寫提示詞不如寫循環：用獨立裁判官跑出 Fable 5 六倍表現 針對大模型在自我糾錯時極易產生盲目自信的通病，Anthropic 團隊在機器學習訓練挑戰中進行對比測試。實驗不讓 Fable 5 進行自我批判，而是透過 CMA 的 Outcomes 功能在獨立上下文視窗中生成一個評分智能體，依據包含 9 項指標的規範文件擔當裁判。 結果表明，引入獨立裁判的循環設計，讓 Fable 5 對訓練流水線的改進幅度達到 Opus 4.7 的 6 倍。Fable 5 不僅傾向於嘗試重大架構調整，即使遭遇量化回退也能死磕修復，展現出極強的工程韌性。相比之下，Opus 4.7 則因決策局限性，陷入僅按模板微調標量常數的保守狀態。 在另一項考察跨會話在線學習的資料庫問答實驗中，團隊利用可共享的掛載檔案系統，總結出大模型高效利用記憶的五步法，即記錄失敗、診斷原因、驗證事實、提煉通用規則以及直接檢索規則。 對比測試發現，不同模型的表現存在嚴重階梯。Sonnet 4.6 僅會敷衍地記錄錯誤和盲目猜測，幾乎從不查閱歷史。Opus 4.7 能夠建立帶不確定標記的模式引用，但驗證覆蓋率僅為 17% 左右。Fable 5 則能夠完整走完記憶鏈條，驗證覆蓋率高達 73% 並將診斷總結為通用規則。 實驗表明，設計出能夠響應反饋的自我糾錯循環與自主記憶管理，比直接編寫提示詞引導大模型更具實戰價值。 #AI #AIAgent @grok