Anthropicинженерысоставили14-шаговуюдорожнуюкарту,основаннуюнатрехуровневойархитектуреичетырехуровневомнакоплениисложныхпроцентов,разбивающую,каксоздатьсистемусамосовершенствующихсяагентовсповторяющимисясложнымипроцентамивокругFable5;содержаниевзятоизинженерныхстатейипубличныхэкспериментовкоманды.ЭкспериментContinualLearningBenchотAnthropicпоказывает,чтоFable5спамятьюдостигает73%покрытияверификации.##Четырехуровневаяархитектуранакоплениясложныхпроцентов:каконаработаетотуровняпримитивовдоуровнясамосовершенствования

(Источник:AnthropicFable5)Согласноисходномуфреймворку,четырехуровневоенакоплениесложныхпроцентовстроитсяснизувверх,выходкаждогоуровняпроходитчерезверхнийуровень,оценивается,дистиллируетсяизаписываетсяобратновуровеньпамяти:·Уровень1(примитивы)включаетсамFable5,саб-агентов,worktreesиинструменты;этоуровень,которыйиспользуетбольшинствопользователей;·Уровень2(оркестрация)использует/goalиOutcomesдляцикловсамокоррекции,динамическиерабочиепроцессыдлямногошаговойоркестрации,Routinesдлядолгосрочноговыполнениявоблаке;·Уровень3(память)включаетфайлсостояния(STATE.md),навыки(Skills),базызнаний(KnowledgeBases)идистиллированныеуроки;·Уровень4(самосовершенствование)включаетвизуальнуюсамопроверку,eval-циклыидистилляциюправил;агентоцениваетсобственныйвывод,уточняетнавыки,записываетурокивпамять,замыкаяцикл.##/goalиOutcomes:сравнениесценариевиспользованиядвухциклов,управляемыхцелямиСогласноинженернымдокументамAnthropic,/goal(ClaudeCode)иOutcomes(ClaudeManagedAgents)имеютодинаковуюосновнуюформу:независимыйоценщикпроверяетработу,решение«недостигнуто»запускаетследующуюитерацию,циклзавершается,когдаоценщикпроходит.Правилавыборамеждунимиследующие:/goalподходитдлялокальноговыполнения,внутрисессии,длязадачсизмеримымконечнымсостоянием(например,отладкакода,доработкаодногофайла),используеттекстовыецелиимодель-оценщик;Outcomesподходитдлязадач,требующихвыполнениянаинфраструктуреAnthropicвтечениенесколькихчасовилидней(например,ML-тренировка,длительнаямиграция),используетфайловыекритерииоценки,саб-агентов-оценщиковиимеетжесткоеограничениеmax_iterations.Ключевойструктурныйпринцип,общийдляобоих:агент,пишущийкод,неявляетсяагентом,оценивающимего.##ЭкспериментContinualLearningBench:Fable5достигает73%покрытияверификациипамятиСогласноэкспериментуAnthropicContinualLearningBench1.0,прогрессияпамятиизпятиэтапов(Fail→Investigate→Verify→Distill→Consult)показаласледующиеразличиямеждумоделями:Sonnet4.6:выходитнаэтапе1,памятьсостоиттолькоиззаметоконеудачахинеподтвержденныхдогадках,редкообращаетсякпредыдущимзаметкам,памятьненакапливаетсложныепроцентыOpus4.7:выходитнаэтапе3,создаетсправочныефайлыспометкаминеопределенности,покрытиеверификации7-33%(медианаоколо17%)Fable5:склоненпроходитьвсепятьэтапов,всамомсильномвыполнениидостигает73%покрытияверификации(22из30задач)идистиллируетполученныеурокивобщиеправила,применимыекбудущимзадачамКрометого,вэкспериментеParameterGolfFable5снезависимымверификаторомисследовалболеекрупныеизменениянауровнеархитектуры,преодолевалнегативныепромежуточныерезультатыивитогедостигпримерновшестьразбольшеулучшений,чемOpus4.7.##Пятиэтапнаяпрогрессияпамятииархитектурафайласостояния:пятьструктурныхразделовSTATE.mdСогласноинженернымдокументамAnthropic,пятьразделовфайласостояния(STATE.md)соответствуютпятиэтапампамяти:Verifiedfacts(факты,покоторымпрекращеныдогадки,выходэтапа3),Generalrules(дистиллированныеправила,выходящиезарамкиконкретныхслучаев,выходэтапа4),Openfailures(текущаяработаэтапов1-2),Lessonslearned(большевыходовэтапа4),Lastsession(индикаторпродолженияэтапа5).ДанныеContinualLearningBenchпоказывают,чтоесливначалекаждойсессиинечитатьSTATE.mdисоответствующиенавыки(Skills),дажеFable5будетдемонстрироватьповедениепамятиуровняSonnet.Навыкихранятсяв~/.claude/skills/,доступныдляразныхпроектовиявляютсяносителемдолгосрочногонакопленияпроцедурнойпамяти;каждыйподтвержденныйурокследуетзаписыватьвнавык,анетольковSTATE.md.##КлассификаторбезопасностиFable5имаршрутизациязатрат:вобластяхвысокогорискарезервноеиспользованиеOpus4.8,затратымаршрутизируютсявзависимостиотсложностизадачиСогласноинженернымдокументамAnthropic,Fable5имеетвстроенныйклассификаторбезопасности,которыйвобластяхисследованияуязвимостей,биологии,химииидистилляциимоделейотказываетсяотвечатьиавтоматическипереключаетсянаOpus4.8;его319-страничныйsystemcardописываетполныйдиапазонклассификатора,некоторыедеградацииповедениябылиобнаруженыглубоковдокументахпослезапускавиюне2026года.Реальнаямодельмаршрутизациизатрат,используемаяинженерамиAnthropic:Fable5выступаетвролиоркестратора(планированиенанесколькодней,делегированиесаб-агентов,визуальнаяверификация);Opus4.8обрабатываетсложные,ноограниченныеподзадачи(архитектурныерешения,сложнаяотладка)ирезервныезадачи,заблокированныеклассификатором;Sonnet4.6обрабатываетвысокообъемныезадачи-рабочие(lint,простойрефакторинг,обновлениедокументации);Haiku4.5выступаетвролисаб-агента-оценщикаидешевогоклассификатора.##Частозадаваемыевопросы####**Чемотличается«самосовершенствование»Fable5от«самообучения»?**СогласноинженернымдокументамAnthropic,самообучениеозначает,чтомодельобновляетсвоивесанаосновеполученныхзнаний;Fable5этогонеделает,иниоднапубличнодоступнаямодельвнастоящеевремянереализуетэтувозможностьвпроизводственнойсреде.Самосовершенствованиеозначает,чтосистемавокругмоделинакапливаетсложныепроцентыскаждымвыполнением:памятьнакапливаетпроверенныефакты,навыкистановятсяострееблагодарядобавлениюкрайнихслучаев,eval-циклыуточняютпромпты;самамодельнеменяется,носредавыполнениястановитсяболееострой.####**ЧтотакоеRoutinesикогдаонибудутвыпущены?**СогласноинженернымдокументамAnthropic,Routines—этосохраненныенастройкиClaudeCode(промпты,репозитории,коннекторы,разрешения),которыевыполняютсянаоблачнойинфраструктуреAnthropicприусловиитриггера,дажееслилокальнаямашинавыключена;Routinesбыливыпущены14апреля2026годаввидеисследовательскогопревью,поддерживаюттритипатриггеров:порасписанию,черезAPIипособытиямGitHub.####**Почемунезависимыйверификатор-саб-агентлучшесамокритики?**Согласноинженерномублог-постуинженераAnthropicPrithviRajasekaranиданнымзапускаFable5,когдамодельоцениваетсвойсобственныйвывод,онавидитсвойсобственныйходрассужденийисклоняетсяквыводам,согласующимсяснаписаннымранее;другойагентвидиттольковыводикритерииоценки,верификаторнеимеетзаинтересованностивигресоздателя,можетисследоватьбольшеепространствогипотезивосстанавливатьсяпосленегативныхпромежуточныхрезультатов.

Дисклеймер: Информация на этой странице может быть получена из источников третьих сторон и предоставляется только для ознакомления. Она не отражает взгляды или мнения Gate и не является финансовой, инвестиционной или юридической рекомендацией. Торговля виртуальными активами связана с высоким риском. Пожалуйста, не основывайте свои решения исключительно на данных этой страницы. Подробнее смотрите в Дисклеймере.

Связанные новости

16ч назад

Anthropic обеспечивает мощность центров обработки данных на 1,4 миллиона кВт в Австралии на сумму до 15 миллиардов долларов.

21ч назад

Anthropic планирует обеспечить 1,4 миллиона киловатт мощностей австралийских дата-центров на сумму до 15 миллиардов долларов

07-04 21:16

Claude Fable 5 Debugging Score снизился с 86,2 до 25,9 1 июля, но Arena.AI показывает, что производительность осталась без изменений.

Связанные статьи

Соучредитель Perplexity утверждает, что концентрация власти в сфере ИИ создает риск для безопасности

Oliver Grant12ч назад

Банк Кореи и Всемирный банк публикуют руководство по ИИ для управляющих государственными активами

Oliver Grant07-05 03:17

Оценка отладки Claude Fable 5 снижается с 86,2 до 25,9 после восстановления 1 июля

Oliver Grant07-04 21:18

Claude Fable 5 показывает противоречивые результаты тестов после восстановления 1 июля

Oliver Grant07-03 21:13

Anthropic изучает партнерство с Samsung для производства собственных чипов для Custom AI Chip Manufacturing

Oliver Grant07-03 08:24

комментарий

0/400

Нет комментариев