
何が起きたか
サブエージェント間で34ファイルを置き換える試行で、delegating-work Skillを与えられたエージェントは24項目中18項目を満たし、なしでは3項目だった。
なぜ重要か
Skillなしではテストをskipし依頼文で禁止もしなかったが、ありでは小さなバッチで実行し3回すべてでskipを禁止した。
こういう要約が、毎朝あなたのメールに届きます。
このSkillは、サブエージェントがテストを密かにskipした上で「完了、テストはすべて通過」と報告するよくある失敗を狙う。手順は委任を4つの判断に分ける。仕事を渡すか、タスクに合うモデル層はどれか、依頼文に何を含めるか、報告をどう受け取るか。例えば、拡大する前に2〜3のタスクを試し、依頼文でテストの削除・skip・緩和を禁じるべきとする。
テストは架空のシナリオとロールプレイのサブエージェントを使ったため、測ったのは親エージェントが禁止事項を書いたか報告を検証したかであり、実際のサブエージェントが自らテストをskipするかではない。結果はファイル置き換えとlintのシナリオで明確な改善を示したが、読み取り専用の調査シナリオではほとんど差がなく、著者もこの差を認めている。
複数回で10ターン上限に達したことは、検証が往復と時間を増やすことを示す。著者は実務ではターンが増えると見込むよう助言する。公開版にはテスト後に追加され未測定のルールも含まれる。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Google DeepMindは視覚言語行動モデル「Gemini Robotics 2.5」を発表した

Folkbenchは、静的キャッシュが効きにくい時事プローブと、一致率・入力トークン・思考トークン・指紋・キャッシュ状態を記録するモデル指紋プローブを組み合わせ、公式直結キーと比較する手法を発表した

Zennの執筆者が、Anthropic Messages・OpenAI Chat Completions・OpenAI Responsesの各APIを相互変換するローカルゲートウェイopencodex 2.100.2を…

Microsoftは11月17日から20日までサンフランシスコでIgniteを開催し、CEOのSatya Nadella氏が基調講演を行う

PostgreSQL 19 RC2が11月12日に公開された

11月12日、Googleは日常的なコーディングと多段階のエージェントタスク向けにGemini 4 Hydrogenを発表し、GeminiアプリとGoogle検索での展開を開始した
