動画で学ぶレッスン

マルチモーダル評価のクローズドループ設計：ルーティングからマーケットプレイスのフィードバックまで

選択的な画像改善を本番環境で実現するために、ルーティング、制限付き編集、段階的な品質確認、人間の判断とのオフライン調整、オンラインのドリフト補正、マーケットプレイスからのフィードバックをどう組み合わせるかを学びます。

元の動画をすべて見る

英語版を読む

章一覧

どこから読み始めますか

  1. 01範囲：本番マルチモーダル評価の課題0:19 - 0:56
  2. 02マーケットプレイス規模で食べ物の画像が重要な理由0:56 - 2:01
  3. 03店舗側が抱える画像品質の問題2:01 - 2:34
  4. 04本物らしさ・忠実さ・多様性の両立2:34 - 3:18
  5. 05入力画像のロングテール品質と具体的な欠陥3:18 - 3:43
  6. 06エージェントの設計目標3:43 - 4:23
  7. 07エージェントの柔軟性にガードレールが必要な理由4:23 - 5:06
  8. 08代表的なエンドツーエンド例5:06 - 5:23
  9. 09中核オーケストレーション：理解・ルーティング・編集・ゲート5:23 - 6:19
  10. 10診断の土台としてのログ6:19 - 7:13
  11. 11ルーターが受け取り、決めるもの7:13 - 7:45
  12. 12二値・多分岐メトリクスによるルーティング評価7:45 - 8:35
  13. 13人間に合わせたオフライン調整と再現率のガードレール8:35 - 9:45
  14. 14失敗モード：良い画像を改善に送る9:45 - 10:14
  15. 15失敗モード：再現率の見逃しとモダリティ間ハルシネーションのリスク10:14 - 10:45
  16. 16静的なオフラインモデルからオンラインのドリフト補正へ10:45 - 12:10
  17. 17プロンプト最適化・バージョン管理・安全なクローズドループ展開12:10 - 13:21
  18. 18制限付きの改善・QAループ13:21 - 14:13
  19. 19実例：スイートポテトフライとK回目での合格14:13 - 14:49
  20. 20ペア比較：「より良い」をどう決めるか14:49 - 15:47
  21. 21失敗モード：忠実さ・完全性・報酬ハッキング15:47 - 17:20
  22. 22マルチモーダルの不確実性は公開を止めるべき17:20 - 17:42
  23. 23公開準備QA：冗長な最終防御17:42 - 18:35
  24. 24モデルのループだけではない、複数のフィードバックループ18:35 - 19:19
  25. 25診断器：より高いレベルのフィードバック抽象化19:19 - 19:47
  26. 26ドッグフーディング・人間のフィードバック・回帰再生19:47 - 20:29
  27. 27本番の成果とセグメント別の調整20:29 - 21:36