Fable 5로 루프 설계하기

요약

Anthropic의 Claude Fable 5는 self-correction loop와 memory 기능을 통해 AI 에이전트의 성능을 크게 향상시켰습니다. 특히, 목표(goal)와 평가 기준(rubric)을 환경에 주입하여 모델이 스스로 실행하고 피드백을 수집하며 반복적으로 수정하는 구조가 핵심입니다. 이 방식은 기존 대비 학습 파이프라인을 획기적으로 개선했습니다.

핵심 포인트

• self-correction loop: 목표 충족까지 반복 수행하는 자가 수정 메커니즘 설계
• memory (outer loop): 세션 간 기록 재사용으로 지속적인 학습 환경 구축
• Fable 5의 성능 향상: 기존 모델 대비 ML 엔지니어링 과제에서 약 6배 개선
• 루프 설계의 중요성: 직접 프롬프팅보다 모델 자체 수정/문맥 관리 루프가 효과적