decide/Human Gate）へ集中する構図が明確になっている。
写真 P214 写真 P224 原文 11/05 17:24 · 区間1
低コスト・短期間でのプロトタイピング実績 Moonshot AIの自社モデル（Kimiモデル等）を活用した展示デモにおいて、エンジニア1名が平均4日間、約3000人民元のトークンコストでゲームのプロトタイプを完成させたと報告。ゲーム開発経験のない人員でもアクションゲームの試作が可能になり、動画クリップから遊べるゲームを約1週間で再構築する事例など、検証サイクルの劇的な短縮が示された。
原文 11/05 17:24 · 区間1 原文 11/05 17:24 · 区間2
マルチモーダル視覚フィードバックによる自律デバッグ エージェントがゲーム実行画面のスクリーンショットを自動取得し、多層的なシステム（アニメーション、物理挙動、クエスト連携など）にまたがる不具合を視覚的に検知・自己修正する仕組みが紹介された。登壇者の実験では、自律的に2件のバグを発見・修復し、詳細な修正レポートを生成して長時間の自律反復を実現した例が語られた。
写真 P220 写真 P222 原文 11/05 17:24 · 区間2
環境適応・クロスプラットフォーム移植とアセット生成 Switch版タイトルのiPhone向けタッチUI適応移植や、シンガポールのセントーサを模した3D景観・施設モデルの全自動生成など、アセット制作から環境適応までをエージェントが支援。Blenderを介したメッシュ修復やLOD最適化など、エンジンの制約予算を守りながら編集可能な元データを納品するワークフローが示された。
写真 P219 写真 P221 原文 11/05 17:24 · 区間1 原文 11/05 17:24 · 区間2
持ち帰る視点 · 編集上の考察 AIエージェントの適用領域は単なるコード補完から、エンジン連携・自律テスト・アセット適合を含むパイプライン全体へと拡大している。開発組織は「AIに自律実行させるための契約的仕様（テスト基準・予算・ロールバック条件）の言語化」と「人間によるプレイ感覚やアーキテクチャの厳密なゲート管理」を両立するワークフローの再設計が求められる。
根拠の範囲： 公式セッション概要に沿って、現地音声記録（A202611051724-00, 01）および参加者撮影スライド（P212〜P224）の内容が一致していることを確認。音声では登壇者がMoonshot AIでの具体例（Kimiモデルによる試作やトークン費用、動画からのゲーム化等）を詳しく語っており、スライドに記載されたUnity/Godot/Blender等の定量的・構造的タスク提示と整合している。
開発日数や費用は紹介された試作の条件に依存する。商用作品の制作全工程を同じ期間で完了できるという主張ではない。
21 公式概要のみ 11/05 13:45–14:05 · 分科会 ／ 公式予定
個人の成長と創作を支えるYouMindのエージェント Baoping Wang (Yubo) ／ YouMind
公式概要から：Building a Personal Agent for Growth with YouMind
YouMindのBaoping Wang（Yubo）は、個人の成長を支援するパーソナルエージェントの構築を予定テーマとしていた。公式紹介ではAIを新しい時代のペンに例え、誰もが創作を始められることを重視している。
エージェント設計 データ・メモリ
パーソナル成長エージェントの構想フロー（編集部作成）
パーソナル成長エージェントの構想フロー（編集部作成） 個人の知的インプット・思考 YouMindエージェントによる 伴走 創作活動と自己成長の促進 個人の知的インプット・思考 ↓ YouMindエージェントによる伴走 ↓ 創作活動と自己成長の促進 編集上の概念図 · 登壇者が掲げる「AIは新時代のペン」というビジョンに基づく、個人の成長支援エージェントの基本サイクル。 詳しい内容・実務への示唆・根拠を読む 創作を始める支援 成果物の生成だけでなく、個人が学び、考え、作る過程を支援するプロダクトの方向性を紹介する予定だった。
個人の文脈 知識管理と創作をつなぐ設計が読み取れるが、具体的なアーキテクチャや実演手順は手元の記録では確認できない。
持ち帰る視点 · 編集上の考察 個人向けAIでは、単発の生成に加えて、過去の資料や試行が次の創作にどう役立つかを設計する。利用者が自分で考え、修正できる余地も評価項目になる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
22 公式概要のみ 11/05 14:05–14:20 · 分科会 ／ 公式予定
公開順位に加え、自社のエージェント実績で評価する Joey Wang ／ Harvey
公式概要から：Trust Your Own Evals, Not the Leaderboard: What 10k+ Internal Agent PRs Taught Us About Adopting Open Models
Harveyの公式概要は、社内エンジニア向けエージェントで得た1万件以上のマージ済みPRを、自社評価の資産にする取り組みを掲げている。オープンモデル採用の判断と、長時間タスクを支える運用がテーマ。
エージェント設計 評価・検証
実運用ログを基軸としたエージェント評価・基盤化フロー
実運用ログを基軸としたエージェント評価・基盤化フロー 社内業務への先行配 備 実タスクログの評価 セット化 オープンモデル適合 検証 耐久性・権限境界の 基盤実装 社内業務への先行配備 ↓ 実タスクログの評価セット化 ↓ オープンモデル適合検証 ↓ 耐久性・権限境界の基盤実装 編集上の概念図 · 編集部作成。汎用リーダーボード依存を脱却し、実タスクログから評価基盤を構築してモデル選定と運用インフラを固める流れ。 詳しい内容・実務への示唆・根拠を読む 実務を評価課題へ 自社の変更実績を使って、公開ランキングでは測れない適合性を確認する予定内容。モデル選定と微調整の判断へつなげる。
運用の失敗から学ぶ 長時間タスクの耐障害性、利用者ID、情報境界、監査、追加コンテキストの副作用を扱う予定。各対策の実績は未確認。
持ち帰る視点 · 編集上の考察 完了済みの自社タスクを評価資産にする考えは、Agodaの現地記録とも重なる。採用候補モデルを同じ業務条件で比較し、運用上の失敗も評価に取り込む。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
23 公式概要のみ 11/05 14:20–14:35 · 分科会 ／ 公式予定
最初の導入から、多数のエージェントを管理する段階へ Andy Wang ／ Dify
公式概要から：Beyond the Pilot: Managing Your 500th AI Agent
Difyの予定テーマは、最初のエージェントを動かした後、50・100・500という規模で運用する際の課題。動くプロトタイプを作る力から、部門をまたいだ所有・品質・可視化・統制へ焦点を移す構成だった。
エージェント設計 事業・組織
エンタープライズにおけるエージェント規模拡大と管理課題の推移
エンタープライズにおけるエージェント規模拡大と管理課題の推移 単一PoC構築（動作検証） 数十体展開（重複・ナレッジ 分散） 数百体運用（統制・監視・ガ バナンス） 単一PoC構築（動作検証） ↓ 数十体展開（重複・ナレッジ分散） ↓ 数百体運用（統制・監視・ガバナンス） 編集上の概念図 · エージェント数がスケールするにつれて、開発課題から組織的なガバナンス・運用管理課題へと関心がシフトする構造を示す概念図（編集部再構成）。 詳しい内容・実務への示唆・根拠を読む 管理対象の増加 エージェントが増えた組織で、担当者、品質、重複開発、共有知識をどう管理するかを紹介する予定だった。
組織と基盤を一緒に設計 エンタープライズ導入の知見を通じ、システム構成だけでなくチーム間の責任分担を扱うテーマ。数百体の実稼働を現地確認したものではない。
持ち帰る視点 · 編集上の考察 エージェントが増え始めた段階で、所有者、用途、評価、依存データ、停止方法を一覧化する。数だけでなく、重複や保守責任を把握できることが管理の出発点となる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
24 公式概要のみ 11/05 14:40–14:55 · 分科会 ／ 公式予定
行動するエージェントに、ID・認可・信頼の基盤を作る Robert Pei ／ Visa
公式概要から：Beyond Reasoning: Building Infrastructure for AI Agents That Act
Visaの公式概要は、推論するAIから利用者に代わって行動するAIへ移る際の基盤不足を扱う。Visa Intelligent Commerceを例に、身元、利用者の意図、認証情報、安全な実行を結びつける設計が予定されていた。
エージェント設計 セキュリティ
エージェントの自律実行を支えるインフラプリミティブ
エージェントの自律実行を支えるインフラプリミティブ 身元・意図の証明 セキュアな資格情報アクセス 外部システムでの安全な実行 身元・意図の証明 ↓ セキュアな資格情報アクセス ↓ 外部システムでの安全な実行 編集上の概念図 · エージェントが実世界で安全に行動するために必要とされるインフラ層の流れ（編集部作成） 詳しい内容・実務への示唆・根拠を読む 誰が何を委任したか エージェントの身元と、利用者から委ねられた行動範囲を示す仕組みが中心。操作できることと、依頼されていることを区別する。
外部システムとの接続 認証情報の取り扱い、認可、信頼関係を基盤として整える構想。実際の講演デモや商用提供状況は手元の資料では未確認。
持ち帰る視点 · 編集上の考察 利用者の依頼、エージェントのID、認可範囲、実行証跡を結びつけて設計する。Grace Liの現地発表と合わせると、権限とタスクへの適合性を別々に確認する必要が見える。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
25 録音・写真を確認 11/05 14:55–15:10 · 分科会 ／ 公式予定
画面操作から内部状態連携へ進化するモバイル検証エージェント Peng Gong ／ Meta / Instagram
Beyond Screenshots: Building Agent-Native Verification for Mobile Apps
コーディングエージェントの普及により開発速度が加速する一方、人間による検証がボトルネックとなる課題に対し、Instagram Editsにおけるエージェント向け検証基盤（Agentic Verification）の構築事例が報告された。従来の画面スクリーンショットに頼るUI操作エージェントは、複合ジェスチャーや動画書き出し完了などの内部状態把握が困難であった。これに対し、アクセシビリティツリーやアプリ内部状態の可観測性（Discoverability）の付与と、ドラッグ＆ドロップ等を一括実行するCLI型のセマンティックアクションを提供。さらに、失敗ログから不足するテストID等を検出し改善diffを生成する自己改善ループを回すことで、検証完了率を約10%から約55%へと向上させという実測を紹介した。
エージェント設計 評価・検証
画面を推測して操作する方法と意味に沿った操作の比較P119 · 11-05 15:04 CST 開発中とCIで回す内側・外側の検証ループP121 · 11-05 15:08 CST 長時間稼働する国際化監査の報告P123 · 11-05 15:10 CST 詳しい内容・実務への示唆・根拠を読む 画面主導型UIエージェントの限界と内部可観測性の付与 画面のピクセル情報のみに基づくエージェントは、微細なジェスチャーや長押し等の複合操作が難しく、書き出し完了や解像度（1080p/30fps）などの隠れたアプリ内部状態を判定できない。そこで、アクセシビリティツリーや内部状態、ログをエージェントに開示する「エンジニア視点」の可観測性（Discoverability）を導入した。
写真 P117 写真 P118 原文 11/05 14:59 · 区間1
セマンティクス公開とセマンティックアクションによる効率化 スライダー操作にJetpack Composeのセマンティクスを付与することで、推測によるスワイプの繰り返しを排し、1回のツール呼び出しで設定可能とした。さらに、タイムラインの並び替えのようにLLMの思考遅延で失敗しやすい複合操作は、CLI経由の「セマンティックアクション」として提供し、確実な操作と検証を実現した。
写真 P119 写真 P120 原文 11/05 14:59 · 区間1
決定論的フィクスチャとLLM推論の分離設計 アプリのビルド、インストール、ログイン、テスト用メディアの準備や事後処理（ティアダウン）といった決定論的な事前準備はコード上のフィクスチャに委ね、LLMは自然言語プロンプトの解釈とCLIアクションの実行・応答確認のみに集中させることで、トークン消費の削減と実行環境の分離を担保した。
原文 11/05 14:59 · 区間1 原文 11/05 14:59 · 区間2
エフェクト検証および国際化監査での大規模実証 126種類の動画エフェクトを適用して書き出し結果を確かめる検証を、約3時間で実行したと報告した。スライドには同一端末・同一素材で各エフェクトに新規プロジェクトを作る条件が示されている。ヒンディー語の国際化監査では、約70時間の稼働で画面を比較し、200件超の課題を特定したという。
写真 P122 写真 P123 写真 P124 原文 11/05 14:59 · 区間2
テレメトリと改善エージェントによる自己改善フライホイール 数千件の検証実行から不足しているテストIDや機能フラグ等のブロック要因を日次で集約し、改善エージェントがテストID付与コードの差分（diff）を自動提案。人間のレビューを経てマージされる仕組みにより、検証結果の確定率（conclusive verdicts）が約10%から1ヶ月で約55%へ改善した。
写真 P125 写真 P126 写真 P127 原文 11/05 14:59 · 区間2
持ち帰る視点 · 編集上の考察 モバイルアプリのAI自動テストでは、画面キャプチャのみに依存せず、内部状態の可観測性開示と高レベルなセマンティックAPI（CLI）を設計することが実用化の鍵となる。決定論的処理をコード側で固定し、失敗テレメトリからテスト識別子を自動補完する自己改善サイクルを組むことで、エージェント運用の保守コストを大幅に抑制できる。
根拠の範囲： 公式プログラムの講演予定に加え、当日の発表音声全編および参加者が撮影したスライド写真（P114〜P128）から、Instagram Editsにおけるエージェントネイティブ検証の実装詳細と測定数値を直接確認した。
Instagram EditsのAndroid環境での事例。合否を確定できた割合と、製品の不具合発見率は異なる指標である。
26 録音・写真を確認 11/05 15:10–15:20 · 分科会 ／ 公式予定
リアルタイムAIインタビューを支える3層エージェントとハーネス設計 Davin YC Dong ／ Cookiy Labs
Agentic Harness: Real-Time Audio and Video AI Interviews
Cookiy LabsのDavin YC Dong氏は、従来人間が行っていたユーザーインタビュー（定性調査）をAIで自動化する取り組みを報告した。この領域では被験者への謝金がコストの大半を占めるため、モデル費用の削減よりも「単位時間あたりのインサイト獲得量（insight per minute）」の最大化が最重要となる。リアルタイムな表情・画面共有の認識や裏で同席する観察者からの割り込み指示に対応するため、大小モデル連携やEnd-to-Endモデルを試行したが破綻。最終的に判断・行動・発話を3つの子エージェントに分離するカスケード構造を採用した。さらに長大なプロンプトを3分の1へ削減し、オフラインの大型モデルによる事後ログ分析でハーネスを改善する半自動ループを構築。モデルの再学習に頼らずハーネスの工夫で実用性を担保するアプローチを示した。
エージェント設計 音声・マルチモーダル 評価・検証
Cookiy Labs：リアルタイム面談システムの試行P129 · 11-05 15:26 CST 詳しい内容・実務への示唆・根拠を読む 最適化目標は「単位時間あたりのインサイト量」 ユーザーインタビュー事業では回答者への謝礼が最大のコストであり、AI導入によるモデル費用の削減よりも、限られた時間で有益な知見をどれだけ引き出せるか（insight per minute）が重要指標となる。そのため最高精度の高額モデルを躊躇なく採用する方針をとっている。
原文 11/05 14:59 · 区間3
多対一の観察者構造と多峰性入力の要求 インタビューは司会者と被験者の一対一ではなく、マジックミラー裏の観察者（リサーチャー等）がリアルタイムに指示を出す「多対一」構造を持つ。AIには1.3秒以内の応答遅延に加え、被験者の表情認識、画面共有内容の把握、裏からの追加質問指示の即時反映が求められる。
原文 11/05 14:59 · 区間3
大小モデル連携の失敗と3系統カスケードへの移行 推論が遅い大モデルと対話小モデルの組み合わせは大モデルが追いつかず話題が逸れ、End-to-Endモデルも画面共有や複雑な指示追従ができず失敗した。解決策として「判断（Judgement）」「行動（Actions）」「発話（Response）」を3系統のエージェントに分離し、カスケード接続する構成を採用した。
原文 11/05 14:59 · 区間3
プロンプトの削減とオフライン大型モデルによる半自動評価 8,000字規模の長大プロンプトによる指示衝突と遅延を解決するため、指示文を約3分の1に削減して挙動と速度を改善した。また、インタビュー終了後に全ログをClaude等の巨大モデルへ送り、不適切な発問の分析とハーネス改善にフィードバックする半自動ループを運用している。
原文 11/05 14:59 · 区間4
ポストトレーニングに依存しないアプリケーション層の堅持 スタートアップの立ち位置として独自のポストトレーニングやファインチューニングには手を出さず、ハーネス（プロンプトやオーケストレーションの制御機構）の最適化に徹する方針を明言した。既存の高品質なリアルタイム基盤モデルを組み合わせることで十分な改善余地があると述べた。
原文 11/05 14:59 · 区間4
持ち帰る視点 · 編集上の考察 リアルタイム対話エージェントでは、単一モデルや大小モデルの直列化に頼るのではなく、判断・行動・発話を独立したエージェントに分離してカスケード処理する設計が有効である。また、インラインでの複雑な推論を避け、オフラインで巨大モデルを用いてセッション全体を振り返りハーネスを改善する二重ループ構造が、モデル再学習を行わない迅速な現場改善の現実解となる。
根拠の範囲： 公式セッション情報は「Agentic Harness: Real-Time Audio and Video AI Interviews」と題されており、録音（A202611051459-02および-03）の内容およびスライド写真（P129, P130）と完全に一致している。登壇者はDevon YC Dong氏。
本レポートは現地録音とスライドOCRに基づく。登壇企業が報告した構成や定性評価の手応えに関する内容であり、客観的なベンチマーク精度や対人間の完全な代替性については登壇者自身も「人間の半分の効果」と述べるなど実証途上である。
27 録音・写真を確認 11/05 15:30–15:40 · 分科会 ／ 公式予定
自社MRを再生評価し、エージェントのコンテキスト矛盾を炙り出す Roman Shirochenko ／ Agoda (Booking Holdings)
Your Repo. Your Benchmark.
Agodaでは年間10万件以上のマージリクエスト（MR）が作成されるが、その知見がコーディングエージェントの運用に活かされていなかった。また、詳細なコンテキストや外部ツールを一律導入しても、解決率が変わらずコストが約8%増加したり、リポジトリ間で性能が逆転する問題に直面した。そこで同社は、マージ済みMRを再実行タスクに変換してエージェントを自動評価する自前のベンチマーク基盤を構築した。検証の結果、汎用ツールの効果はリポジトリごとに大きく異なることが判明した。さらに、一発完了（ワンショット）を阻む原因を過去のレビュー指摘から分析し、AGENTS.md等のコンテキストの矛盾や欠落を特定して自動修正差分（MR）を生成する仕組みを導入し、手戻りの削減を実現した。
評価・検証 エージェント設計
マージ済みMRを再実行可能な評価課題へ変えるP132 · 11-05 15:36 CST AGENTS.md内のルールが誤誘導した事例P138 · 11-05 15:40 CST 詳しい内容・実務への示唆・根拠を読む 過去のマージ済みMRを活用したリプレイ評価フレームワーク 年間10万件以上生成されるマージ済みMRを再利用し、エージェントの性能を検証するリプレイタスクに変換する仕組みを構築した。課題チケットとPR内容からプロンプトを準備し、エージェントに実装を実行させ、マージ済みのゴールデンテストを用いて成否を判定する。外部の汎用ベンチマークに頼らず自社環境で評価を行うアプローチである。
原文 11/05 15:35 · 区間1 写真 P131 写真 P132
コンテキストやツールの追加が逆効果となる検証結果 本番サービスAの10件のMRでABテストを実施したところ、コンテキストをフル追加しても成功率は変わらず、タスクあたりコストが約8%高くなった。また圧縮ツールHeadroomではコスト半減の一方で合格率が30%低下し、AST-Graphifyでは特定リポジトリでコストを削減できたものの、別リポジトリでは逆に30%以上コストが増加するなど、ツールの効果が一様でないことが実証された。
原文 11/05 15:35 · 区間1 写真 P133 写真 P135
汎用的な最適化を排し、自社リポジトリ特化の評価へ転換 モデル、ツール、コード規模などの変動要因が多すぎるため、他所で作られた汎用ツールを鵜呑みにせず、自前のリポジトリとベンチマークに集中すべきと結論づけた。Harbor等のオープンソース評価基盤を活用しつつ、自社の実際のマージ実績を基準として段階的な改善サイクルを回す重要性を強調した。
原文 11/05 15:35 · 区間1 写真 P139
ワンショット完了を阻むコンテキストの矛盾を自動修正 エージェントの一発完了（ワンショット）を妨げる要因を、人間のレビュー指摘やテスト結果から分析するツール「/one-shot-training」を開発。例えばAGENTS.mdに「commonフォルダに置く」と誤記されていたため、レビュアーが「coreに置くべき」と差し戻す手戻りが3件のMRで発生していた。こうした矛盾を検出し、AGENTS.mdの修正パッチを生成して解決した。
原文 11/05 15:35 · 区間1 写真 P137 写真 P138
持ち帰る視点 · 編集上の考察 エージェントにプロンプトやコンテキスト圧縮ツールを一律適用しても、リポジトリ特性により逆効果となる場合がある。過去のマージ済みMRを再現テストセットとして活用し、自社コードベース上で実測評価しながら、人間のレビュー指摘と乖離したAGENTS.md等の指示矛盾を継続的に修正する運用体制の構築が極めて有効である。
根拠の範囲： 公式セッション情報（O）、スライド写真10枚（P131〜P140）、および登壇全編の音声文字起こし（A202611051535-00）が確認でき、内容の整合性が完全に取れている。
報告されたコストや合格率の増減数値はAgodaの特定サービス・リポジトリでの実測値であり、汎用的な性能保証ではない。また、スライド表記と登壇者の音声発言で一部数値（コスト削減率21%と24%など）に微小な差が見られる。
28 公式概要のみ 11/05 15:40–15:50 · 分科会 ／ 公式予定
企業データとエージェントの間に、信頼できる文脈を置く Alyssa Lee ／ DataHub
公式概要から：Trusted Context: Building the Layer Between Enterprise Data and AI Agents
公式概要では、エージェントが必要とするのはテーブル定義だけでなく、所有者、利用実態、非推奨情報、処理の実行状況などの文脈だとする。技術・業務・組織のメタデータをまとめる層がテーマ。
データ・メモリ エージェント設計 事業・組織
信頼できるコンテキストレイヤーの構成
信頼できるコンテキストレイヤーの構成 4種メタデータの収集・統合 信頼性選別と鮮度維持 MCPを通じたエージェント提 供 4種メタデータの収集・統合 ↓ 信頼性選別と鮮度維持 ↓ MCPを通じたエージェント提供 編集上の概念図 · 社内に分散するメタデータを統合・評価し、MCP経由でAIエージェントへ届ける概念構成（編集部作成）。 詳しい内容・実務への示唆・根拠を読む 4種類の情報をつなぐ スキーマ、パイプラインのテレメトリ、業務定義、組織情報を統合し、モデルに依存しない参照層として提供する予定内容。
鮮度と保守責任 MCP経由の提供に加え、文脈の品質や鮮度、現場がメタデータを保守する動機を扱う。運用上の具体的成果は未確認。
持ち帰る視点 · 編集上の考察 データ定義に加え、所有者、鮮度、非推奨の状態をエージェントへ渡せるか確認する。文脈の保守を誰が担うかまで決めないと、参照層そのものが古くなる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
29 公式概要のみ 11/05 15:50–16:10 · 分科会 ／ 公式予定
生成コードの最初のレビュアーを、検証ハーネスにする Peter Hoffmann ／ Data4Life Asia
公式概要から：The Harness Is the First Reviewer
公式概要は、OHDSIのATLAS刷新で増えるエージェント生成コードを、人が全行読むだけでは受け入れられない課題を扱う。仕様と旧システムの挙動を基準に、自動検証を最初のレビュアーとする設計がテーマ。
評価・検証 エージェント設計
ハーネス主導型エージェント開発パイプライン
ハーネス主導型エージェント開発パイプライン 仕様書の構造化とエージェン ト委託 レガシー動作比較と型・テス ト検証 画像差分判定と自動マージ承 認 仕様書の構造化とエージェント委託 ↓ レガシー動作比較と型・テスト検証 ↓ 画像差分判定と自動マージ承認 編集上の概念図 · 人間が全行を読まず、旧実装をオラクルとした自動テスト群（ハーネス）を第一レビュアーにしてAI生成コードを統合する流れ。 詳しい内容・実務への示唆・根拠を読む 既存の挙動を基準にする 旧版を振る舞いの参照として使い、仕様から委任する構成。全フェノタイプライブラリのE2E検証を予定内容に含む。
マージ前の多層検証 単体テスト、カバレッジ、型チェック、スクリーンショット比較を組み合わせる予定。実際の評価結果や移行完了状況は未確認。
持ち帰る視点 · 編集上の考察 既存システムの刷新では、元の振る舞いを再現可能な評価に変える。生成量に比例して人のレビュー量を増やす前に、自動で確かめる条件と人が判断する差分を分ける。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
30 公式概要のみ 11/05 16:15–16:35 · 分科会 ／ 公式予定
データの意味を、エージェントが実行できる構造へ Harrison Zhao ／ DatusAI
公式概要から：Your Data Agent Needs More Than a Knowledge Graph -- From Semantic Layers to Executable Ontologies with Apache Ossie
DatusAIのHarrison Zhaoは、ナレッジグラフにとどまらないデータエージェント基盤を予定テーマとしていた。公式ではApache Ossieを起点に、意味の定義と実行可能なオントロジーをつなぐ構成を掲げている。
エージェント設計 データ・メモリ
実行可能オントロジーとセマンティック層の構想（編集部再構成）
実行可能オントロジーとセマンティック層の構想（編集部再構成） Apache Ossieメトリクス交換 セマンティックモデル上のオ ントロジー 実行可能なデータエージェン ト連携 Apache Ossieメトリクス交換 ↓ セマンティックモデル上のオントロジー ↓ 実行可能なデータエージェント連携 編集上の概念図 · 公式アジェンダの項目から再構成したデータエージェント向けスタックの流れ 詳しい内容・実務への示唆・根拠を読む セマンティック層から実行へ 指標の交換と意味の共有を出発点に、仕様を実装へ落とす過程を扱う予定だった。
企業文脈を開かれた基盤へ 企業の知識をオープンなデータスタックへ接続する方向性を紹介する予定。具体的な実装やデモ結果は未確認。
持ち帰る視点 · 編集上の考察 知識の関係を図にするだけでなく、指標の計算や操作へどう接続するかを検討する。意味の定義と実行結果の整合性を、同じ評価対象として扱う視点が得られる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
31 公式概要のみ 11/05 16:35–16:45 · 分科会 ／ 公式予定
ひとりのクリエイターが、AIと3Dゲームを作る Sac ／ Independent
公式概要から：From Idea to Viral Launch: How I Built a 3D Little Prince Game with AI
Sacの公式概要は、3Dストーリーゲーム「The Little Prince: Across the Stars」を個人で制作する事例。物語を探索できる空間へ変え、コードとアセット、見た目を反復して公開へ至る過程を紹介する予定だった。
音声・マルチモーダル 事業・組織
AI駆動型3Dゲーム個人開発フロー（編集部構成）
AI駆動型3Dゲーム個人開発フロー（編集部構成） 物語の3Dシーン翻案 コードと3DアセットのAI反復 生成 ビジュアル調整と公開 物語の3Dシーン翻案 ↓ コードと3DアセットのAI反復生成 ↓ ビジュアル調整と公開 編集上の概念図 · 原作の翻案からAIによるアセット・コード生成の反復、最終仕上げを経てローンチに至るプロセス構成。 詳しい内容・実務への示唆・根拠を読む 物語から探索可能な空間へ 物語をシーンや操作体験へ翻案し、3Dアセットとコードを組み合わせる制作工程が予定テーマ。
反復と仕上げ AIが有効だった点と、仕上げに残った課題を振り返る構成。使用モデル、工数、品質の定量結果は未確認。
持ち帰る視点 · 編集上の考察 制作をコード、素材、体験の調整に分け、AIで速くなる工程と人の判断が必要な工程を記録する。ゲームの価値は生成量だけでなく、遊んだ際の一貫性や面白さで確かめる。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
32 公式概要のみ 11/05 16:45–16:55 · 分科会 ／ 公式予定
ブランドとクリエイターの協業を、履歴から改善する Susan Peng ／ AhaCreator
公式概要から：From Matching to Delivery: Scaling Creator Partnerships with AI
AhaCreatorの公式概要は、ブランドの依頼から候補選定、交渉、納品までをAIで支援するマーケティング基盤を紹介する。過去の価格や応答、納品実績を次のマッチングへ戻す仕組みが予定テーマ。
エージェント設計 事業・組織
AI主導型クリエイター協業サイクル
AI主導型クリエイター協業サイクル 要件定義・AIマッチ ング アウトリーチ・条件 交渉 コンテンツ制作・納 品 実績データ蓄積・選 定改善 要件定義・AIマッチング ↓ アウトリーチ・条件交渉 ↓ コンテンツ制作・納品 ↓ 実績データ蓄積・選定改善 編集上の概念図 · ブリーフから納品までAIが進行を支援し、取引実績データを次回選定へ還元する構造 詳しい内容・実務への示唆・根拠を読む 協業の流れを支援する ブランドとクリエイター双方の画面を通じ、候補選定、アウトリーチ、交渉と人の役割を示す予定だった。
実績を次の判断へ戻す 過去の取引価格、応答速度、納品履歴を活用する設計。公式記載の顧客事例や成果数値は当日の資料で照合できていない。
持ち帰る視点 · 編集上の考察 マッチング精度だけでなく、交渉から納品までの完了率を測る。過去の取引履歴を次の選定へ返す際には、価格、応答、成果を別の情報として整理するとよい。
根拠の範囲： 公式プログラムの紹介内容です。当日の発言・デモの実施は手元の資料で確認できていません。
33 録音・写真を確認 11/06 10:05–10:25 · メインステージ ／ 公式予定
世界モデルを解体する機能と次元の分類学とエージェント統合 Christoph Lassner ／ World Labs
Taxonomy of World Models
AIや強化学習、動画生成からCRM、細胞生物学に至るまで「世界モデル（World Model）」という言葉が乱立・多義化している。World LabsのChristoph Lassner氏は、この混乱を整理するため「Render（観測生成）」「Simulate（状態遷移の予測）」「Plan（行動選択）」の3つの機能的分類と、「Domain」「Scale」「Resolution」「Coverage」の4次元軸を提示した。さらに、高次の推論を担うSystem 2（大規模マルチモーダルモデル）と、物理環境やデジタル環境の知覚・制御を担うドメイン特化型のSystem 1モジュールを世界モデルが仲介するエージェント構造を提唱した。
エージェント設計 Physical AI 推論・基盤
世界モデルをRender・Simulate・Planに分類P229 · 11-06 10:09 CST 機能、対象領域、スケール、解像度、範囲で世界モデルを記述P237 · 11-06 10:17 CST 世界モデルを介して知覚と行動をつなぐ構成P241 · 11-06 10:20 CST 詳しい内容・実務への示唆・根拠を読む 乱立する「世界モデル」の定義と課題 近年、動画生成やロボティクスのみならず、Google Maps、CRM、UI、細胞生物学モデルまでが「世界モデル」と呼ばれる状況が生じている。登壇者は、これらが混同される背景を指摘し、強化学習（RL）の観点から「世界がどう振る舞うかを予測するモデル」という共通項を保ちつつも、その機能や対象範囲を厳密に区別・比較する語彙体系が必要だと論じた。
写真 P227 写真 P234 原文 11/06 09:59 · 区間1 原文 11/06 09:59 · 区間2
Render・Simulate・Planの機能的分類 世界モデルを、観測を生成するRender、行動に伴う状態遷移を予測するSimulate、目的に向けた行動を選ぶPlanの3機能で整理した。「世界モデル」という名称だけで比較せず、そのモデルが何を入力し、何を出力し、どの役割を担うかを確認するための枠組みである。
写真 P229 写真 P230 原文 11/06 09:59 · 区間2
ドメイン・スケール・解像度・カバレッジの4次元 機能に加えて「Domain（空間・デジタル・生体など）」「Scale（一室から地球規模まで）」「Resolution（詳細度）」「Coverage（未観測領域の保持・推論範囲）」の4次元を導入した。地球全体の気象モデルと部屋単位のモデルの違いや、遮蔽された信号機の状態を整合性を保ってシミュレーションし続けられるかといった網羅性の差を定義した。
写真 P235 写真 P236 写真 P237 原文 11/06 09:59 · 区間3
System 1/2構造における世界モデルのインターフェース役割 認知心理学を援用し、低速で高次のタスク推論を行うSystem 2（LMM等）と、リアルタイムの知覚・制御を行うSystem 1（物理空間モジュールやデジタルツールモジュール）の連携を提示。世界モデルは状態推定や行動選択を支えるコアとして機能し、抽象的推論と具体的行動空間を繋ぐインターフェースとして機能する。
写真 P240 写真 P241 写真 P242 原文 11/06 09:59 · 区間3
持ち帰る視点 · 編集上の考察 「世界モデル」というバズワードを自社システムに導入・評価する際、それがRender（観測予測）、Simulate（状態遷移）、Plan（行動最適化）のどの機能を担い、どのドメイン・スケール・カバレッジを前提にしているかを明確に切り分けることが重要である。特にマルチモーダルエージェント設計においては、System 2の高次推論とSystem 1のドメイン特化ループを世界モデルで疎結合に繋ぐ設計指針が極めて有効となる。
根拠の範囲： 公式予定枠（10:05-10:25）と整合し、現地録音（開会挨拶からクリッカー不具合、講演終了まで）およびスライド写真（P225〜P242）が明瞭に記録されている。登壇者が事故からの回復過程にあり個人の立場で登壇している旨の発言も現地音声から確認された。
講演の中心は分類と設計のための枠組みであり、製品間の性能ランキングではない。
34 録音・写真を確認 11/06 10:25–10:45 · メインステージ ／ 公式予定
独自JSONからHTMLへ：エージェントのコンテキスト再設計 Bin Liu ／ HeyGen
HTML is all your agents need: Redefining Context Engineering
AI動画生成におけるエージェント設計では、従来2,000〜10,000行に及ぶ独自JSONフォーマットをLLMに直接読み書きさせていた。しかし、LLMは構文的に妥当なJSONを出力できても、視覚的な重なりやレイアウト破綻といった空間的な良し悪しを推論できない問題があった。HeyGenのBin Liu氏は、モデルの学習分布に逆らわず強みを活かすため、独自JSONを全廃してWeb標準のHTML/CSS/JavaScriptおよびファイルシステム操作を入力・出力形式として採用するアプローチを提案。これによりエージェントが自律的にレンダリング可能な動画やゲームを生成可能になったと述べ、オープンソースのフレームワーク「HyperFrames」を公開した実績と知見を報告した。
エージェント設計 音声・マルチモーダル
独自JSONでは生成物の良し悪しを扱いづらいP249 · 11-06 10:28 CST HyperFrames：HTMLを書いて動画を描画するP252 · 11-06 10:30 CST 詳しい内容・実務への示唆・根拠を読む 独自JSONによるエディタ制御の限界と推論の破綻 初期の動画エディタは2,000行から最大10,000行の独自JSON上で動作しており、エージェントにそのJSONを書かせていた。しかしLLMはJSONの構文チェックを通る出力ができても、文字が枠外にはみ出したり要素が重なったりする視覚的・空間的な破綻を推論できず、「シェイクスピアに漢詩を書かせるようなもの」と例えられた。
写真 P248 写真 P249 原文 11/06 10:23 · 区間1
モデルの学習分布に合わせたHTML/CSS/JSへの転換 独自構造を無理に学習させるのではなく、LLMが事前学習で膨大に習得しているHTML、CSS、JavaScript、およびbash等のファイルシステム操作をエージェントのコンテキスト形式として採用。モデルが得意とするコード生成とファイル編集（grep, sed, git diffなど）の能力を直接活かす構成へと再設計した。
写真 P250 写真 P251 原文 11/06 10:23 · 区間1
オープンソースフレームワーク「HyperFrames」の導入 エージェントがHTML/CSS/JSを記述してMP4動画をレンダリングするオープンソース（Apache-2.0）フレームワーク「HyperFrames」を公開。動画内発表によれば、10月末時点で1日50万本以上、月間1,500万本以上の動画生成に利用され、エージェントスキル世界3位にランクインしたと報告された。
写真 P252 原文 11/06 10:23 · 区間1 原文 11/06 10:23 · 区間2
Web技術を基盤とした動画・ゲーム表現への拡張とモデル進化の波 HTMLの活用は動画にとどまらず、Three.jsを用いたブラウザ内ゲーム生成などにも拡張可能であると提示。基盤モデルが10倍進化した際に自社プロダクトが破壊されるか恩恵を受けるかはコンテキストの設計次第であり、モデルの進化に乗る形式を選ぶ重要性が説かれた。
写真 P254 原文 11/06 10:23 · 区間3
持ち帰る視点 · 編集上の考察 エージェントに独自のドメイン固有フォーマットや巨大なスキーマを直接操作させると、モデルの推論能力が十全に発揮されない。LLMが膨大に事前学習しているHTMLやコード、ファイルシステム操作を中間表現として再定義することで、モデル自体の性能向上をそのままプロダクトの進化へ転換できる。
根拠の範囲： 公式概要（O）、参加者撮影スライドOCR（P243〜P254）、および再文字起こし音声（A202611061023-00〜02）が全て揃っており、登壇内容と発表の流れを正確に照合・確認できた。中盤のデモ映像音声や私語の混入も識別して処理している。
本レポートはHeyGenのBin Liu氏の講演発言および提示スライド、デモ動画音声に基づく。HyperFramesの動画生成本数やランキング等の数値は社内・プロモーション動画内の公表値であり、第三者による検証は含まれない。
35 録音・写真を確認 11/06 10:45–11:05 · メインステージ ／ 公式予定
業界の暗黙知を、AIが使える知識に変える価値 Ying Yang ／ CHILING CHUANYUE TECHNOLOGY
AGI is decoding. Encoding is the moat.
Ying Yangは、業界特化型AIの競争力を、モデルを使う技術だけでなく、現場の暗黙知を規則やデータへ変換する能力に求めた。講演では、既に記号化された領域を「大陸」、知識が分散した領域を「群島」に例え、AGIを強力なデコーダーと捉える立場を示した。美容分野では、消費者の手持ち製品や使用履歴、専門家の知識、ブランド内の情報をつなぎ、消費者からサプライチェーンへ知識を構造化する構想を紹介。汎用モデルの進化が続いても、何をデータ化するか、どう信頼を得るかは事業側の仕事として残る、という主張だった。
エージェント設計 事業・組織 データ・メモリ
暗黙知の領域を構造化する事業機会P261 · 11-06 10:48 CST AGIによる解釈と、業界の規則を表現する側の価値P274 · 11-06 11:00 CST 詳しい内容・実務への示唆・根拠を読む 科学はエンコード、技術はデコード：AGI時代の参入障壁の再定義 科学を知識のエンコード、技術をその適用・デコードに例え、AGIを強力なデコーダーと位置づけた。明示的なルールが揃う領域と、現場の暗黙知が分散する領域を区別し、後者を使える知識へ変換する仕事に事業機会を見いだす考えである。
写真 P258 写真 P260 写真 P261 原文 11/06 10:41 · 区間1
なぜ美容市場か：高い取引コストと莫大な暗黙知 中国の美容・パーソナルケア市場は巨大で投資回収率が高い一方、製品の効果が可視化されにくく、優良企業でも売上の約50％（一部では90％）がマーケティングやチャネル費用に費やされていると指摘。この高い取引コストを削減することに事業機会があるとし、消費者→中小ブランド→大手ブランド→サプライチェーンという4段階のデータ開拓ロードマップを提示した。
写真 P262 写真 P263 原文 11/06 10:41 · 区間2
顔写真診断の限界と「ユーザー行動・手持ち製品」に基づく支援 写真だけで製品を推奨する方法には、撮影時の光などに左右される制約があると指摘した。手持ち製品、成分、使用感、悩みを継続的に記録し、利用者が持つ知識を補う支援を提案。講演中の診断・満足度の数値は異なる指標を含むため、本レポートでは直接比較しない。
写真 P267 写真 P268 原文 11/06 10:41 · 区間2
中小専門家から大手ブランド、サプライチェーンのボトムアップ統合へ 皮膚科博士などの処方家・研究者の知見を丸ごとAIエージェント化して中小ブランドを支援し、大手ブランドには研究開発・処方・販売員に分散した社内ナレッジの統合と、リアルタイムの消費者需要ダッシュボードを提供。従来22〜24か月かかっていた製品開発サイクルを短縮し、トップダウンの流行追随から需要主導のボトムアップ製造へ変革する構想を示した。
写真 P269 写真 P270 写真 P271 原文 11/06 10:41 · 区間3
持ち帰る視点 · 編集上の考察 業界AIの設計では、公開情報だけで扱える部分と、現場から新たに取得・構造化する必要がある知識を分ける。暗黙知をデータ化するだけで優位性が保証されるわけではなく、更新、品質、利用者の信頼まで含めて検証する。
根拠の範囲： 公式案内(O)、現地撮影スライドOCR(P255〜P274)、録音書き起こし(A202611061041-00〜02)を突合。スピーチ内容とスライド構成は完全に一致しており、登壇者が自身の経歴やコスメ産業の実務課題を引き合いに論理を展開した事実が音声およびスライド双方から詳細に確認できた。
美容市場や事業戦略に関する登壇者の見解。写真による診断の一般的な精度を実証する講演としては扱わない。
36 録音・写真を確認 11/06 11:10–11:25 · メインステージ ／ 公式予定
製造現場のAI実装阻む「APIなき領域」と企業セマンティクス統合 Shihui Zhu ／ HICAP Group
AI in Manufacturing: The Last Mile Is Half the Journey
酒類用ボトルキャップ大手HICAP Group（海普智聯）のShihui Zhu氏が、伝統的な中小・中堅製造業におけるAI実装の泥臭い現実と打開策を報告した。製造現場では数十年前の設備や高齢化した作業員、オフラインで口頭処理される突発事象が多数を占め、単に最新モデルを導入するだけでは機能しない。同社は自社開発のAI基盤「Hi-Worker」上で50以上のエージェントを展開し、月間約1000億トークンを運用する中で直面した課題を提示。特に「用語定義（セマンティクス）の不統一」「データ化されていない現場判断」「旧式設備の改造コスト」「人員削減を恐れる組織感情」という4つの障壁を指摘した。これに対し、音声からの非構造化事象の構造化入力、L0〜L5におよぶ数百の業務プロセスの可視化・排障を行うエージェントを構築し、モデル主導ではなく企業の本体（オントロジー）と組織ルールを段階的に統合するアプローチを提唱した。
エージェント設計 事業・組織 データ・メモリ
製造業の現場で残るデータと業務の接続課題P278 · 11-06 11:14 CST 製造現場での情報・業務統合の事例P288 · 11-06 11:22 CST 詳しい内容・実務への示唆・根拠を読む 製造業へのAI導入は「旧市街の改修」：既存ERP/MESとオントロジーの整理 AI導入を更地での新規構築ではなく「サンフランシスコ旧市街の改修」に例え、過去数十年にわたり構築されたERPやMES、データ基盤との共存が必要と説く。モデル選定以前に、対象・業務プロセス・指標・ルールのオントロジー（本体）を整理する第2層が最も困難であり、現場では旧式設備へのセンサー追加やプロセス変更に伴う莫大なコスト、現場作業員の高齢化（保全技工の平均48歳）が重い負担になると指摘した。
原文 11/06 11:10 · 区間1 写真 P278 写真 P280
現場の事実はデータ化されていない：チャット依存から音声入力による構造化へ 資材の欠損や急な納期前倒し、設備の突発停止など製造現場で起きるリアルな事象の多くは、システムに該当フィールドすら存在せず、グループチャットの文面や写真などのオフラインで処理されている。同社では、現場作業員がスマートフォンに向かって口頭で状況を話すだけで、場所・内容・深刻度を自動で構造化データ化し、責任者へ割り振って組織の記憶として蓄積する仕組みを構築した。
原文 11/06 11:10 · 区間1 原文 11/06 11:10 · 区間2 写真 P288
企業セマンティクス（意味・口径）の不統一が招くLLMの「確信に満ちた誤答」 スマート製造成熟度評価で中国製造業6万社のうち60%以上がレベル1未満にとどまる中、AI排産（スケジューリング）などを困難にしているのはモデルの知能ではなく前提規則の不揃いだと論じる。「納期」や特定顧客の優先方針といった言葉の定義（口径）が部門間で食い違うと、LLMは自信満々に誤った回答を出し検知も困難になるため、決定プロセスの履歴追跡とセマンティクスの統一が必須であると述べた。
原文 11/06 11:10 · 区間2 写真 P285 写真 P286
AIネイティブの急進的組織変革を退け、数万人の現場を動かすプロセス排障を推進 外部コンサルが唱えるAIネイティブ組織への急進的変革は、数万人の労働者と家庭を抱える伝統的集団企業では受け入れ不可能であると批判。同社は「流動性組織エージェント」を自社開発し、L0からL5にわたる数百の業務フローを再定義してボトルネックや断点を可視化した。組織運営をモデルが解釈可能なデータに変換し、AIを人員削減ではなく事業拡大の道具として位置づけている。
原文 11/06 11:10 · 区間2 写真 P287 写真 P289
エンタープライズAI実装の4大障壁と「APIのない現場」に築く真の防壁 企業導入を阻む4大要因として、①用語・セマンティクス、②未蓄積の暗黙知データ、③旧式設備のレトロフィット、④AI代替を警戒する従業員心理を総括。企業向けAIの真の参入障壁は最先端モデルそのものではなく、APIが存在しない泥臭い現場のデータ化と、時間をかけて変革すべき組織・意識の領域にこそ存在すると強調した。
原文 11/06 11:10 · 区間2 写真 P290
持ち帰る視点 · 編集上の考察 製造業におけるAIエージェント実装の成否は、モデル性能の高さよりも「業務用語・指標の厳密な定義統一（セマンティクス）」と「現場で口頭・チャット処理されている突発事象の構造化データ化」にかかっている。APIが存在しないレガシー設備や数千人の現場従業員を抱える環境では、AIネイティブへの急進的な破壊を目指すのではなく、既存プロセス（L0〜L5）の可視化とエージェントによる業務排障から段階的に着手すべきである。
根拠の範囲： 公式セッション情報（O）のほか、写真スライド（P275〜P291）および明瞭な壇上録音（A202611061110-00, A202611061110-01）が確認できた。客席ノイズ（近席の私語等）を除外し、登壇者（朱世貴氏）の発言内容および提示スライドを忠実に突合して検証した。
本報告の内容はHICAP Group（海普智聯）の工場および同社が展開する酒類業界向けソリューションでの実践事例に基づき登壇者が述べたものであり、すべての製造業環境に同一の効果やコスト構造が当てはまるわけではない。また、引用された成熟度白書の数値は中国国内調査の報告値である。
37 録音・写真を確認 11/06 11:25–11:40 · メインステージ ／ 公式予定
読めない言語・未知の領域をLLMで検証する「評価駆動開発」 James Hush ／ Daily.co
Trusting Evals I Can’t Read
登壇スライド：Deepgram / Pipecat Maintainer（公式：Daily.co）
LLMの普及により生成されるコードやテキストが膨大化し、開発者自身がすべてを確認・レビューしきれない課題が生じています。PipecatメンテナーのJames Hush氏は、自身が中国語を読めないにもかかわらず中国語のタピオカ注文用音声エージェントを開発した個人事例を紹介しました。氏はこの課題に対し、作業自体の手動確認をやめて「チェッカー（評価器）を検証する」評価駆動開発（Eval-driven development）のループを提唱しました。LLMが生成した中国語の会話結果に対し、英語の合否基準を与えたLLMジャッジが採点し、さらに音声モードのシミュレーション評価を組み合わせてSTTの誤認識バグなどを自動検出する仕組みを報告しました。
音声・マルチモーダル 評価・検証 エージェント設計
何をテストし、テスト自体をどう確認するかP298 · 11-06 11:30 CST 機械の仕事を判定し、人が判定器を確認するループP299 · 11-06 11:36 CST 詳しい内容・実務への示唆・根拠を読む 「誰も全ては読めない」時代における評価駆動開発の提唱 LLMによりテキストやPRの生成コストが下がり情報量が爆発したため、言語を読めるか否かにかかわらず人間が全出力を確認することは不可能になったと指摘。コードそのものではなく「チェッカー（評価者）」を検証する『Eval-driven development』への転換を訴えました。
原文 11/06 11:26 · 区間1 写真 P298
Pipecatを用いた音声エージェントの基本パイプライン構成 音声エージェントを「音声入力→STT→LLM→TTS→音声出力」のパイプラインとして整理。自身がメンテナを務めるオープンソース『Pipecat』はこれらを結ぶグルー（接着剤）であり、Deepgramや中国系ローカルLLMなど任意のモデルをベンダーフリーで接続可能と説明しました。
原文 11/06 11:26 · 区間1 写真 P296 写真 P297
LLMジャッジと即興シミュレーションによるテスト自動化 中国語が読めない問題に対し、成功条件を英語で記述しLLMジャッジに合否判定（Yes/No）させる手法を採用。さらにスクリプト型の事前定義テストだけでなく、LLMに役割（店員役など）を与えた即興シミュレーションにより多角的なエッジケース評価を行いました。
原文 11/06 11:26 · 区間1 原文 11/06 11:26 · 区間2
テキスト評価と音声評価の使い分けとSTT認識バグの発見 評価は高速・低トークンのテキストモードと、パイプライン全体を通す音声モードを併用。中国語の「去冰（氷なし）」が英語混じりの「two 瓶」とSTTで誤認識されるバグは、テキスト単体のテストでは検出できず音声モードで初めて発見できたと報告しました。
原文 11/06 11:26 · 区間2
「機械が作業→ジャッジが評価→人間がジャッジを監視」の改善ループ 機械が実装・修正を行い、LLMジャッジがそれを評価し、人間はジャッジの基準や動作を監視する3層ループを提案。タピオカ注文に限らず、ドメイン知識のない保険営業、自動車修理サポート、対話型ロボット制御など多様なエージェント開発に応用可能と主張しました。
原文 11/06 11:26 · 区間2 写真 P299 写真 P300
持ち帰る視点 · 編集上の考察 対象言語を理解できない場合やドメイン知識が乏しい開発領域であっても、評価基準（Success Criteria）を自身が理解できる言語・形式で定義し、LLMジャッジとシミュレーションを組み合わせることで自律改善ループを構築できます。特に音声パイプラインでは、テキスト評価で論理を固めつつ音声モードでSTT/TTS特有の誤認識をあぶり出す多層的な評価設計が実務上有効です。
根拠の範囲： 公式アブストラクトの予定内容、スライド写真（P292〜P301）、および登壇全編の音声文字起こし（A202611061126-00, A202611061126-01）を相互照合して確認。公式の所属はDaily.coですが、登壇スライド上ではDeepgram所属・Pipecatメンテナとして紹介されています。音声中にある客席の小声私語は除外して作成しました。
個人開発の音声エージェントを使った事例。LLMジャッジの判定基準自体を確かめる必要がある、という点を含む。
38 録音・写真を確認 11/06 11:40–11:50 · メインステージ ／ 公式予定
音声認識は、モデルだけでなく言語と区間の切り方で変わる Satvik Sinha ／ AICET, NUS
The Good, the Bad and the Ugly: What 3,000 live sessions taught us about streaming speech-to-text
KoushiのSatvik Sinhaは、中国語学習用の音声エージェントで、公開評価が良好なSTTでも本番では誤認識が増えた事例を報告した。短い発話をVAD（音声区間検出）が細かく分割すると、言語と文脈の手掛かりが失われる。自社の比較では、ライブの短い区間をそのまま渡した平均スコア62に対し、言語を指定すると73、録音全体を渡すと82となった。2〜32秒の結合区間でも精度を比較し、モデル選定に加えて入力言語と音声文脈を設計する必要性を示した。長く聞かせる効果と会話の応答遅延を、実際の利用条件で調整することが論点となる。
音声・マルチモーダル エージェント設計 評価・検証
ライブ音声で発生した、話していない文字列の混入P305 · 11-06 11:40 CST 音声区間長と言語指定による認識精度の比較P315 · 11-06 11:47 CST 言語を指定し、より多くの音声を聞かせるP316 · 11-06 11:48 CST 詳しい内容・実務への示唆・根拠を読む 本番セッションの約1/4で発話していないテキストが混入 登壇者らの語学学習音声エージェントにおいて、セッションの23.5%（約4回に1回）で誰も発話していないテキストが含まれる問題が発覚した。中国語の練習中に韓国語、ヘブライ語、タイ語などの外国語文字が混入したり、文字の脱落や誤変換が多発していた。
写真 P304 写真 P305 原文 11/06 11:38 · 区間1
ベンチマークと実運用の間でエラー率が4〜20倍に悪化 FLEURSベンチマーク上でエラー率2〜7%と高スコアを示す主要STTモデル（Qwen3-ASR、Scribe、gpt-4o-transcribe、Gemini 3.5 Transcribe）を自社パイプラインの音声に適用したところ、エラー率が25.0%〜48.5%へと4〜20倍に悪化した。
写真 P307 写真 P308 原文 11/06 11:38 · 区間1
録音全体とライブ区間で、評価条件が変わる 非ネイティブ話者の録音を細切れにせず全体として入力するとスコアが改善し、外国語の混入も減ったという。講演では、ためらいや短い間をVADが区切ることで音声文脈が失われる点を主要因として指摘した。話者やモデルの能力だけに原因を求めず、処理パイプラインを検証する事例である。
写真 P309 写真 P310 原文 11/06 11:38 · 区間1
言語指定と長い文脈を、別々に評価する スライドでは、短いライブ区間の平均62から、言語指定で73、録音全体では82という比較を提示した。区間を2・4・8・16・32秒へ結合した曲線も示され、長い文脈ほど改善する傾向を説明した。「2〜8秒にすれば残り9ポイントを回復できる」という一律の結論にはしない。
写真 P313 写真 P314 写真 P315 原文 11/06 11:38 · 区間2
持ち帰る視点 · 編集上の考察 本番と同じ発話長、雑音、言語切替で評価する。言語指定、VADの区切り、前後の文脈を一つずつ変え、認識精度と応答遅延の両方を測る。特定の秒数を万能な設定値として採用しない。
根拠の範囲： 公式情報（O）の予定通りのテーマで登壇が行われ、スライド写真（P302-P316）とステージ録音（A202611061138-00, A202611061138-01）の双方が揃っている。写真内の数値グラフおよび発言内容の整合性が極めて高く、実験結果や改善の内訳数値も直接確認できた。
数値は語学学習サービスの音声と発表時のモデル群による比較であり、スコアと文字誤り率を混同しない。
39 録音・写真を確認 11/06 13:15–13:55 · メインステージ ／ 公式予定
モデル企業と競争するアプリに、何が残るのか Yusen Dai / Harry Wang / Patrick Liu ／ ZhenFund / Linear Capital / TaoZ Capital
AI startups: products, markets & what comes next
公式のパネリスト：Yusen Dai（戴雨森）、Harry Wang（王淮）、Patrick Liu（刘勇）。司会：Bibi Xiaosheng。
真格基金（ZhenFund）のYusen Dai、Linear CapitalのHarry Wang、TaoZ CapitalのPatrick Liuらが、AIスタートアップの価値と投資判断を議論した。焦点は、モデル企業が自社アプリまで展開する中で、独立したアプリが何を提供できるかという問いだった。効率化に加えて感情や娯楽に関わる体験、端末・センサーとソフトウェアの組み合わせ、業界固有の文脈やデータが議論された。また、技術用語や肩書そのものより、実装して利用者へ届ける力を重視する見解が示された。これらは投資家の事業観であり、特定領域の成功を保証する予測ではない。
事業・組織 エージェント設計 推論・基盤
AIスタートアップの製品・市場・将来を議論するパネルP323 · 11-06 13:15 CST 詳しい内容・実務への示唆・根拠を読む 競合はモデルと、そのモデル企業のアプリ Yusen Daiは、独立したAIアプリにとっての競合には、基盤モデルだけでなく、その企業が提供する自社アプリも含まれると論じた。モデルの性能向上や推論費用の低下を前提に、APIを呼ぶこと自体を超える顧客価値をどこに置くかが問われた。
原文 11/06 13:16 · 区間1
端末と現場の文脈を含めた差別化 Harry Wangは、ソフトウェア単独では機能の境界が変わりやすいことから、端末やセンサーを含むハードウェアとの組み合わせに注目した。ローカルで文脈を蓄積し、利用者との接点やデータの取り扱いを設計することが、差別化の候補として挙げられた。
原文 11/06 13:16 · 区間2
時間を節約する価値と、使いたくなる体験 予約や業務代行のような時間節約に加え、娯楽、創作、感情に訴える体験にも需要があるという見解が示された。効率化ツールとエンターテインメントでは利用動機や継続率の構造が異なり、同じ成長モデルで評価しないという事業上の論点である。
原文 11/06 13:16 · 区間2 原文 11/06 13:16 · 区間3 原文 11/06 13:16 · 区間4
投資判断で重視する、作って届ける力 先端技術の看板や創業者の肩書よりも、自らプロダクトを作り、利用者へ届け、実際の反応を得る力を重視する議論があった。公開した成果物や顧客との接点から実行力を見る姿勢として整理できる。
原文 11/06 13:16 · 区間4 原文 11/06 13:16 · 区間5
持ち帰る視点 · 編集上の考察 自社アプリの価値を、モデルの機能と重なる部分、独自のデータ・接点・運用に依存する部分に分けてみる。講演中の有望領域へ一律に転換するのではなく、利用者が繰り返し使う理由を検証することが実務への示唆となる。
根拠の範囲： 公式プログラムではBibi氏のモデレートのみ記載されていたが、写真P323および音声記録A202611061316（00〜05）より、真格基金の戴雨森氏、線性資本の王淮（Eric/Harry）氏、超V Capitalの劉勇（Patrick）氏が登壇したパネルディスカッションであることが確認できた。
投資家の経験と見通しを扱うパネル。音声では話者交代があるため、個人への帰属が明確でない発言は討議全体の論点としてまとめた。
40 録音・写真を確認 11/06 13:55–14:15 · メインステージ ／ 公式予定
モデルの進化に合わせハーネスを削ぎ落とす判断と制御の設計原則 Ronny He ／ MiniMax
Stronger Models, Leaner Harnesses: What to Control and What to Let Go
大規模言語モデルの能力向上に伴い、かつて有効だった詳細なシステムプロンプトや複雑なサブエージェント構造といったハーネス（実行環境）の仕組みが、トークン浪費や遅延を招く「死重」となる問題が生じている。MiniMaxでコードエージェント開発を率いるRonny He氏は、モデルに任せる「判断」を手放し、キャッシュや副作用などの「不変条件」のみをハーネスで厳格に制御する原則を提唱した。具体策として、MCPツールのオンデマンド探索によるKVキャッシュ保護、コードスクリプトとしてツール群を一括実行するPTC、長時間コマンドの自動バックグラウンド化などを挙げ、ハーネス設計を実験科学として検証し続ける重要性を報告した。
エージェント設計 評価・検証
判断はモデルに任せ、不変条件を制御するP328 · 11-06 14:07 CST ハーネス設計を実験として比較するP335 · 11-06 14:14 CST 詳しい内容・実務への示唆・根拠を読む 「判断」を手放し「不変条件」のみを制御する原則 モデルの賢化に伴い、どのツールをどの順序で使うかや計画の立案といった「判断」はモデルに委任すべきである一方、キャッシュプレフィックス、実時間、プロセスの生存期間、不可逆な副作用といったモデルから見えない・戻せない「不変条件」はハーネス側で厳密に制御する必要がある。新機能導入や削除時には、モデルの可視性や取り消し可能性を問う評価プロセスが不可欠とされる。
写真 P328 写真 P329 原文 11/06 13:59 · 区間2
ツール探索のCLI化によるKVキャッシュプレフィックスの維持 外部MCPサーバー等のツール定義を毎ターン全件プロンプトへ注入すると、接続状態の変化やネットワーク瞬断でツールリストが変わり、プロンプトキャッシュが無効化されてコストが跳ね上がる。MiniMax Codeではツール定義を直接配列に入れず、モデルがCLIを呼び出してオンデマンドに段階的探索する方式を採用し、キャッシュプレフィックスのバイト単位での安定性を担保している。
写真 P330 原文 11/06 13:59 · 区間2
PTC（Programming Tool Calls）による対話往復とトークンの削減 毎ターンLLMとツール呼出の往復を繰り返す代わりに、JavaScript等の実行コードを一括生成させてサンドボックス環境で実行するPTCが導入された。モデル自体の性能スコアは同等ながら、MiniMaxの社内タスク検証ではリクエスト数が削減され、コードタスクで13%、オフィス文書タスクで35%のトークン削減を達成したと報告された。
写真 P331 原文 11/06 13:59 · 区間2
キャッシュ失効を防ぐ長時間コマンドの自動バックグラウンド化 依存関係のインストール等で5分以上待機するとAPI側のプロンプトキャッシュが失効しコストが増大する。これに対し、すべてのコマンドを初動からバックグラウンドタスクとして生成し、フォアグラウンドの待機上限を60秒に制限して自動的に非同期監視へ移行させることで、同一タスクIDを保ちながらキャッシュ生存と確実な結果取得を両立させている。
写真 P332 原文 11/06 13:59 · 区間2
サブエージェントの抑制とコンテキスト隔離への特化 問題領域やチームごとに安易にサブエージェントを分割すると、伝言ゲームによるコンテキスト欠落やトークンの無駄が生じる。MiniMaxでは単一のメインエージェントに必要時のみスキルを読み込ませる構成を基本とし、サブエージェントの使用はレビュー時のように過去の対話履歴を遮断してクリーンな文脈が必要なケースに限定している。
写真 P326 写真 P333 原文 11/06 13:59 · 区間1 原文 11/06 13:59 · 区間2
持ち帰る視点 · 編集上の考察 編集部の考察として、モデルの性能向上期にはエージェント基盤の制御ロジックを増やすのではなく、キャッシュ効率や不可逆操作の防御壁など「物理的・システム的な制約（不変条件）」のみに絞り込んで引き算することが、長期的な運用コスト削減と保守性向上の鍵となる。
根拠の範囲： 公式アブストラクトの予告内容（CLIでのツール探索、タイムスタンプ制御、制約の緩和）と現地発表内容は整合しており、実際のセッションではスライド全16枚と明瞭な中国語音声を通じて、具体的なPTCの数値やサブエージェント抑制の設計思想まで詳細に確認できた。
本報告のトークン削減率やキャッシュ挙動に関する数値はMiniMax Code内部の特定ベンチマークおよびAPI仕様（Anthropicのキャッシュ仕様等）に基づく検証結果であり、すべてのモデルや環境にそのまま当てはまるわけではない。
41 録音・写真を確認 11/06 14:15–14:30 · メインステージ ／ 公式予定
産業用Physical AIが直面する限界と触覚・安全独立の階層型アプローチ 何文智 ／ AiMoga Robotics
Beyond Vision-Language-Action: First Principles for Building Physical AI
製造現場におけるロボット自律化において、従来の視覚モデルは多品種対応時の調整コストが持続不可能であり、一方で最新のVLA（Vision-Language-Action）モデルは工業現場が求める高いタクトタイム・精度・安定性を満たせないという課題が存在する。また、カメラ画像だけでは接触力や微小な滑りを把握できない。AiMoga Roboticsの何文智氏は、VLAを全面置換するのではなく、視覚・トルク・触覚・固有感覚を融合した閉ループ制御と、自動運転に倣ったL1〜L5の階層型知能アーキテクチャを提案した。さらに、衝突防止や非常停止といった安全監視を大モデルに委ねずPLC/IPC等の独立したハードウェア安全層に担保させること、車輪型プラットフォームと小型ポリシーの組み合わせが実用上重要であると論じた。
Physical AI エージェント設計 推論・基盤
VLAを越えてPhysical AIを考えるP340 · 11-06 14:22 CST 産業タスクで必要になる閉ループの構成P348 · 11-06 14:29 CST 詳しい内容・実務への示唆・根拠を読む 工業現場における従来型視覚モデルとVLAの二律背反 従来のYOLO等の視覚モデルは、製造ラインごとの多品種な製品に対応するために個別の学習や現地での人手による監視・調整が必要でコストが持続しない。一方で最新のVLAモデルは動作の汎化性に優れるものの、工場の厳格なタクトタイム、高精度、安定性の要求に達しておらず配備が困難であると指摘した。
原文 11/06 14:18 · 区間1
視覚依存を超えたマルチモーダル閉ループ制御 外部カメラ画像だけではワークの接触力や把持部の微細な滑りを直接観察できない。ロボットにLiDAR、深度カメラ、関節トルクセンサ、指先の触覚センサなどを組み合わせ、目標位置の把握だけでなく滑りや変形を検知し、動作偏差を修正して経験を蓄積する閉ループ（Perception Closed Loop）の重要性を説いた。
原文 11/06 14:18 · 区間1 写真 P341 写真 P344
階層型知能アーキテクチャ（L1〜L5）と3つのモデル群 自動運転に着想を得たL1（基礎運動制御）からL5（目標言語制御）までの5段階の機能分類を提示。これらを支える要素として、経験を蓄積・局所改善する学習モデル、運動や工業価値を測る評価モデル、そして横断的に保持・検索する記憶モデルの3つのモデル群からなる構成案を示した。
原文 11/06 14:18 · 区間1 写真 P344 写真 P345
PLC/IPCによる独立した安全監督機構の必須性 民生用と異なり、工業ロボットでは衝突保護や非常停止、運動制限などの安全監視を大モデルの推論に依存させてはならず、PLCやIPC上で動作する独立した決定論的ハードウェア安全ロジックによって保護する必要があると強調した。
原文 11/06 14:18 · 区間2 写真 P346
車輪型形態の採用と小型ポリシーの実用的な組み合わせ 箱の運搬や補給などの実応用では、二足歩行よりも航続距離・安定性・制御精度に優れる車輪型プラットフォームが適している。モデル規模の拡大のみを追うのではなく、VLM、従来型モデル、軽量な特化ポリシーを組み合わせ、MES等の工場システムと連携させる実践的方針を提示した。
原文 11/06 14:18 · 区間2 写真 P347 写真 P350
持ち帰る視点 · 編集上の考察 製造現場へのPhysical AI導入では、汎用VLAモデルの単独適用を過信せず、触覚や力覚を含めた閉ループ制御と、決定論的に動作するPLC/IPC安全層を分離した階層設計が不可欠となる。モデルサイズではなく、タスク要件に見合った小型特化ポリシーと車輪型機構を組み合わせることが産業適用の現実解である。
根拠の範囲： 公式発表のアブストラクト（O）に沿って、録音音声（A202611061418-00, A202611061418-01）およびスライド写真（P338〜P350）の内容が正確に一致していることを確認。司会者が「何文杰」と言い間違える場面があるが、スライド・公式情報ともに何文智氏である。スライドOCRの文字化けに対して明瞭な音声記録を優先して再構成した。
提案された多層アーキテクチャや閉ループ学習の一部は理論的構想段階であり、自社第1号製品の実証実績は提携先蘇州工場への翌月導入予定に基づくため、長期的な運用性能や成功率は未検証である。
42 録音・写真を確認 11/06 14:35–14:50 · メインステージ ／ 公式予定
記述できる状態はコードで、認識する外観はモデルで描く世界モデルの分離設計 Gavin Luo ／ VAST / Tripo AI
From 3D Generation to World Models: Building Persistent Interactive Worlds for Physical AI
AIエージェントが3Dシーンをコードで生成できるようになり、3D生成モデル自体の存在意義が問われている。VASTは「記述可能な状態やルールはプログラムが管理し、言語化が難しく視覚的に認識する外観や詳細は生成モデルが担う」という役割分担を提示した。この思想に基づき、ゲームプログラムが保持する論理状態や簡易なグレーボックス映像を入力として、リアルタイム（720p/24fps以上）に高品質な映像をストリーミング生成する世界モデル「EdenLive」を開発しオープンソース公開した。状態の永続性や編集可能性を担保し、人間の一人称操作動画の手先をロボットアームに置き換えるなど、Physical AIのシミュレーション基盤への拡張も模索されている。
Physical AI 推論・基盤 エージェント設計
記述できるものと、見て判断できるものの役割分担P358 · 11-06 14:37 CST コードで状態を持ち、モデルで描画するEdenLiveの構成P364 · 11-06 14:40 CST 世界には生成だけでなく持続する状態が必要P370 · 11-06 14:44 CST 詳しい内容・実務への示唆・根拠を読む エージェントと3D生成モデルの新たな役割分担 自律型コーディングエージェントの進化により規則的な室内シーンがコードのみで生成可能になったことを受け、「記述できる論理や配置はエージェントが書き、言語化が難しく目で認識する質感や造形は学習済みモデルが担う」という協調指針を提示した。ClaudeやBlender、Tripoを組み合わせ短期間でゲームを構築したクリエイター事例を挙げ、両者の連携価値を強調した。
写真 P356 写真 P358 原文 11/06 14:31 · 区間1
世界状態と外観描画を分離するProject Eden 静的アセット（名詞）から事象が持続する世界（動詞）へ進化するため、位置やスコア、当たり判定などの「世界状態」をゲームプログラム側で厳密に管理し、見た目のみを生成AIが描画する構造を提案した。火を消した状態が維持される永続性や、同一の内部状態を複数カメラで共有して一貫性を保つマルチプレイヤー性を実現する。
写真 P360 写真 P361 写真 P362 原文 11/06 14:31 · 区間2
リアルタイム・ストリーミング生成器EdenLiveのOSS公開 プログラムが出力する簡易なグレーボックス映像とテキスト指示を受け取り、過去フレームの履歴を参照しながらチャンク単位で逐次生成する「EdenLive」を発表した。5Bパラメータのモデルを用いてRTX 5090等の環境で720p・24fps以上の生成を達成しており、モデルの重みや推論コードをApache-2.0ライセンスで公開した。
写真 P363 写真 P364 写真 P365 原文 11/06 14:31 · 区間2
Physical AIへの展開と検証における未解決課題 人間の一人称操作動画の動作構造を維持したまま手先をロボットアームに置き換えるデモを示し、ロボット学習のデータ多様化への応用可能性を提示した。一方で、ロボット学習に必要な物理的正確性の実証は途上であり、長時間視界外に出たキャラクターの記憶ドリフトや世界の妥当性評価手法が今後の課題であると述べた。
写真 P367 写真 P369 原文 11/06 14:31 · 区間2
持ち帰る視点 · 編集上の考察 （編集部考察）世界全体を動画生成モデルの潜在空間だけで end-to-end に解くのではなく、決定論的なプログラムに状態・ルール管理を委ね、レンダリング層のみを生成AIで置き換えるアーキテクチャは、一貫性とリアルタイム性が必須となるインタラクティブ環境やPhysical AIのシミュレーションにおいて極めて現実的な設計手法である。
根拠の範囲： 公式セッション情報（O）、現地スライド写真（P351〜P371）、講演音声（A202611061431-00, 01）の全資料が揃っており、登壇内容と公式アジェンダの内容が合致していることを確認できた。
EdenLiveによる720p/24fpsのリアルタイム生成やロボットアーム置換デモはVASTの特定環境での報告である。ロボット学習における物理的正確性や実効性の検証は初期段階にあり、確立されたものではない。
43 録音・写真を確認 11/06 14:50–15:05 · メインステージ ／ 公式予定
1パスで型と確信度を返すディシジョンモデルのオンデバイス展開 Leonie Monigatti ／ Liquid AI
How We're Building Open Decision Models for On-Device Agents
Liquid AIのLeonie Monigatti氏は、トークンを逐次生成する従来型LLMによるツール呼び出しやルーティングの高コスト・低速・誤りやすさという課題に対し、1回のフォワードパスで型付きの解と較正された確信度スコアを返す「ディシジョンモデル（決定モデル）」の構築アプローチを報告した。決定モデルの登場を契機とするオープンエコシステムでのリバースエンジニアリングとして、単純なロジット抽出 ベースラインの偏りをLoRAによる分類SFT、デコーダーの因果マスク解除（双方向化）、温度スケーリングによる確信度較正で改善する手法を説明した。ノートPCや端末上で動作可能な2B規模のマルチモーダル決定モデル「D1 2B」などを公開し、オンデバイスエージェントにおける高速な意思決定の実装を示した。
エージェント設計 推論・基盤 音声・マルチモーダル
Liquid AI：オンデバイス向けDecision ModelsP373 · 11-06 14:47 CST 分類と確信度を返す、小さな判断器
分類と確信度を返す、小さな判断器 文脈・候補 決定モデル 型付き回答・確信度 業務側の処理へ 文脈・候補 ↓ 決定モデル ↓ 型付き回答・確信度 ↓ 業務側の処理へ 編集上の概念図 · 講演内容の再構成。確信度は判断材料であり、実行権限とは別。 詳しい内容・実務への示唆・根拠を読む 決定モデルによる高速・低コストな意思決定と確信度出力 ツール選択などの分類を、逐次トークン生成ではなく1回のフォワードパスで型付きの答えと確信度を返す決定モデルへ移す発想を示した。確信度に応じた人への委譲も例示されたが、数値の閾値は用途別に検証が必要であり、確信度そのものが操作の権限を与えるわけではない。
数行コードの推論手法とその限界（選択肢順序バイアス） 既存の基盤モデル（LFM-3等）に対し、最終位置のロジットから選択肢トークン（A, B, C）のみを抽出しソフトマックスを適用する推論のみの手法を紹介した。しかし、次トークン予測に最適化されたモデルでは選択肢の提示順序によって回答が変わる位置バイアスが生じるため、ナイーブな実装のままでは実用に課題があると指摘した。
原文 11/06 14:45 · 区間1 原文 11/06 14:45 · 区間2
因果マスクの解除と温度スケーリングによる確信度較正 Liquid AIの設計では、多様な分類タスクをLoRAで微調整する手法を採用した。さらに最新世代では、デコーダーモデルの因果マスク（causal mask）を外して双方向アテンションを可能にし、エンコーダー型の利点を統合した。学習後の過信に対しては、強化学習を用いず温度スケーリング（Temperature Scaling）のみでトークン順位を保ったまま確信度を較正している。
原文 11/06 14:45 · 区間2
小型モデルと画像入力への展開 端末上で動く2B規模の決定モデルやマルチモーダル対応を紹介し、カメラ映像から指定物体を矩形で捉える応用を説明した。一部のデモ映像は会場での読み込みがうまくいかず、口頭説明を含む。すべての機能のライブ動作を確認したものとしては扱わない。
原文 11/06 14:45 · 区間2 写真 P373
持ち帰る視点 · 編集上の考察 逐次トークン生成を伴うLLMのツール選択や分岐判断は、因果マスクを外した小型決定モデルと温度スケーリングによる確信度スコアを組み合わせることで、低レイテンシかつ安価に置き換えられる可能性がある。確信度閾値によるヒューマンインザループ設計を組み込むことで、オンデバイスエージェントの実装精度と信頼性の両立が期待できる。
根拠の範囲： 公式プログラムの概要（O）とスライド写真（P372〜P375）、および実際のセッション音声（A202611061445-00, A202611061445-01）の整合を確認。公式タイトルと現場のスライド表題は一致しており、音声からJefの登場を受けた背景や因果マスク解除、温度スケーリング、2Bモデルのオンデバイス展開などの詳細な技術仕様が確認できた。
一部デモは映像の読み込みトラブルにより口頭説明となった。確信度の較正と、許可・拒否を決めるポリシーは別々に設計する。
44 録音・写真を確認 11/06 15:05–15:25 · メインステージ ／ 公式予定
独立したエージェント同士が、意図を交換する構想 Mingke Luo ／ masons.ai
Communication Among Sovereign Agents: The Foundation of Agent Economy
masons.aiのMingke Luo氏は、10年前に直面したエージェントのフルフィルメント（行動実行）の壁を振り返り、現在のLLMでも自律的なエージェント経済が実現しない構造上の課題を論じた。単一の巨大AIが全サービスをAPIとして従属させる中央集権モデルは、各ブランドの主権（直接の顧客接点や独自環境）を損ない、利益相反を生む可能性があると指摘した。これに対し、独立した主権を持つ多様なエージェント同士が、フレームワークや所有者に依存せず自律的に要求（Intent）を相互交換・取引できる相互運用通信層「The Network is the AI」の構想を提案した。
エージェント設計 事業・組織
単一AIへの集約が生む主権・利益主体の問題P381 · 11-06 15:13 CST エージェントを作る段階から接続する段階へP384 · 11-06 15:16 CST 詳しい内容・実務への示唆・根拠を読む エージェント開発の歴史とフルフィルメントの壁 10年前に個人向けエージェント開発で直面した言語・推論・フルフィルメントの3課題のうち、前二者にはLLMによって大きな進展があったと振り返った。しかし、要求を実行するフルフィルメントは技術ではなく経済構造の課題として残っている。当時は裏側に20人のコールセンターを置く「Human API」で対応したがスケールせず、APIを持つプラットフォームとの営業競争に敗れた苦い経験を共有した。
写真 P378 原文 11/06 15:01 · 区間1
「One AI Rules All」の限界とエージェントの主権 フロンティアモデル企業が目指す「単一の超AIが全意図を集約し各社APIを呼び出す」構造は、企業ブランドが単なるホワイトラベルAPIへの格下げを嫌うため成立しにくい。さらに、プラットフォームが広告手数料等で歪む「エージェント・プリンシパル問題」も生じる。各企業や個人が自己の主権（Sovereignty）を保持することが不可欠である。
写真 P381 写真 P382 原文 11/06 15:01 · 区間2
エージェントの二面性と「The Network is the AI」 エージェントにはサービス提供者であると同時に他社サービスの消費者でもある二面性がある。TCP/IPが「The Network is the Computer」を実現したように、次世代は「The Network is the AI」となり、エージェントが自前で全てを保有せずとも、ネットワーク越しに他者の能力へアクセスできる環境が基盤となる。
写真 P383 写真 P384 原文 11/06 15:01 · 区間2
意図の交換（Intent Exchange）による相互運用層 自社エージェントの能力範囲外のユーザー要求が発生した際、それを他社パートナーのエージェントへブロードキャストして取引する「Intent Exchange」を提唱。WebにおけるHTTPのように、エージェント間通信プロトコル（MSTPなど）を介したAgent-to-Agent（A2A）型の新たな取引市場の形成を促した。
写真 P385 写真 P386 原文 11/06 15:01 · 区間3
持ち帰る視点 · 編集上の考察 単一のエージェントに全タスクを背負わせるのではなく、自社ドメインに特化した主権型エージェントを構築し、外部エージェントと疎結合に意図（Intent）をやり取りするアーキテクチャが現実的である。ツール囲い込みを避け、フレームワーク非依存の通信プロトコルに対応できる設計を意識すべきである。
根拠の範囲： 公式アブストラクトの予告通り、Mingke Luo氏が登壇。音声記録（A202611061501-00〜02）および現地スライド写真（P376〜P387）により、過去の失敗談から「One AI Rules All」の批判、主権型エージェント間の通信プロトコル構想まで全容を確認した。
提案されている通信プロトコル（MSTP等）やIntent Exchangeの市場実装は構想・初期検証段階であり、標準化や大規模運用の実績データは本講演内では示されていない。
45 録音・写真を確認 11/06 15:30–15:50 · メインステージ ／ 公式予定
光イジングマシンで行動候補を探す、Real2Realの提案 Dicong "David" Qiu ／ QuantSparkle.ai 数耀量生
Real2Real: A Quantum Embodied AI Paradigm for Optimal Behaviors Generation
フィジカルAI（ロボット制御）では実世界データの収集コストやSim-to-Realギャップ、従来の生成モデルにおけるモード抑制（複数解の平均化による衝突等）が大きな課題となっている。QuantSparkle.aiのDicong "David" Qiu氏は、実世界データで整合させたボルツマンエネルギーランドスケープに対し、コヒーレント光イジングマシン（CIM）を用いた量子サンプリングで高品質な行動候補を探索する「Real2Real」パラダイムを提案した。さらに実機実行とフィードバックで潜在空間を反復更新するQ-RSIにより、訓練エポック数や計算コストを大幅に削減しつつ、複雑なタスクで成功率を改善したという自社結果を報告した。
Physical AI 推論・基盤 エージェント設計
Real2Realのエネルギーモデリングとサンプリング構成P397 · 11-06 15:39 CST 成功と失敗を経験として改善へ戻すQ-RSIの構想P402 · 11-06 15:46 CST 詳しい内容・実務への示唆・根拠を読む フィジカルAIのボトルネックとモード抑制問題 実世界の行動データ収集は高コストでノイズやバイアスが多く、シミュレーションは実世界との状態遷移分布の差（Sim-to-Realギャップ）を抱える。また従来のガウス分布を仮定した生成モデルでは、左右2つのドアの間に壁がある場合に中央の壁に向かってしまうようなモード抑制（mode suppression）が発生し、複雑なマルチモーダル行動の表現が困難であると指摘した。
写真 P391 写真 P398 原文 11/06 15:31 · 区間2
光イジングマシンを用いた候補探索 実世界データで学習するエネルギー分布から、複数の行動候補をサンプリングする構成を提示した。登壇者はコヒーレント光イジングマシン（CIM）を用いる方式を「量子サンプリング」と呼び、探索の効率化を主張した。ただし、この講演から一般のNP困難問題が解ける、または汎用的な量子優位性が証明されたとは結論しない。
写真 P397 写真 P399 原文 11/06 15:31 · 区間2 原文 11/06 15:31 · 区間3
Q-RSIによる実機フィードバックと自己改善ループ 数十件程度の限られた実世界デモから初期エネルギーランドスケープを構築し、量子サンプリングで得た最適候補を実ロボットで実行、その成否フィードバックを取り込んでランドスケープを更新する量子再帰的自己改善（Q-RSI）サイクルを提案した。実機実行サンプルが蓄積されるにつれて、モデル分布が物理世界の真の分布に収束していくと説明している。
写真 P390 写真 P402 原文 11/06 15:31 · 区間2
LIBEROおよび実機検証における性能と効率の向上 ベンチマークLIBEROの比較検証では、ベースラインの6万〜8万エポックに対し約1.2万エポックで98.7%（+5ポイント）の成功率を達成し、パラメータ活性化1%でベースラインと同等、30倍のコスト効率を示したと報告した。さらに顧客の実機検証でも5タスクで大幅な改善が確認され、1,000量子ビットの潜在空間で双腕ロボットの40タスクを同時に保持できたと述べた。
写真 P393 写真 P394 原文 11/06 15:31 · 区間3
持ち帰る視点 · 編集上の考察 ロボット制御におけるマルチモーダルな経路選択やSim-to-Realギャップに対し、イジングマシン等の専用アクセラレータを用いたエネルギーベース最適化サンプリングは、従来の大規模学習とは異なる効率的なアプローチとなり得る。特殊ハードウェアへのアクセス制約はあるものの、実機データが極少な領域での最適解探索設計として注目に値する。
根拠の範囲： 公式プログラム（O）、現地撮影スライド（P388〜P404）、およびクリアな再文字起こし音声（A202611061531-00〜02）が揃っており、登壇内容を高い精度で裏付け可能。司会者の紹介ではDavid Zhouと呼ばれているが、公式およびスライド表記はDavid Qiu（Dicong Qiu）となっている。
性能は登壇企業による報告。CIMを使う本方式と汎用の量子ゲート計算機は区別し、再現性や比較条件は別途確認が必要。
46 録音・写真を確認 11/06 15:50–16:05 · メインステージ ／ 公式予定
新しいロボット作業を、実環境のデータ循環から獲得する Jun Lv ／ Noematrix
Noe-0: A World Action Model Built on Real-World Human Experience
ロボットが様々な動作デモを見せながらも実現場での導入が進まない要因として、新タスク獲得にかかる開発コストと期間の大きさが挙げられます。穹徹智能（Noematrix）は、専用の収集工場を持たずに全国の実生活環境から収集した「無本体（embodiment-free）」データと、未来映像および行動を同時予測する世界行動モデル「Noe-0」を提案しました。AIによる完全自動データパイプライン、力覚モダリティの統合、エージェント自己進化システム「RoboRSI」を組み合わせることで、従来数ヶ月・数十人を要した現場配備工数を大幅に短縮し、自律的かつ低コストに新タスクへ適応させる枠組みを報告しました。
Physical AI 推論・基盤 データ・メモリ
Noe-0の動画・行動・フィードバックを扱う構成P413 · 11-06 16:00 CST RoboRSIによる自己改善ループの構成P417 · 11-06 16:03 CST 詳しい内容・実務への示唆・根拠を読む 実現場導入のギャップ解消と2週間配備への転換 従来ロボット導入は十人から百人規模の開発体制で数ヶ月を要する個別開発案件となり、費用対効果が見合わない問題がありました。登壇者はAI基盤モデルにより、現場作業員やエンジニア1名が2週間以内に産業現場へ配備できる体制を今後半年〜1年以内に実現することを目指し、新タスク獲得難易度の低減が商業化の重要分岐点になると述べています。
原文 11/06 15:51 · 区間1 写真 P407
無本体デバイスによる約30万時間の実実環境データ収集 専用データ工場を建てず、無本体収集機器（RoboPocket）を全国約100都市に展開し、ピーク時1000名以上の作業員により実環境操作データを約30万時間分収集したと報告しました。収集後の即時フィードバックやAIネイティブな完全自動品質検査・アノテーション基盤を構築し、人手による本番品質検査・注釈作業から完全撤退した体制を明かしました。
原文 11/06 15:51 · 区間1 原文 11/06 15:51 · 区間2 写真 P410 写真 P412
映像と行動を同時予測する世界行動モデル「Noe-0」 画像と指示プロンプトを入力し、未来の映像予測とロボット行動を同時出力する世界モデルアーキテクチャを採用しています。無本体データと世界モデルの組み合わせによってスケーリング則が確認されており、ポストトレーニングでも遠隔操作（テレオペ）を使わず同一データ収集方式を貫くことでデータ分布の一貫性を保ち、適応難易度を下げています。
原文 11/06 15:51 · 区間2 写真 P413 写真 P414
力覚モダリティ統合による学習収束の加速 事前学習では純粋な映像と動作を扱い、ポストトレーニングにおいて力制御・力覚データを導入する取り組みを説明しました。接触の多い作業や高精度タスクだけでなく、一見力学情報が不要に見えるタスクでも力覚モダリティを加えることで、ポストトレーニングの収束が早まり必要なデータ量を削減できるという実験的知見を提示しました。
原文 11/06 15:51 · 区間2
自律進化システムRoboRSIによる工数の大幅圧縮 単一原子動作だけでなく長手順タスクのスケジューリングや診断、自己進化を担うエージェントシステム「RoboRSI」を公開しています。2024年当時に2名のエンジニアが1ヶ月（2000〜3000行のコード）を費やした床面清掃デモと同等のタスクを、基盤モデルと本システムの併用によりエンジニア1名・約1日で反復構築可能になった実例を紹介しました。
原文 11/06 15:51 · 区間2 写真 P417 写真 P418
持ち帰る視点 · 編集上の考察 物理AIの現場展開における最大の障壁はタスクごとの適応工数です。実ロボットを使わない「無本体収集」による多様な環境データの蓄積と、AI駆動のデータ検査・自動自己進化パイプラインの構築は、導入期間を月単位から日・週単位へ短縮する上で極めて実践的なアプローチといえます。
根拠の範囲： 公式アブストラクト（O）の予定内容に対し、音声（A202611061551-00/01）および写真スライド（P405〜P418）で登壇内容を直接確認できました。発表スライド上のデータ指標やRoboRSI構造図と音声発言が一致しています。
「1名・2週間以内の配備」は今後の目標。既存デモの構築時間短縮という実績と区別して読む。
47 録音・写真を確認 11/06 16:05–16:20 · メインステージ ／ 公式予定
急速に進化するAIを支えるロボットハードウェアの「予測可能性」設計 Zhong Shen ／ DYNA
Building Robot Hardware for Rapidly Evolving Models
AIモデル（強化学習やVLA等）の急速な進化に対し、物理ハードウェアの開発・改修サイクルは数か月単位と長いため、両者の反復速度の不一致が課題となっている。DYNAのJonathan（Zhong Shen）は、頻繁に変わるモデル側が長期にわたり再利用できる「予測可能なハードウェア（Predictable Hardware）」を提案した。具体的には、モデル化が複雑なハーモニックドライブ（波動歯車）を避け、物理挙動を簡潔に表現できる遊星歯車（Planetary）を採用。これによりアクチュエータの内部抵抗とヒステリシスを低減し、シミュレーションと実機（Sim2Real）の差分を極小化するとともに、モータ電流からの高精度な外力推定を実現するアプローチを報告した。
Physical AI 推論・基盤 評価・検証
ハードウェア設計の目標としての予測可能性P423 · 11-06 16:12 CST 進化するモデルを支える予測可能な運動と感覚P428 · 11-06 16:20 CST 詳しい内容・実務への示唆・根拠を読む ハードウェアとモデルのイテレーション速度の乖離 AIモデルは週単位で実験を回せる（例: 24週で24回）のに対し、ハードウェアの主要な改修サイクルは4〜6か月かかり、期間中に1〜2回程度しか行えない。この速度差を吸収するため、モデルが物理挙動を予測しやすく長期利用できるインターフェースの設計が不可欠となる。
写真 P422 原文 11/06 16:06 · 区間1
モデル化を簡素化するための遊星歯車機構の選定 ハーモニックドライブはヒステリシスや温度・負荷による内部抵抗の変動が大きくモデル化が極めて複雑であるのに対し、遊星歯車は抵抗が小さくアクチュエータモデルを簡素化できるため、モデルと実機の乖離を抑えやすいと説明された。
写真 P424 原文 11/06 16:06 · 区間2
シミュレーションと実機の軌道追従差0.3mmの達成 MuJoCoシミュレーションと同じ強化学習（RL）ポリシーを自社実機ロボット上で円運動タスク（直径10cm、1周10秒）として実行したところ、追従RMSEの増加量はわずか0.3mmに抑えられたことが社内検証結果として示された。
写真 P425 原文 11/06 16:06 · 区間2
電流-トルク透過性による接触力・外力の高精度推定 接触の多い操作タスクにおいて、簡潔なアクチュエータモデルを用いることでモータ電流から関節トルク、ひいては外力を高精度に推定可能とした。15Nの外力を加えた検証では、手首MAE 1.39N、肘MAE 0.8Nの推定精度が得られた。
写真 P426 写真 P427 原文 11/06 16:06 · 区間2
持ち帰る視点 · 編集上の考察 ロボット学習の実務では、高精度な減速機を選ぶだけでなく「シミュレータ上で物理挙動をどれだけ正確かつ簡潔にモデル化できるか」という予測可能性が重要になる。アクチュエータ特性を数式化しやすい構造にすることでSim2Realギャップを大幅に縮小できる。
根拠の範囲： 公式アブストラクト（O）、スライド写真（P420〜P429）、音声文字起こし（A202611061606-00, 01）を相互突合して確認。登壇者はJonathanと名乗っているが公式名Zhong Shenと一致。内容の主要主張はスライドおよび音声から完全に裏付けられている。
円運動の追従RMSE増加量（0.3mm）や外力推定精度（MAE 0.8〜1.39N）はDYNA社内の特定の検証環境（準静的テストやシミュレーション等）での結果であり、動的な全タスクにおける汎用性能として実証されたわけではない。
48 録音・写真を確認 11/06 16:25–16:40 · メインステージ ／ 公式予定
実行前に、依頼の意図と操作の認可を照合する Grace Li ／ 1Password
Talk to be announced
当日スライドの題名：Should this agent be allowed to do that? Detecting agent runtime intent
AIエージェントが調査依頼に対して独断で本番環境の設定変更を試みるなど、指示と異なる過剰・危険なツール呼び出しを行う課題に対し、1PasswordのGrace Li氏は「Runtime Intent Judge（実行時意図判定）」を提案した。ツール実行直前のゲートウェイでタスク・理由・コマンドをローカル決定モデルに入力し、操作種別やリスク度を型付きで分類・確率出力させた上で、確定的なポリシーゲートが認可（Grant）と照合して実行・拒絶・人間への委譲を判断する。合成データによる検証で小型決定モデルの有効性を示し、モデルに直接実行判断を委託せずポリシーと分離する実務設計を報告した。
エージェント設計 セキュリティ 評価・検証
実行時の意図判定に求める条件P433 · 11-06 16:23 CST 意図判定とポリシーによる認可を分ける構成P438 · 11-06 16:29 CST タスクに適合し、ポリシーが許可する操作のみ実行するP441 · 11-06 16:33 CST 詳しい内容・実務への示唆・根拠を読む タスク逸脱を抑止する実行時意図判定の3要件 障害調査（読み取り専用）を指示されたエージェントが独断で本番スケールアウトを提案するような逸脱を防ぐため、コマンド単体ではなく「ユーザーのタスク」「エージェントの理由」「提案された呼び出し」の文脈全体を評価する判定機構が必要となる。全ツール呼び出しをブロックしない低レイテンシ、機密ログや認証情報を外部送信しないローカル実行、モデルは分類の記述に徹しポリシーが可否を決定するという3要件が示された。
写真 P431 写真 P433 原文 11/06 16:21 · 区間1
小型決定モデルとSLMの分類精度・保留率の比較 65件の合成CLI呼び出しデータを用いた実験では、Jev（ホスト型）やClef-Flash（9B）、Liquid d1（2B）などの決定モデルが強制ラベル付け時に91〜94%の高精度を達成した。一方、プロンプト指示の小型生成言語モデル（Qwen 2.5 7B）は72%にとどまった。またLiquid d1は確信度が低い33件で「unknown（保留）」を選択して誤分類を回避するなど、モデルごとの挙動差が報告された。
写真 P435 写真 P436 原文 11/06 16:21 · 区間1
リスク判断の閾値設定と人間への委譲（エスカレーション） セキュリティ監視を無効化する恐れがある「GuardDutyディテクター削除」のような操作では、モデルが「delete」と「admin」の識別を誤るリスクがある。確信度が0.35未満の低信頼度判定を検知して人間に処理を委譲（defer）する閾値を設けることで、Clef-Flashでは過小評価エラーを2件から0件に低減しつつ、65件中52件の判定を自律処理できた実例が示された。
写真 P437 原文 11/06 16:21 · 区間1
承認ゲートウェイとポリシーゲートによる多層防護構成 参照アーキテクチャでは、MCPサーバーやサンドボックスプロキシ等の承認ゲートウェイが呼び出しを一時保留し、意図判定器が操作種別や確率を出力する。決定論的なポリシーゲートがセッションの認可範囲（例：readのみ許可）と突き合わせ、適合すれば実行、逸脱時は拒絶やエスカレーションを行う。MacBookローカル環境のデモでは、ログ取得を許可しつつスケール変更を確実に遮断する動作が実演された。
写真 P438 写真 P439 原文 11/06 16:21 · 区間2
本番運用のための評価指標と改善サイクル 本番実装では「危険な呼び出しの通過最小化」と「安全な呼び出しの通過最大化」を両立する評価データセットの構築が重要とされる。初めから完全な判定を行うのは難しいため、誤判定事例を分析してプロンプトや質問入力を調整し、検証データに基づいて閾値をキャリブレーションすることが推奨された。モデルのファインチューニングはこれらを実施した後の最終手段と位置づけられている。
写真 P441 原文 11/06 16:21 · 区間2
持ち帰る視点 · 編集上の考察 編集部の考察として、エージェントの安全対策をシステムプロンプト頼みやコマンドの正規表現だけに依存させるのは限界がある。ツール実行経路上に独立した承認ゲートウェイを挟み、軽量な決定モデルで操作内容を構造化分類した上で、確定的なアクセスポリシーと突合させる二段階設計が、機密保護と自律性の両立において極めて現実的なプラクティスとなる。
根拠の範囲： 公式アジェンダでは講演タイトルが「Talk to be announced」と未定であったが、現地写真（P430〜P441）および登壇録音（A202611061621-00, A202611061621-01）により、確定タイトル「Should this agent be allowed to do that? Detecting agent runtime intent」および発表内容全体を高い精度で確認・検証した。
65件の合成CLI呼び出しによる比較。確信度の閾値はこの評価用の設定であり、そのまま本番の認可基準に使うものではない。
49 録音・写真を確認 11/06 16:40–16:50 · メインステージ ／ 公式予定
世界動作モデルと実世界データ循環による家庭用ロボット自律進化 Hao Zheng ／ Futuring Robot
From Hardware to Intelligence: Full-Stack Evolution and Real-World Deployment of Home Service Robots
家庭内の複雑で非構造化な環境においてロボットを自律動作させるには、ハードウェア設計の制約やセンサ・モデル間の同期遅延、環境変動に対する回復力が大きな課題となる。Futuring RobotのZheng Hao氏は、実機ハードウェアとソフトウェアの厳密なアライメント基盤の上に、世界動作モデル（WAM/WM）と候補生成・選好学習を組み合わせた「Self-Evolving WAM」アーキテクチャを提案した。1万時間の一人称データと3万時間の実機ログを活用し、未実行の候補軌跡や失敗動作も学習データに組み込む閉ループを構築。衣類畳みや調理などの実家庭タスクで第30ラウンドまでに大幅な成功率向上を実証したほか、500以上の家庭への実機配備と累計5万時間以上の稼働実績を報告した。
Physical AI エージェント設計 推論・基盤
家庭用ロボットのSelf-Evolving WAMP447 · 11-06 16:38 CST 高次の判断と身体の制御を分けた役割設計P454 · 11-06 16:47 CST 詳しい内容・実務への示唆・根拠を読む ハードウェア高結合性と500Hz/30Hzの同期基盤 最新実機「F2」は1,500超の部品、21自由度、22個のセンサを備える。腕の動作によるカメラ・LiDAR視界の変化や重心移動による台車安定性などハードウェアの結合度が高い。さらに推論モデルの30Hz出力とモータ関節の500Hz制御周波数の差を滑らかに繋ぎ、タイムスタンプを厳密にアライメントする基盤が自律動作の前提となる。
写真 P444 原文 11/06 16:34 · 区間1
世界動作モデル（WAM）とBest-of-Kによる自己進化ループ 自律進化の核となる世界動作モデルは、次に行うべき動作の生成と動作後の環境・対象物変化の予測を担う。推論時には複数候補を並列生成して評価・選定するBest-of-K戦略を採用。採用された動作だけでなく、未実行の候補軌跡や失敗データも保存してポストトレーニングや選好学習にフィードバックし、人手を介さず継続進化させる。
写真 P446 写真 P447 原文 11/06 16:34 · 区間1
4大家庭タスクでの自律進化実証と肉切り調理の難度 衣類畳み、洗濯物干し、パスタ調理、豚肉とピーマン炒めの4タスクで検証を実施。第0ラウンドの平均成功率45.4%から、第30ラウンドの自己進化後には86.6%（41.2ポイント向上）に達した。特に肉切りなどの下準備を伴う調理タスクは、包丁と食材の往復接触という複雑な長工程動作を要するため難度が高いことが報告された。
写真 P450 写真 P452 原文 11/06 16:34 · 区間2
計画・動作モデル・低レベル制御の役割分担 上位の計画を担うAgent（System 2）、Self-Evolving WAM（System 1）、500Hzで動くControllerを階層として示した。モデル出力と低レベル制御の周期は区別する。現場からモデルとハードウェアへ改善を戻すため、500以上の家庭、累計5万時間以上の稼働データを報告した。
写真 P454 写真 P456 原文 11/06 16:34 · 区間2
持ち帰る視点 · 編集上の考察 物理AIの実用化には、モデル単体の推論性能だけでなく、500Hzの関節制御と30Hzの視覚・推論を繋ぐハード・ソフト間の厳密な同期設計が不可欠である。さらに、推論時の不採用軌跡や実機失敗ログを自動回収して選好学習に回す閉ループと、実家庭という過酷な環境での長期稼働実績が、長工程タスクの成功率を着実に引き上げる鍵となる。
根拠の範囲： 公式セッション情報（O）のほか、現地録音（A202611061634-00, 01）および撮影スライド写真（P442〜P456）の内容が完全に一致しており、講演の全容が現地音声から確認できた。
成功率は発表内の4タスク、30ラウンドの実験結果。配備件数と、無介入で長時間動作する信頼性は別の指標である。
50 録音・写真を確認 11/06 17:00–17:10 · メインステージ ／ 公式予定
ロボットデータをビルドシステムとして扱うLanceDBの増分管理 Ding Hao (Xuanwo) ／ LanceDB
Robot Data Needs a Build System
当日スライドの題名：Machine Data Needs a Build System
ロボット学習データは新規エピソードの収集だけでなく、モデル進化に伴う埋め込みやキャプションなど派生列の追加により頻繁に更新されるが、従来手法ではデータ全体の再書き込みや不完全なnull値の扱いに起因する非効率さが課題だった。LanceDBのDing Hao（Xuanwo）氏は、ソフトウェアのビルドシステムの発想をデータ管理に導入する手法を提案。Lanceフォーマットによる低コストな列追加、未計算状態を識別するCell Flags、Python UDFによるGPUワーカーへの増分計算割り当て、スナップショットによる学習再現性の固定などを組み合わせ、25TB級の映像データセットでも効率的に増分更新できる基盤アーキテクチャを報告した。
データ・メモリ 推論・基盤 Physical AI
機械データをビルドシステムとして管理するP460 · 11-06 16:52 CST スナップショットで再現可能なデータを固定するP465 · 11-06 16:58 CST 詳しい内容・実務への示唆・根拠を読む ビルドシステムの概念を導入したロボットデータ管理モデル ロボットの生データ（ソースコードに相当）からモデルを用いて派生列（アーティファクト）を生成する過程をビルドシステムとして再定義。セルの計算状態をCell Flagsで管理し、ロックファイルに相当するスナップショットによってデータセットのバージョンを固定することで、破損や不整合のないデータ管理を実現する。
写真 P460 原文 11/06 16:51 · 区間1
Lanceフォーマットによる列追加とBlobランダム読み出しの効率化 Lanceフォーマットは既存データを再書き換えすることなく新規データファイルの書き込みのみで列追加が可能。登壇者によると、Parquetと比較してスキーマ更新が61倍高速、Blobのランダム読み出しは89倍高速化され、S3 Express環境下での平均コミット時間は27.6msを達成したと報告された。
写真 P461 原文 11/06 16:51 · 区間1
Cell Flagsとスパースエンコーディングによる欠損状態管理 正常な空値、未計算、計算失敗を区別するCell Flagsを紹介。疎なデータを効率よく保存するエンコーディングも組み合わせる。重要なのは圧縮率そのものに加え、「まだ計算していないセル」を識別して、その範囲だけ再計算できることである。
写真 P462 原文 11/06 16:51 · 区間1
LanceDB FunctionsによるGPU増分計算とスナップショット固定 PythonのUDF（@udf）でモデル処理を定義し、バックグラウンドのGPUワーカーへ自動分散。新規追加されたフレームや失敗した範囲のみを増分計算して永続化する。完了後にアトミックに新バージョンをコミットし、タグ付け（pin）によって学習モデルとデータの対応関係を完全再現可能にする。
写真 P463 写真 P464 写真 P465 原文 11/06 16:51 · 区間1 原文 11/06 16:51 · 区間2
25TB級の大規模データへのスケールと計算フォーマットへの進化 工場内の約25TBの映像データセット（Egocentric-100K等）からランダムサンプリングして端対端学習を行う本番規模の実績を紹介。スライドではLeRobotローダー等のベンチマークで3〜5倍の性能差を示し、単なるストレージからマテリアライズドビューを備えた計算フォーマットへの進化を掲げた。
写真 P465 写真 P466 写真 P467 原文 11/06 16:51 · 区間2
持ち帰る視点 · 編集上の考察 マルチモーダルやPhysical AIのデータ基盤では、モデル更新ごとの全件再計算を避け、列単位の増分ビルドとステータス追跡が可能なフォーマットを採用することが、GPUリソース浪費の抑制と実験再現性の確保に直結する。
根拠の範囲： 公式セッション情報は『Robot Data Needs a Build System』だが、現地のスライドタイトルは『Machine Data Needs a Build System』に変更されていた。音声（zh）およびスライド写真（P457〜P467）により現地の発表内容を直接確認・照合した。
速度差や容量削減は発表内のデータと比較条件による。再現に使うデータ版・関数版を固定する設計が主眼。
51 録音・写真を確認 11/06 17:10–17:20 · メインステージ ／ 公式予定
エージェントの自律稼働を支えるメモリ工学と検証器の形式化 Siwei Gu ／ Nowledge Labs, Inc
Memory Engineering, RSI and Team Knowledge Layer
AIエージェントの現場運用において、単なるログ保存では組織的忘却やノイズの蓄積を招き、エージェントの自己改善（RSI）も検証の質がボトルネックになる課題がある。登壇者は認知科学の知見を取り入れた多層メモリ構造（Trace/Unit/Crystal）と積極的忘却（Decay）アルゴリズムを提案。さらに、夜間などの無人稼働（Dark Office）を可能にする鍵は人間の判断をどこまで検証環境へ形式化できるかにあるとし、チーム知識をモデル重みではなくハーネス側へ圧縮・注入するHarness Adapter方式の実践成果を報告した。
データ・メモリ エージェント設計 評価・検証
記憶の保持・検索・時間・更新・忘却の設計P471 · 11-06 17:04 CST 自己改善に必要な環境と検証の設計P484 · 11-06 17:18 CST チームの知識をハーネスへ渡すための試行P487 · 11-06 17:21 CST 詳しい内容・実務への示唆・根拠を読む 認知科学に学ぶメモリ構造と積極的忘却の重要性 人間のワーキングメモリやエピソード記憶の構造を模し、全会話を無差別に残すのではなく9割をトリアージする方針を提示。忘却はバグではなく不可欠な機能であり、単語帳アルゴリズムFSRS等を応用した減衰スコアと確信度スコアを独立管理し、不要な情報のノイズ化を防ぎつつ重要知識を維持する設計が報告された。
写真 P470 写真 P476 原文 11/06 17:02 · 区間1
2軸の時間管理と知識の昇華パイプライン メモリには「事象の発生時刻」と「記録時刻」という独立した2次元の時間軸が存在し、曖昧な推測を排除して記録することが重要とされる。知識は生の会話トレースから単一事実（Unit）、3つ以上の情報源で相互検証された結晶（Crystal）へと昇華させ、変更や矛盾を検知・管理するパイプラインを構築している。
写真 P472 写真 P474 写真 P475
検証器の信頼度が、自動化できる範囲を決める 自己改善を回すには実行環境と検証器が必要だと整理した。機械的な合否判定が高い信頼度で行える範囲では自動反復し、人の好みや判断が残る範囲では人がまとめてレビューする半閉ループを使う。評価指標は良くても実品質が下がり、人が見つけた経験も紹介しており、検証器があるだけで改善を保証するという主張ではない。
写真 P479 写真 P484 原文 11/06 17:02 · 区間3
チーム知識はモデル重みではなくハーネス側へ渡す チームの判断やコンテキストをファインチューニングでモデルの重みに学習させる実験では、9試行中3件しか効果が出ず、変化する判断基準の定着に失敗した。一方、ルールを1行に圧縮してプロンプト冒頭に置くなどの「Harness Adapter」方式を採用したところ、指示遵守率が71%に達するなど高い効果が得られたと報告された。
写真 P485 写真 P487 原文 11/06 17:02 · 区間3
持ち帰る視点 · 編集上の考察 エージェントにチームの共通認識や判断を反映させる際、ファインチューニングや長大なドキュメントの丸投げは効果が薄い。知識をコンパイルしてハーネス側から最小限の文脈で注入し、自律実行させたい範囲に応じて検証環境（テストや評価基準）をどこまで厳密にコード化できるかが、無人運用の成否を分ける。
根拠の範囲： 公式セッション情報（O）に記載されたテーマに沿い、現地撮影スライド（P468〜P488）と録音書き起こし（A202611061702-00〜02）の内容が完全に一致していることを確認。登壇者がスライドを投影しながら中国語で詳細な設計思想と実験数値を語っており、内容の信憑性は高い。
指示遵守率71%などは、特定のチーム規則とエージェントを使う社内比較。記憶の矛盾解消や人の好みの判断には人が残る設計である。
52 録音・写真を確認 11/06 17:20–17:30 · メインステージ ／ 公式予定
Webのトークン経済とAgent無料アクセスの維持構想 Yanlong Wang ／ Jina AI by Elastic
Reading the Web at Trillion-Token Scale
Jina AIのYanlong Wang氏は、WebページをMarkdownに変換するツール「Jina Reader」の実運用ログを基に、AIエージェントによるWebクロールのコスト構造とアクセス制御の課題を報告した。ページトークン長は対数正規分布を示し、中央値約4.5k〜5kトークンに対し平均値はその約4倍に跳ね上がる。これを主流LLMに投入するコストは広告収益（RPM $3〜15）と同等以上に達するため、安価な軽量モデルでの要約・抽出を挟む多段処理を提案した。さらに、急増するAgentアクセスに対する直接課金は南北格差や転売を招く懸念があるとし、Agent向け広告や検証可能タスク（埋め込み/リランカーによる自動判定）を対価とする新モデルを提起した。
エージェント設計 推論・基盤 事業・組織
Webページの描画・清掃・変換パイプラインP491 · 11-06 17:26 CST AIによるページ閲覧と広告の経済性に関する論点P495 · 11-06 17:31 CST エージェントのクロール課金を巡る試みP498 · 11-06 17:32 CST 詳しい内容・実務への示唆・根拠を読む ヘッドレスブラウザによる描画最適化とパイプライン Jina ReaderはURLをMarkdown等に変換するAPIであり、ヘッドレスブラウザでJavaScriptを描画して人間と同等の内容を取得する。JS環境へのスクリプト注入とネットワークリクエスト監視により、ページの読み込み完了タイミングを極力早期に検知してスナップショットを返す。
写真 P490 写真 P491 原文 11/06 17:23 · 区間1
Webページトークン長の対数正規分布と平均値の乖離 Jina Readerの処理後ログによると、ページのトークン長の中央値は約4.5k〜5kトークンだが、分布は対数正規分布であり平均値は中央値の約4倍（約20kトークン）に達する。リンクや画像URLを削ることで中央値を約3kトークンまで削減できる。
写真 P493 原文 11/06 17:23 · 区間1
Web閲覧コストの逆転と軽量モデルによる前処理の必要性 1,000ページを主流LLMに直接投入すると$9以上（中国系モデルでも$3以上）かかり、Web広告の千回閲覧売上（$3〜15）を上回り得る。Markdown化を最終処理とせず、安価な軽量モデルで要約や情報抽出・リランキングを行ってから本番モデルに渡す多段構成が有効だと説いた。
写真 P494 写真 P495 原文 11/06 17:23 · 区間1
Agent向け直接課金の課題と検証可能タスクによる無料モデル構想 匿名リクエストが急増（20%から36.9%）する中、Pay-per-Crawl等の直接課金は高価格アンカリングや南北格差、データの闇転売を招くと指摘。reCAPTCHAのようにAgentに広告スローガンの復唱や公開タスク（要約・翻訳）を課し、埋め込みやリランカーで自動検証する代替案を示した。
写真 P498 写真 P500 原文 11/06 17:23 · 区間2
持ち帰る視点 · 編集上の考察 Webページ全体をそのままフロンティアモデルに流し込むと、ロングテールの長大ページによりトークンコストが爆発する。スクレイピング直後のMarkdownを最終入力とせず、軽量モデルによる要約やチャンキング・リランキングを前処理パイプラインに挟む設計が実務上不可欠である。
根拠の範囲： 公式アブストラクトの予告通り、Jina Readerのパイプライン、実リクエストのトークン分布、抗クロール対策とAgent向け代替モデルについて中国語（スライドは英語）で講演された。音声およびスライド写真の両面から全内容を照合・確認できた。
トークン分布やアクセス比率はJina Readerサービスの内部ログに基づく報告値であり、Web全体の一般値ではない。またAgent向け広告や検証可能タスクは登壇者の構想提案段階である。
53 録音・写真を確認 11/05 15:44頃–15:56頃 · メインステージ ／ 現地観測時刻
繰り返す仕事を手順と文脈にして、チームへ渡す AJ ／ WaytoAGI
Context is all you need — AJ × AI
公式プログラムに独立枠の記載なし。写真と録音で確認。
AIコミュニティWaytoAGIのAJ氏は、多人数・リモート環境や実体空間の運営を少人数で高効率に回すため、すべての音声記録や議事録をクラウドナレッジベースに集約してAI用の「コンテキスト」として資産化するアプローチを提唱した。2回以上繰り返した業務は即座にSOP化して可視化ワークベンチに落とし込む運用ルールを提示。さらに、エージェント設定ファイル（agent.mdやCLAUDE.md）に視覚的・直感的な出力を指示する「ADHD skill」を組み込む工夫や、会議後のタスク抽出・引き継ぎ資料生成、毎晩の勉強会の配信・コンテンツ化を自動化する実践例を報告した。
エージェント設計 データ・メモリ 事業・組織
AJの現地発表：Context is all you needP142 · 11-05 15:47 CST 組織の知識と手順をエージェント用の文脈へP147 · 11-05 15:55 CST 詳しい内容・実務への示唆・根拠を読む コンテキストのクラウド集約と資産化 登壇者は2023年以降、会議や対話の音声を全て記録し、飛書などのクラウド知識庫に格納し続けていると説明。ローカル保存を排して全情報を透過的なコンテキストとして蓄積することで、活動企画や担当者リストの作成などをAIへ指示するだけで即座に完結できる基盤が整うと述べた。
写真 P141 写真 P142 原文 11/05 15:43 · 区間1
ADHD skillと可視化プロンプトによる出力最適化 AIが生成する長文や複雑なテキストを人間が容易に消化できるよう、構造化と直感的な可視化を促す「ADHD skill」の導入を推奨。agent.mdやCLAUDE.mdに「画板（ホワイトボード）形式」やSVGで出力する指示を事前設定し、一目で論点が把握できる出力を担保していると報告した。
写真 P143 写真 P147 原文 11/05 15:43 · 区間1
「2回行ったらSOP化」と工作台へのパッケージ化 登壇者は、同じ業務を2回繰り返した段階でSOP化する運用基準を提示。ハッカソン運営や展示会出展での印刷物仕様・現場トークなどを「工作台（ワークベンチ）」として可視化・資産化し、世界中に分散した10人規模の小規模リモートチームでも即座に再利用できる体制を構築していると述べた。
写真 P146 原文 11/05 15:43 · 区間1 原文 11/05 15:43 · 区間2
会議・イベント後処理の一気通貫な自動化 会議終了後の文字起こしからAIがToDoリストを抽出して作業台へ登録し、関係者への引き継ぎパッケージを自動生成するフローを構築。さらに毎晩20時に開催する定例勉強会では、配信後の録画切り抜き、SNS配布、ブログ記事化などを一連の自動化パイプラインで処理していると報告した。
写真 P145 原文 11/05 15:43 · 区間1 原文 11/05 15:43 · 区間2
活動ログを起点とした日報・月次動画の自動生成 文字起こしやカレンダーの履歴から日々の業務日報をAIが自動作成し、月次で活動内容を振り返るAI動画を自動出力する事例を紹介。日常業務を自動記録しながら人間側の楽しさや充実感を高める工夫としてコミュニティ内に共有していると語った。
原文 11/05 15:43 · 区間2
持ち帰る視点 · 編集上の考察 AI活用においてプロンプトを都度工夫するのではなく、過去の対話や決定事項を全てクラウド上のコンテキストとして蓄積し、agent.md等の設定ファイルに可視化ルール（ADHD skill等）を仕込む設計思想が有効である。また「2回実行したらSOP化・ワークベンチ化」という明確な基準を設けることで、属人化を防ぎリモート協働の生産性を飛躍的に高められる。
根拠の範囲： 本セッションは公式プログラムに独立枠の記載がなかったが、会場写真（P141〜P147）のスライド内容および録音音声（A202611051543-00, A202611051543-01）によりAJ氏の登壇実態が直接確認された。なお、音声クリップ後半に見られる客席の私語はレポート作成の根拠から除外している。
WaytoAGI運営での実践紹介。写真の時刻と録音で独立発表を確認したが、取得した公式プログラムにはこの発表の独立枠がない。
該当するセッションがありません。条件を減らしてお試しください。
