AnthropicFable5meluncurkansistemagen"peningkatandiri",cakupanverifikasimencapai73%

2026-07-06 01:43:28

Anthropic工程師整理的14步路線圖，以三層架構及四層複利堆疊，拆解如何圍繞Fable5打造逐次複利的自我改進代理系統；內容取自工程文章、團隊公開實驗。Anthropic的ContinualLearningBench實驗顯示，配備記憶的Fable5驗證覆蓋率達73%。##四層複利堆疊架構：從原語層到自我改進層的逐層運作方式

（來源：AnthropicFable5）根據原文框架，四層複利堆疊由下往上建構，每層的輸出向上流經頂層後被評分、蒸餾，再寫回記憶層：·Layer1（原語）包含Fable5本身、子代理、worktrees及工具，為多數用戶目前使用的層級；·Layer2（編排）以/goal與Outcomes做自我修正迴圈、動態工作流做多步驟編排、Routines做雲端長期執行；·Layer3（記憶）包括狀態檔（STATE.md）、Skills、KnowledgeBases及已蒸餾的教訓；·Layer4（自我改進）包括視覺自我驗證、eval迴圈及規則蒸餾，代理為自己的輸出評分、精修Skill、將教訓寫回記憶，使迴圈閉合。##/goal與Outcomes：兩種目標驅動迴圈的使用情境對比根據Anthropic工程文件，/goal（ClaudeCode）與Outcomes（ClaudeManagedAgents）共用相同的核心形狀：獨立評分者檢查工作，「未達標」判定啟動下一輪迭代，評分者通過時迴圈退出。兩者的選擇規則如下：/goal適用於本機運行、工作階段內、有可衡量終態的任務（如程式碼調試、單一檔案精修），採純文字目標與模型評分者；Outcomes適用於需在Anthropic託管基礎設施上跨時數或跨日運行的任務（如ML訓練、長時間遷移），採基於檔案的評分標準、子代理評分者，並設有硬性max_iterations上限。兩者共用的關鍵結構原則：寫程式的代理不是評分的代理。##ContinualLearningBench實驗：Fable5記憶驗證覆蓋率73%根據AnthropicContinualLearningBench1.0實驗，五階段記憶遞進（Fail→Investigate→Verify→Distill→Consult）在不同模型上的表現差異如下：Sonnet4.6：在第1階段退出，記憶僅為失敗筆記與未解猜測，鮮少查閱先前筆記，記憶不複利Opus4.7：在第3階段退出，建立含不確定性標注的參考文件，驗證覆蓋率為7-33%（中位數約17%）Fable5：傾向走完整個五階段遞進，在最強執行中驗證覆蓋率達73%（30題中22題），並將所學蒸餾為可適用於未來任務的通則此外，ParameterGolf實驗中，Fable5搭配獨立驗證者探索了更大的架構層級變更，並穿越負向的中間結果，最終達成的改進數量約為Opus4.7的六倍。##五階段記憶遞進與狀態檔架構：STATE.md的五個結構區段根據Anthropic工程文件，狀態檔（STATE.md）的五個區段對應五個記憶階段：Verifiedfacts（已停止猜測的事實，第3階段輸出）、Generalrules（超越特定個案的蒸餾規則，第4階段輸出）、Openfailures（進行中的第1-2階段工作）、Lessonslearned（更多第4階段輸出）、Lastsession（第5階段的續跑指標）。ContinualLearningBench的數據顯示，若每次工作階段開場不讀取STATE.md及相關Skills，即使是Fable5也會表現出Sonnet等級的記憶行為。Skills存放於~/.claude/skills/，跨專案可用，是程序記憶的長期積累載體；每一條經確認的教訓應寫入Skill，而不僅是STATE.md。##Fable5安全分類器與成本路由：高風險領域後備Opus4.8，成本依任務複雜度路由根據Anthropic工程文件，Fable5內建安全分類器，在資安漏洞研究、生物、化學及模型蒸餾等領域拒絕回應並自動後備至Opus4.8；其319頁systemcard記載了分類器的完整範圍，部分降級行為在2026年6月上線後被發現深埋文件中。Anthropic工程師實際使用的成本路由模式為：Fable5擔任編排者（跨日規劃、委派子代理、視覺驗證）；Opus4.8處理困難但有界的子任務（架構決策、複雜除錯）及分類器封鎖的後備；Sonnet4.6處理高量工人任務（lint、簡單重構、文件更新）；Haiku4.5擔任評分者子代理與廉價分類器。##常見問題####**Fable5的「自我改進」與「自我學習」有何不同？**根據Anthropic工程文件，自我學習是指模型根據所學更新自身權重，Fable5不做這件事，公開可用的模型目前亦無在生產環境實現此能力。自我改進是指模型周圍的系統隨每次執行而複利：記憶積累已驗證的事實、Skills因加入邊角案例而更鋒利、eval迴圈精修提示；模型本身不變，運行環境變得更銳利。####**Routines是什麼，何時推出？**根據Anthropic工程文件，Routines是儲存的ClaudeCode設定（提示、儲存庫、連接器、權限），在觸發條件下於Anthropic託管的雲端基礎設施上執行，即使本機關閉也持續運行；Routines於2026年4月14日以研究預覽推出，支援排程觸發、API觸發及GitHub事件觸發三種類型。####**為何獨立驗證者子代理優於自我批評？**根據Anthropic工程師PrithviRajasekaran的工程部落格文章及Fable5上線數據，模型評估自己的輸出時會看到自身的推理軌跡，偏向與先前所寫一致的結論；另一個代理僅看輸出物與評分標準，驗證者在製作者的賽局中沒有利害關係，能探索更大的假設空間並從負向的中間結果中恢復。

Penafian: Informasi di halaman ini mungkin berasal dari sumber pihak ketiga dan hanya untuk referensi. Ini tidak mewakili pandangan atau pendapat Gate dan bukan merupakan nasihat keuangan, investasi, atau hukum. Perdagangan aset virtual melibatkan risiko tinggi. Mohon jangan hanya mengandalkan informasi di halaman ini saat membuat keputusan. Untuk detailnya, lihat Penafian.

Berita Terkait

14jam yang lalu

Anthropic Mengamankan Kapasitas Pusat Data Sebesar 1,4 Juta kW di Australia hingga Senilai 15 Miliar Dolar AS

19jam yang lalu

Anthropic Berencana Mengamankan Kapasitas Pusat Data Australia Sebesar 1,4 Juta Kilowatt hingga 15 Miliar Dolar AS

07-04 21:16

Skor Debugging Claude Fable 5 Turun dari 86,2 menjadi 25,9 pada 1 Juli, Namun Arena.AI Menunjukkan Kinerja Datar