Resultados do CMA Quando o árbitro usa essa jogada, é bastante severo, Fable 5 ousa desmontar e consertar, Opus 4.7 ainda está costurando e reparando, o ciclo de feedback > a engenharia de prompts é definitiva

A CoinWorld afirma que a Anthropic, em testes comparativos, gerou agentes de avaliação de pontuação em janelas de contexto independentes usando resultados do CMA, avaliando com base em nove métricas. Os resultados mostram que o ciclo de árbitros independentes fez com que o Fable 5 melhorasse a linha de produção de treinamento em 6 vezes mais do que o Opus 4.7. O Fable 5 demonstra resiliência, ousando grandes ajustes na arquitetura, mesmo com retrocessos na quantificação, insistindo na correção; em comparação, o Opus 4.7 tende a ajustar-se por meio de microajustes de template devido às limitações de decisão. Conclusão do experimento: ciclos de autorcorreção feedbackáveis e gerenciamento autônomo de memória têm mais valor prático do que simplesmente escrever prompts.