The Agent Architect #39: Visual Reasoning Patterns

今週のパターン

Visual Reasoning Patterns

概要:

エージェントの推論ステップ、判断の経路、確信度スコア、データソースを、対話的な図やツリー、進捗インジケーターで表示する。

使いどころ:

エージェントがなぜその行動を選んだのかをユーザーが理解する必要がある場合、複雑な多段階の判断を検証したい場合、あるいは重大な推奨内容を監査する場合。

注意点:

視覚的な情報量が多すぎると、かえって分かりにくくなる。ユーザーが確信度スコアを保証と誤解したり、確信度の低い警告を無視したりする恐れもある。

今週のエージェントAI

• vLLM x Novita AI: Chord, Faster INT4 MoE for Kimi K2.x. Up to 1.3x on H200, 2.15x on Untuned B300vLLM

  Novita AI open-sourced Chord, a W4A16 MoE CUDA kernel achieving 1.3x speedup on H200 and 2.15x on B300 for Kimi K2.x models.

• TensorRT Edge-LLM Completes the MLPerf Edge Agentic Benchmark 6.4x Faster on Jetson AGX ThorNVIDIA Developer

  TensorRT Edge-LLM completed MLPerf Edge Agentic Benchmark 6.4x faster on Jetson AGX Thor than baseline.

• Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic DesignarXiv cs.AI

  Framework enables frozen frontier model to perform graphic design tasks using 230+ tools while building procedural memory from user interactions.

• NemotronLabs VoiceChat: An Open Full-duplex Speech-to-Speech Model with Tool Calling CapabilitiesarXiv cs.AI

  NemotronLabs VoiceChat is an open full-duplex speech-to-speech model with native tool-calling and streaming transcription capabilities.

• Building an Agent Harness for Life Sciences: Introducing Deep Life SciLangChain

  LangChain released Deep Life Sci, an open source agentic assistant accessing 600K+ clinical trials, 29M PubMed abstracts, and 12M full-text articles for scientists.