この記事では、企業向けAIエージェントがユーザーのニーズに応じて精度を保ちつつ遅延を減少させるために、適応データフライホイールの実装を紹介しています。特に、NVIDIAのMixture-of-Experts (MoE) 知識アシスタント「NVInfo」におけるMAPE駆動のデータフライホイールの運用を詳述し、フィードバックを通じて490件の否定的サンプルを収集しました。分析の結果、ルーティングエラーとクエリの言い換えエラーという二つの主要な失敗モードが特定され、特にルーティングでは、モデルの精度が96%に向上し、サイズが10倍小型化されました。この記事は、限られたユーザーフィードバックの中でも堅牢なAIエージェントを構築するためのフレームワークを提供しており、現実世界での利用から学習する能力を持つ自律的なシステムの設計についての洞察を示しています。