Ana Sayfa
AI AI
Flaş
Derinlik
Etkinlikler
BlockBeats Pro
Daha Fazla
Finans
Özel
Blok Zinciri Ekosistemi
Giriş
Podkastlar
Veri
OPRR
#
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%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Partnered With:

İpucu yazmaktansa döngü yazmak daha iyidir: Bağımsız bir hakemle Fable 5'in altı kat performansını yakalamak.

动察 Beating tarafından yapılan izlemeye göre, büyük modellerin kendi kendini düzeltme sırasında aşırı özgüven gösterme eğilimine karşı Anthropic ekibi, makine öğrenimi eğitim zorlukları kapsamında karşılaştırmalı testler gerçekleştirdi. Deneyde, Fable 5'in kendi kendini eleştirmesine izin verilmedi; bunun yerine, CMA'nın Outcomes özelliği kullanılarak bağımsız bir bağlam penceresinde, 9 kriter içeren bir spesifikasyon dosyasına dayalı bir puanlama ajanı oluşturuldu.

Sonuçlar, bağımsız bir hakem içeren döngüsel tasarımın, Fable 5'in eğitim hattındaki iyileştirme oranını Opus 4.7'ye kıyasla 6 kat artırdığını gösterdi. Fable 5, yalnızca büyük mimari değişiklikler yapmaya eğilimli olmakla kalmadı, aynı zamanda niceliksel geri dönüşlerle karşılaştığında bile onarımları sürdürerek güçlü bir mühendislik dayanıklılığı sergiledi. Buna karşılık, Opus 4.7, karar sınırlamaları nedeniyle yalnızca şablonlara göre skaler sabitleri ince ayarlayan muhafazakar bir duruma düştü.

Bir başka deneyde, oturumlar arası çevrimiçi öğrenmeyi test eden veritabanı sorgulama çalışmasında ekip, paylaşılabilir bir bağlı dosya sistemi kullanarak büyük modellerin belleği verimli kullanması için beş adımlı bir yöntem özetledi: başarısızlıkları kaydetme, nedenleri teşhis etme, gerçekleri doğrulama, genel kurallar çıkarma ve doğrudan kuralları arama.

Karşılaştırmalı testler, farklı modellerin performansında ciddi bir kademelenme olduğunu ortaya koydu. Sonnet 4.6, yalnızca yüzeysel olarak hataları kaydetti ve körü körüne tahminler yaptı, neredeyse hiçbir zaman geçmişe başvurmadı. Opus 4.7, belirsizlik işaretleri içeren desen referansları oluşturabildi, ancak doğrulama kapsamı yalnızca %17 civarındaydı. Fable 5 ise bellek zincirini tamamen tamamlayarak %73 doğrulama kapsamına ulaştı ve teşhisleri genel kurallar halinde özetledi.

Deneyler, geri bildirime yanıt verebilen kendi kendini düzeltme döngüleri ve otonom bellek yönetimi tasarlamanın, büyük modelleri yönlendirmek için doğrudan istemler yazmaktan daha pratik bir değere sahip olduğunu gösterdi.

Düzeltme/Rapor
Gönder
Kütüphane Ekle
Sadece kendime görünür
Herkese Açık
Kaydet
Kütüphane Seç
Kütüphane Ekle
İptal
Tamamla