株式会社ずんだもん技術室AI放送局 podcast 20260728
内容紹介
Six Agent Harness Capabilities for Higher Model Performance、NVIDIA Nemotron 3 Ultra Leads Open Models on Accuracy and Efficiency in Agentic RTL Coding、Claude Code / Codex がドキュメントをもっと上手に使えるようにするテクニック、安政6年と令和8年、夏の花火大会の民衆の様子があまり変わっていない件「江戸の絵師はビルを登って描いたのかな…」昔と今の違いは？
出演者
youtube版(スライド付き)
関連リンク
NVIDIA Labsが公開した「NOOA（NVIDIA Labs Object-Oriented Agents）」は、AIエージェントの性能を大きく左右する「ハーネス（モデルを囲む周辺アーキテクチャ）」の設計思想を刷新するオープンソースのPythonフレームワークです。新人エンジニアにとっても理解しやすいように、NOOAでは「エージェントを1つのPythonクラス」として定義します。メソッドが機能、フィールドが状態、ドキュメント文字列がプロンプト、型アノテーションが保証された契約となり、コードレビューや単体テスト、バージョン管理といった従来のソフトウェア開発のプラクティスがそのまま適用できるのが大きな特徴です。
NOOAアーキテクチャは、モデルの性能を引き出すために「型付き入出力」「参照渡し」「アクションとしてのコード」「プログラム可能なループ制御」「明示的なオブジェクト状態」「モデルが呼び出し可能なハーネスAPI」という6つのアイデアを統合しています。特に重要なのが「参照渡し」と「長期記憶サブシステム」です。ツール実行結果をコンテキストに文字列としてシリアライズして詰め込むのではなく、ライブなPythonオブジェクトとして参照するため、コンテキストウィンドウの消費を抑え、コンテキスト圧縮なしでもセッション内のキャッシュ効率を維持できます。これにより、SWE-bench Verifiedなどのベンチマークにおいて、他のハーネスと比較して約半分のトークン数とコストで同等以上の高い正答率を達成しています。
また、記憶は単なる自動要約ではなく、エージェント自身がツールを介してSQLiteベースのストアに書き込み、クエリ、修正を行うことで構築され、背景でのリフレクション（振り返り）パスによって知識グラフとして整理されます。これにより、ソフトウェアエンジニアリング、サイバーセキュリティの脆弱性検証、未知のグリッドゲームを攻略する汎用推論（ARC-AGI-3）などの多様なドメインにおいて、最先端の成果を上げています。開発チームは、型安全で人間の目で追えるSQLiteファイルをベースにした透明性の高い仕組みにより、既存のコードレビューやセキュリティ観測のプラクティスを崩すことなく、高度な自律型エージェントを安全に構築・検証できるようになります。
引用元: https://developer.nvidia.com/blog/six-agent-harness-capabilities-for-higher-model-performance/
NVIDIAは、ハードウェアのレジスタ転送レベル（RTL）開発および検証において、オープンなAIモデル「NVIDIA Nemotron 3 Ultra」が優れた精度と効率性を発揮することを発表しました。現代のチップ設計はエンジニアリングの時間がボトルネックとなっており、正確な時間的挙動やEDAツールによる検証が求められます。そのため、単にコードを一度生成するだけでなく、シミュレーション結果やエラーのフィードバックを受けて反復修正を行うエージェント型ワークフローが不可欠です。
Nemotron 3 Ultraは、総パラメータ数550B、アクティブパラメータ数55BのMixture-of-Experts（MoE）構造とハイブリッドMamba-Attentionアーキテクチャを採用した550Bのモデルです。20兆トークンの事前学習を経て100万トークンのコンテキスト長に対応しており、アテンションコストやKVキャッシュのフットプリントを削減することで、他のオープンモデルと比較して最大5倍のスループット向上と30%のコスト削減を実現しています。
RTLタスクの評価には、現実的な生成・修正・デバッグを網羅するCVDPベンチマークと「ACE-RTLエージェント」が使用されました。ACE-RTLは、コードを生成する「ジェネレーター」、失敗原因を分析する「リフレクター」、履歴を管理する「コーディネーター」の3コンポーネントで構成され、生成・テスト・考察の反復ワークフローを実行します。Nemotron 3 Ultraをこのパイプラインに組み込んだ場合、デバッグタスクなどの特定カテゴリで100%のパス率を記録し、9カテゴリの平均でも97.1%という高い性能を達成しました。
さらに特筆すべき点は、その優れたトークン効率です。1イテレーションあたりの平均トークン使用量は6,629トークンにとどまり、競合モデルと比較して28%から71%も少ないトークン数で最高水準の精度を叩き出しています。これにより推論オーバーヘッドが軽減され、限られた計算リソースでより多くのタスクを高速に処理できます。
Nemotron 3 UltraのRTLにおける高い能力は、仕様書からのコード生成だけでなく、既存実装の修正やエラーからの復旧といった編集・デバッグタスクを含めた合成データ生成（SDG）パイプラインによるトレーニングによって支えられています。開発者はHugging Face等からオープンモデルとして取得でき、Cadence、Siemens、Synopsysといった主要なEDAベンダーのAIエージェント製品やサンドボックス環境とも統合され、実際の半導体フロントエンド設計や検証フローに直ちに組み込んで活用することが可能です。
引用元: https://developer.nvidia.com/blog/nvidia-nemotron-3-ultra-leads-open-models-on-accuracy-and-efficiency-in-agentic-rtl-coding/
近年のClaude CodeやCodexといった自律型AIエージェントの性能向上に伴い、AIに読み込ませるドキュメント（CLAUDE.mdやAGENTS.mdなど）の最適な書き方が大きく変化しています。すべての情報を一律に書くのではなく、AIの特性に合わせてドキュメントを「使い方系」「ワークフロー系」「リファレンス系」の3つに分類し、書き分けることが重要です。
根底にある原則は、「導出できるものはインターフェースを渡して考えさせ、導出できないものは網羅して渡す」という点にあります。AIに考えさせたいか、あるいは決定論的に同じ作業をさせたいかによって、書き方を明確に使い分ける必要があります。
1つ目の「使い方系（READMEやSDKの使い方など）」では、具体的なコードサンプルを過剰に書かないことがポイントです。シグネチャ、引数、戻り値、制約といったインターフェースを明確に提示すれば、使い方はAI自身が自分で導出できます。逆にサンプルを書きすぎると、AIの探索範囲が狭まってしまい、かえってパフォーマンスが落ちる原因になります。
2つ目の「ワークフロー系（リリース手順や障害対応、環境構築などのランブック）」では、決まった手順を決まった順番で決定論的に守らせる必要があります。ここではAIの創意工夫や余計な推論は不要なため、手順を漏れなく順番通りに記述し、同じ動作を確実に実行させます。
3つ目の「リファレンス系（画面仕様書、ユビキタス言語、環境変数一覧など）」では、コードベースをAIが「grep」で正確に引っ張ってこれるように、情報を省略せず網羅的に記載しておくことが重要です。手順や事実といった「AIが自力で導出できないもの」は、省略した分だけAIが勝手に補完して事故につながるため、正確に網羅する必要があります。
新人エンジニアがAIエージェントと協働する際、「どこまでAIに推論させ、どこを厳密に指示すべきか」を判断する指針として非常に役立つ実践的なテクニックです。
引用元: https://zenn.dev/peka2/articles/21858f0528bf3b
安政6年（1859年）の浮世絵と令和8年（2026年）の隅田川花火写真を並べたTogetterまとめ。俯瞰の構図や橋上を埋める群衆の様子が似ていると話題になり、絵師の視点は「櫓や凧、当時の高所」だったのでは、現代ならドローンやビルから撮るね、という冗談や考察が飛び交う。江戸の都市化や花火起源（享保の水神祭）、版木彫りの技術を称える声、木製橋の頑丈さを驚く反応もあり、「変わらない良さ」と「現代の安全対策（死者が出ない）」を対比する意見で締められている。編集は夏向けの心温まる話題として選定。
引用元: https://togetter.com/li/2725308
（株式会社ずんだもんは架空の登場組織です）