The latest runs
normal gluon dataset
The latest runs
normal gluon dataset
@task(inject_context=True)
def adaptive_doc(context, doc, model_ctx):
# まず文書構造を把握
analysis = analyze_document(doc)
# 最適な分割方式を選択
chunks = choose_chunker(analysis, model_ctx)(doc)
# チャンク内容に応じて「必要な処理タスク」を生成(動的ノード生成)
tasks = [create_chunk_task(chunk, i, model_ctx)Graflowによるエンタープライズ向けAI Agentワークフロー提案のまとめ
| from __future__ import annotations | |
| import asyncio | |
| from dataclasses import dataclass | |
| from enum import Enum | |
| from typing import Any, Callable, Dict, List, Optional, Tuple | |
| # ---------------------------- | |
| # History model |
本ドキュメントでは、コストセンシティブ学習(Cost-Sensitive Learning) の基本前提を明確にしたうえで、
TD AutoML(AutoGluon)で利用可能な optimization function / evaluation metric のうち、
実務的にコストセンシティブ学習に使える指標を整理・解説します。
参考:
flowchart TB
%% --- スタイル定義 ---
%% 質問ノード(ひし形): 青系
classDef question fill:#e3f2fd,stroke:#1565c0,stroke-width:2px,color:#0d47a1;
%% 結果ノード(角丸): オレンジ/赤系で強調
classDef result fill:#ffe0b2,stroke:#e65100,stroke-width:2px,color:#bf360c,rx:10,ry:10;
%% エッジのテキスト背景: 白で見やすく
linkStyle default fill:none,stroke:#546e7a,stroke-width:2px;| <!DOCTYPE html> | |
| <html lang="en"> | |
| <head> | |
| <meta charset="UTF-8" /> | |
| <meta name="viewport" content="width=device-width, initial-scale=1" /> | |
| <title>Agentic Workflow — Why Workflows Still Win</title> | |
| <script type="module"> | |
| import mermaid from 'https://cdn.jsdelivr.net/npm/mermaid@11/dist/mermaid.esm.min.mjs'; | |
| mermaid.initialize({ | |
| startOnLoad: true, |
marp: true theme: default paginate: true backgroundColor: #fff backgroundImage: linear-gradient(135deg, #667eea 0%, #764ba2 100%) style: | section { background-color: white; color: #1a202c;