進化するエージェントシステムの評価時のJSONバリデーション対応

エージェントシステムは、ツールの調整、推論ステップの追加、プランナーの書き換えなどによって形状が変化する。その際の課題として、JSONの出力が変化し、評価スクリプトが期待する固定構造と合わなくなる問題がある。フィールドの移動、リストから単一値への変化、ネストブロックの一部での出現など、小さな構造的なドリフトでも評価が使えなくなってしまう。正しい推論でも、スコアリングスクリプトが解釈できないことがある。この問題に対して、スコアリング前に厳密な構造とスキーマチェックを行い、構造的な失敗と意味的な失敗を区別することで、ツール使用時やマルチステップ推論時のフォーマット破損頻度を把握できるようになった。他のコミュニティではどのように進化するエージェントシステムの評価に対応しているのか、厳密なスキーマ、緩やかなバリデーション、構造的なドリフトと品質ドリフトの別管理など、さまざまな対応策について知りたい。