Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Anthropic의 Fable 5 모델을 중심으로 자기 교정 루프(Self-Correction Loops)와 세션 간 메모리 설계의 중요성을 다룹니다. 모델이 스스로를 평가하기보다 외부 검증기(Verifier)를 통해 개선되고, 실패를 규칙으로 압축하여 저장하는 구조적 설계가 핵심입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @lucas_flatwhite (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기🤖 Self-Correction Loops
모델이 스스로 고치고 기억하게 만드는 시대로...
Anthropic에서 진행한 실험들은 놀랍네요.
특히 Mythos-class 모델.. Claude Fable 5 을 다루는 방식이 이전과 확연히 달라졌다는 점이 인상적이었죠.
직접 프롬프트를 잘 다루는 것보다, 자기 교정 루프,, self-correction loop 와 세션 간 메모리를 설계하는 것이 훨씬 더 중요해졌습니다!
↓
Self-Correction Loops
Fable 5는 피드백이 주어지면 스스로 고치는 능력이 뛰어나다고 합니다.
Claude Code의 /goal이나 Claude Managed Agents의 Outcomes 같은 장치가 그 역할을 해주고요.
중요한건 모델이 자신의 출력을 스스로 평가하는 게 아니라, 별도의 verifier가 독립적인 맥락에서 채점한다는 점이었어요.
자기 비판은 의외로 약하고, 외부에서 명확한 기준을 제시할 때 훨씬 더 잘 움직인다는 거죠.
Parameter Golf라는 ML 엔지니어링 챌린지에서 Fable 5는 Opus 4.7보다 약 6배 더 나은 개선을 이끌어냈다고 하네요.
작은 파라미터 조정이 아니라, 구조적인 변화를 시도하고, 실패에서도 회복하는 모습을 보였다고!
↓
Memory Across Sessions
세션 간 메모리.. 이것도 눈여겨 봐야해요.
Fable 5는 이전 세션의 결과를 단순히 저장하는 데 그치지 않고, 아래 과정을 꽤 잘 수행했다고 해요.
이 과정을 끝까지 밟는 모델은 Fable 5가 유일했다는 점!
Sonnet은 1단계에서 멈추고, Opus는 3단계 정도까지 가지만 검증률이 낮았다고 합니다.
결국 모델이 '기억'하는 것이 아니라 우리가 모델에게 기억할 수 있는 구조를 주는 것.. 이게 중요해요.
↓
루프가 아무리 정교해도, 결국 중요한 건 두 가지예요.
그리고 한 가지 더.
모델은 잊지만, 우리가 남긴 기록은 잊히지 않는다!
이 문장이 어쩌면 지금 우리가 해야 할 일의 본질을 가장 잘 말해주는 것 같기도 하네요.
모델이 스스로 움직일 수 있는 목표와 기억의 구조를 설계하는 것.
그게 지금 Loop Engineering이 조금 더 깊어지는 지점인 것 같습니다.