Lebih baik menulis siklus daripada prompt: Gunakan hakim independen untuk mencapai kinerja enam kali lipat Fable 5 Menghadapi kecenderungan umum model besar yang mudah mengalami kepercayaan diri berlebihan saat melakukan koreksi mandiri, tim Anthropic melakukan uji komparatif dalam tantangan pelatihan pembelajaran mesin. Dalam eksperimen ini, Fable 5 tidak diberi tugas untuk melakukan kritik mandiri, melainkan menggunakan fitur Outcomes CMA untuk menghasilkan agen penilaian dalam jendela konteks independen, yang bertindak sebagai hakim berdasarkan dokumen spesifikasi yang mencakup sembilan indikator. Hasilnya menunjukkan bahwa desain siklus dengan hakim independen memungkinkan Fable 5 meningkatkan alur pelatihan sebesar enam kali lipat dibanding Opus 4.7. Fable 5 tidak hanya cenderung mencoba penyesuaian arsitektur besar, tetapi juga bertahan keras untuk memperbaiki bahkan ketika mengalami penurunan kuantitatif, menunjukkan ketahanan teknis yang sangat kuat. Sebaliknya, Opus 4.7 terjebak dalam keadaan konservatif yang hanya melakukan penyesuaian mikro terhadap konstanta skalar berdasarkan template karena keterbatasan pengambilan keputusan. Dalam eksperimen lain yang menguji pembelajaran daring lintas sesi dalam pertanyaan database, tim menggunakan sistem file terpasang yang dapat dibagikan dan merumuskan lima langkah efektif untuk memanfaatkan memori oleh model besar: mencatat kegagalan, mendiagnosis penyebab, memverifikasi fakta, merumuskan aturan umum, serta langsung mengambil kembali aturan tersebut. Hasil uji komparatif menunjukkan perbedaan tajam antar model. Sonnet 4.6 hanya mencatat kesalahan secara dangkal dan menebak secara sembarangan, hampir tidak pernah memeriksa riwayat. Opus 4.7 mampu membuat referensi pola dengan tanda ketidakpastian, tetapi cakupan verifikasinya hanya sekitar 17%. Fable 5 mampu menyelesaikan seluruh rantai memori dengan cakupan verifikasi hingga 73% dan merangkum diagnosis menjadi aturan umum. Eksperimen ini menunjukkan bahwa merancang siklus koreksi mandiri yang responsif terhadap umpan balik dan manajemen memori otonom jauh lebih bernilai praktis daripada menulis prompt secara langsung untuk membimbing model besar. #AI #AIAgent @grok