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
Trang chủ
AI AI
Tin nhanh
Bài viết
Sự kiện
BlockBeats Pro
Thêm
Thông tin tài chính
Chuyên đề
Hệ sinh thái chuỗi khối
Mục nhập
Podcast
Data
OPRR
Partnered With:

Viết prompt không bằng viết vòng lặp: Dùng thẩm phán độc lập để chạy ra hiệu suất gấp sáu lần của Fable 5.

Theo giám sát của Động Sát Beating, nhằm khắc phục căn bệnh phổ biến của các mô hình lớn là dễ rơi vào trạng thái tự tin mù quáng khi tự sửa lỗi, nhóm Anthropic đã tiến hành thử nghiệm so sánh trong thử thách huấn luyện máy học. Thí nghiệm không yêu cầu Fable 5 tự phê bình, mà thay vào đó, thông qua tính năng Outcomes của CMA, một tác nhân chấm điểm được tạo ra trong cửa sổ ngữ cảnh độc lập, đóng vai trò trọng tài dựa trên tài liệu quy chuẩn bao gồm 9 chỉ số.

Kết quả cho thấy, thiết kế vòng lặp có trọng tài độc lập đã giúp Fable 5 cải thiện quy trình huấn luyện gấp 6 lần so với Opus 4.7. Fable 5 không chỉ có xu hướng thử nghiệm các điều chỉnh kiến trúc lớn, mà ngay cả khi gặp phải sự thoái lui về lượng hóa, nó vẫn kiên trì sửa chữa, thể hiện khả năng chịu đựng kỹ thuật cực kỳ mạnh mẽ. Ngược lại, Opus 4.7, do hạn chế trong việc ra quyết định, đã rơi vào trạng thái bảo thủ chỉ tinh chỉnh các hằng số vô hướng theo khuôn mẫu.

Trong một thí nghiệm khác về học tập trực tuyến xuyên phiên liên quan đến câu hỏi cơ sở dữ liệu, nhóm nghiên cứu đã sử dụng hệ thống tệp gắn kết có thể chia sẻ để tổng kết ra phương pháp năm bước giúp mô hình lớn sử dụng bộ nhớ hiệu quả, bao gồm: ghi lại thất bại, chẩn đoán nguyên nhân, xác minh sự thật, đúc kết quy tắc chung và truy xuất trực tiếp quy tắc.

Thử nghiệm so sánh phát hiện ra rằng hiệu suất của các mô hình khác nhau có sự chênh lệch rõ rệt. Sonnet 4.6 chỉ ghi lại lỗi một cách hời hợt và phỏng đoán mù quáng, hầu như không bao giờ tra cứu lịch sử. Opus 4.7 có thể thiết lập các tham chiếu mẫu có dấu hiệu không chắc chắn, nhưng tỷ lệ xác minh chỉ đạt khoảng 17%. Fable 5 có thể hoàn thành toàn bộ chuỗi bộ nhớ, với tỷ lệ xác minh lên tới 73% và tổng kết chẩn đoán thành các quy tắc chung.

Thí nghiệm cho thấy, việc thiết kế vòng lặp tự sửa lỗi có khả năng phản hồi và quản lý bộ nhớ tự động có giá trị thực tiễn cao hơn so với việc trực tiếp viết các prompt hướng dẫn mô hình lớn.

举报 Báo lỗi/Báo cáo
Báo lỗi/Báo cáo
Gửi
Thêm mới thư viện
Chỉ mình tôi có thể nhìn thấy
Công khai
Lưu
Chọn thư viện
Thêm mới thư viện
Hủy
Hoàn thành