홈
AI AI
속보
심층
이벤트
Pro
더보기
자금 조달 정보
특집
온체인 생태계
용어
팟캐스트
데이터
OPRR
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
XRP
$2.25
2.07%
DOGE
$0.325
2.23%
USDC
$0.999
3.05%
Partnered With:

프롬프트 작성보다 루프를 돌려라: 독립 심판관으로 Fable 5의 6배 성과를 뽑아내다

동차 Beating 모니터링에 따르면, 대형 언어 모델이 자체 수정 과정에서 쉽게 맹목적인 자신감을 보이는 고질적 문제를 해결하기 위해, Anthropic 팀은 머신러닝 훈련 과제에서 비교 테스트를 진행했습니다. 실험에서는 Fable 5가 스스로 비판하지 않도록 하고, 대신 CMA의 Outcomes 기능을 통해 독립적인 컨텍스트 창에서 9가지 지표를 포함한 사양 문서를 기준으로 삼는 평가 에이전트를 생성했습니다.

결과에 따르면, 독립적인 평가자를 도입한 순환 설계 덕분에 Fable 5의 훈련 파이프라인 개선 폭이 Opus 4.7의 6배에 달했습니다. Fable 5는 대규모 아키텍처 변경을 시도하는 경향을 보였으며, 양자화로 인한 성능 저하가 발생해도 이를 수정하기 위해 집요하게 노력하며 뛰어난 엔지니어링 탄력성을 입증했습니다. 반면, Opus 4.7은 결정의 한계로 인해 템플릿에 따라 스칼라 상수를 미세 조정하는 보수적인 상태에 빠졌습니다.

또 다른 세션 간 온라인 학습을 평가하는 데이터베이스 질의응답 실험에서, 팀은 공유 가능한 마운트 파일 시스템을 활용하여 대형 언어 모델이 메모리를 효율적으로 활용하는 5단계 방법을 도출했습니다. 즉, 실패 기록, 원인 진단, 사실 검증, 일반 규칙 추출, 규칙 직접 검색입니다.

비교 테스트 결과, 모델 간 성능에 심각한 계층 차이가 있음이 드러났습니다. Sonnet 4.6은 단순히 오류를 형식적으로 기록하고 맹목적으로 추측할 뿐, 거의 기록을 참조하지 않았습니다. Opus 4.7은 불확실성 표시가 포함된 패턴 참조를 구축할 수 있었지만, 검증 커버리지는 약 17%에 불과했습니다. 반면, Fable 5는 메모리 체인을 완전히 이행하여 검증 커버리지가 73%에 달했으며, 진단 결과를 일반 규칙으로 요약했습니다.

실험 결과, 피드백에 반응할 수 있는 자체 수정 순환과 자율 메모리 관리를 설계하는 것이, 대형 언어 모델을 안내하는 프롬프트를 직접 작성하는 것보다 실질적인 가치가 더 높은 것으로 나타났습니다.

举报 오류 신고/제보
오류 신고/제보
제출
새 문고 추가
자신만 보기
공개
저장
문고 선택
새 문고 추가
취소
완료