Anthropic工程师教你用Fable 5设计自我纠错循环
通过设计目标或评分标准，Fable5能在循环中自我纠错并迭代。在ParameterGolf测试中，其改进幅度约为Opus4 7的6倍，且更倾向于结构性改动，表现出更强韧性。在记忆机制方面，Fable5能完成从失败到提炼规则的递进过程，验证覆盖率最高达73%，显著优于早期模型。
Claude Fable 5 作为 Anthropic 推出的 Mythos 级模型，已经在公司内部深刻重塑了许多人的工作流程。以下两个实用技巧，能帮助你更高效地驾驭这类前沿模型。
近期，循环理念备受关注。有观点指出，“我的工作本质就是构建循环。”简而言之，让模型围绕特定评估标准持续优化，是提升任务质量的核心策略。Claude Code 中的 /goal 功能，以及 Claude Managed Agent 中的 Outcomes 机制，都是帮助你实践这一方法的基础工具。
根据 Prompt 指南，Fable 5 擅长在循环过程中实现自我修正。关键是为其设计一个明确的目标或评分系统，这相当于为模型运行环境嵌入了反馈闭环。如此一来，Claude 在执行任务后，便能依据目标收集反馈、自行调整、反复迭代，直至达到预期标准。
这里有一个用于测试 Fable 5 的具体案例：Parameter Golf。它是一个开源的机器学习工程挑战，要求在 8 张 H100 GPU 上、10 分钟内训练出效果最佳的模型，且最终产物体积不超过 16MB。
该挑战与 Karpathy 的 autoresearch 项目类似，旨在检验 Agent 能否修改基础训练代码（train_gpt.py）、启动训练、轮询日志、读取分数，并据此决策下一步的实验方向。
在测试过程中，我们使用 Claude Managed Agents（CMA）对比了 Fable 5 与 Opus 4.7 的表现。CMA 提供了完整的 Agent 运行框架和托管沙盒，非常适合 Fable 5 执行长时间、高强度的任务。在 Parameter Golf 测试中，CMA 连接了一个自托管沙盒，该沙盒配备了 8 张 H100 GPU。
这里存在一个微妙但关键的问题：由谁来判断结果？实验表明，模型在自我批判时常常会陷入困境。Prithvi Rajasekaran 曾在工程博客中对这一现象进行过深入探讨。
对于 Fable 5，使用一个独立的验证性子 Agent 往往比让模型进行自我批判更有效，因为评分过程是在独立的上下文窗口中完成的。CMA 的 Outcomes 功能可以自动启动一个评分子 Agent 来执行这一操作。
在每次测试中，我们都会提供一个评分标准文件，包含九项可检查的指标，例如运行基线实验、完成 20 次实验等。随后，让 Parameter Golf 最多运行 8 小时。只有当 Outcomes 评分器确认所有标准均已满足时，Claude 才会停止运行。
最终结果显示，Fable 5 对训练流程的改进效果大约是 Opus 4.7 的 6 倍。若将实验进一步细分为结构性实验（如改变模型架构）和标量型实验（如调整超参数），Fable 5 更倾向于押注更大幅度的结构性改动，并展现出更强的韧性。例如，在遇到量化回归问题时，它坚持推进，最终取得了最大幅度的性能提升。
相比之下，Opus 4.7 的首次实验仅带来了小幅提升，此后几乎所有实验都沿用了同一模式：调整一个标量、测量结果、若为正则保留。
记忆功能
记忆是 Fable 5 的另一大优势领域。可以将其理解为一个跨会话的外部循环：Claude 在一次会话中写入记忆，未来会话中可以再次检索并利用这些信息。
近期，Continual Learning Bench 1.0 基准测试发布，正好可以用来评估 Fable 5 与早期模型之间的差异。
在基准测试的一项任务中，我们对 Fable 5、Opus 4.7 和 Sonnet 4.6 进行了对比。该任务要求 Agent 在访问 SQL 数据库的前提下，连续回答一系列问题。每个问题都是一个独立的 Agent 会话，并启用了记忆能力。
为此，我们使用了具备记忆功能的 CMA。它会为每个 Agent 提供一个挂载的文件系统，用于在不同会话之间共享信息。
想要有效利用记忆，通常需要经历一个递进的学习过程：失败（答错并记录下来）、调查（弄清错误原因）、验证（将诊断转化为经过检验的事实）、提炼（将验证结果归纳为通用规则），以及查阅（直接读取规则而非重新推导）。
Sonnet 4.6 大约停留在第一步：其记忆存储更像是一串失败笔记和未经验证的猜测，例如“也许应该用 prc，而不是 prc_usd？”它很少查阅之前的记录。要提升其表现，需要加入针对具体任务的记忆使用说明。
Opus 4.7 大约推进到了第三步：它会创建 schema 参考文档，并标注不确定性，例如“prc 可能是以美分计价？需要验证。”但验证覆盖率不高，仅覆盖了 7% 到 33% 的问题，中位数约为 17%。
Fable 5 则倾向于完成整个递进过程。在表现最佳的一次运行中，验证覆盖率最高达到了 73%（30 个问题中验证了 22 个），并且会将学到的内容提炼为通用规则，帮助处理后续任务。
因此，与其不停提示并引导 Fable 5，更高效的方法是设计一套循环机制，让模型能根据环境反馈自我修正（例如使用 /goal 或 Outcomes），同时允许它自主管理上下文（例如通过记忆机制）。
这里仅分享了几个小规模实验结果，但 Fable 5 非常值得你在高难度任务上亲自测试，尤其是结合自我修正循环或记忆机制来使用。
想要开始尝试，可以查阅相关文档，或直接咨询最新版本的 Claude Code。它能够使用内置的 /claude-api skill，为你详细介绍 Fable 5，包括 Prompt 最佳实践、/goal、Claude Managed Agents 等 API 功能。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Anthropic工程师教你用Fable 5设计自我纠错循环要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点创维汽车正式发布了S710的官图及部分配置信息。新车基于800V高压平台打造，全系采用宁德时代电芯，配备88kWh三元锂电池，CLTC纯电续航里程达710公里。车辆搭载了ADC自适应阻尼减振系统以提升舒适性，并支持100kW直流外放电。内饰设计有所更新，取消了旋钮换挡，增加了50W无线充电等功能。新
上海证券交易所近日向券商下发通知，要求强化交易业务单元管理。通知明确，券商需立即启动全面自查，并对存量不合规配置在3个月内完成整改，核心是确保交易单元分配公平，严禁为个别投资者提供特殊便利，保护中小投资者权益。业内人士指出，此举主要针对量化交易，旨在消除因专属交易通道带来的速度优势，防止普通投资者订
博杰股份拟非公开发行募资不超15 03亿元，用于服务器检测设备及散热模组零部件产能建设、先进研发中心建设并补充流动资金，旨在强化AI服务器产业链布局，把握市场机遇。
国际贵金属市场短线拉升，现货黄金涨1 23%至4488 65美元 盎司，现货白银涨1 66%至73 91美元 盎司。金银价格同步上扬反映短期避险需求，波动受市场情绪、经济数据及地缘因素影响，投资者需审慎决策。
- 日榜
- 周榜
- 月榜
热点快看