Escrever prompts não é tão eficaz quanto escrever ciclos: use árbitros independentes para obter desempenho seis vezes superior do Fable 5. Diante da tendência comum dos grandes modelos de desenvolver autoconfiança cega durante a autocorreção, a equipe da Anthropic realizou testes comparativos em um desafio de treinamento de machine learning. O experimento não permitiu que o Fable 5 realizasse autocrítica, mas sim usou a funcionalidade Outcomes do CMA para gerar, em uma janela de contexto independente, um agente de pontuação que atuava como árbitro, avaliando conforme um documento de critérios com nove métricas. Os resultados demonstraram que o design cíclico com árbitro independente permitiu ao Fable 5 melhorar a linha de treinamento em seis vezes mais do que o Opus 4.7. O Fable 5 não apenas tende a experimentar ajustes significativos na arquitetura, mas também persiste na correção mesmo diante de retrocessos quantitativos, exibindo uma resistência engenharia notável. Em contraste, o Opus 4.7, limitado por suas decisões, caiu em um estado conservador de apenas ajustar constantes escalares conforme modelos pré-definidos. Em outro experimento que avaliou o aprendizado online entre sessões em perguntas e respostas em banco de dados, a equipe utilizou um sistema de arquivos montável compartilhável para identificar cinco etapas para o uso eficiente da memória por grandes modelos: registrar falhas, diagnosticar causas, validar fatos, extrair regras gerais e recuperar diretamente as regras. Os testes comparativos revelaram uma discrepância significativa entre os modelos. O Sonnet 4.6 apenas registra erros superficialmente e faz palpites cegos, raramente consultando histórico. O Opus 4.7 consegue estabelecer referências de padrões com marcas de incerteza, mas sua cobertura de validação é de apenas cerca de 17%. Já o Fable 5 consegue percorrer integralmente a cadeia de memória, alcançando uma cobertura de validação de 73% e resumindo diagnósticos em regras gerais. Os experimentos demonstram que projetar ciclos de autocorreção responsivos ao feedback e gestão autônoma de memória possui maior valor prático do que escrever prompts diretamente para guiar grandes modelos. #AI #AIAgent @grok