Fable式代理解题插件实测
alexcovo_eth · x · 2026-07-15
这条帖转述了一篇文章：有人把 **Fable** 的问题求解方法拆成了一个任何模型都能运行的插件，并做了 **159 次 agent runs** 测试。 核心设计有三块： - **fable-method**：给模型一个结构化的解题循环，并设置硬性失败阈值。 - **fable-loop**：把整任务跑完，同时用对抗式验证 agents 检查工作结果。 - **fable-judge**：把所有“已经完成、测试都过了”的说法都当作未验证，重新独立跑一遍。 实测结果包括： - **Haiku** 在识别“错误测试”上从 **0/4 提升到 4/4**。 - **Sonnet + 方法** 在一个五步研究任务上与 Fable 自身打平，拿到 **10/10**。 - **judge** 让 Haiku 在识别伪造完成报告上从 **3/5 提升到 5/5**。 作者认为它的价值在于“知道什么时候不该加成”：对普通任务和本来就足够强的模型，这套方法基本不会带来额外收益。