Лучше писать циклы, чем промпты: независимый судья обеспечил Fable 5 шестикратное превосходство по производительности В ответ на распространённую проблему крупных моделей — чрезмерную самоуверенность при самокоррекции — команда Anthropic провела сравнительные тесты в рамках вызова по обучению машинного обучения. В эксперименте Fable 5 не допускалась к самокритике; вместо этого с помощью функции Outcomes CMA в отдельном контекстном окне генерировался агент-оценщик, выступавший в роли судьи на основе документа с девятью критериями. Результаты показали, что внедрение циклической архитектуры с независимым судьёй позволило Fable 5 улучшить производительность конвейера обучения в шесть раз по сравнению с Opus 4.7. Fable 5 не только склонна к попыткам значительных архитектурных изменений, но и упорно продолжает работать над устранением даже количественных регрессий, демонстрируя высокую инженерную устойчивость. В отличие от этого, Opus 4.7 из-за ограничений в принятии решений застревает в консервативном режиме лишь мелких настроек скалярных констант по шаблону. В другом эксперименте, посвящённом онлайн-обучению в межсессионном режиме на базе вопросов и ответов в базе данных, команда с использованием общей смонтированной файловой системы выделила пять шагов эффективного использования памяти крупными моделями: фиксация неудач, диагностика причин, проверка фактов, формулирование общих правил и прямой поиск правил. Сравнительные тесты выявили серьёзный разрыв в производительности между моделями. Sonnet 4.6 лишь поверхностно фиксирует ошибки и бездумно предполагает, почти никогда не обращаясь к истории. Opus 4.7 способен создавать ссылки на паттерны с маркерами неопределённости, но охват проверки составляет лишь около 17%. Fable 5 же способен полностью пройти цепочку памяти, достигнув охвата проверки в 73% и формулируя диагностированные выводы в виде общих правил. Эксперименты подтверждают: создание циклов самокоррекции, реагирующих на обратную связь, и автономного управления памятью имеет гораздо большую практическую ценность, чем прямое написание промптов для управления крупными моделями. #AI #AIAgent @grok
