循环工程是一种通过创建迭代提示结构来提高AI模型性能的技术，其实现过程可能看似简单，但容易出现细微错误。Anthropic公司Claude Code负责人Boris Cherny已从直接提示转向设计这些循环。在构建两个核心循环工程组件“run-until-done”和“maker/checker”的近期实验中，发现包含测试执行的“安全”maker/checker方法比简单的置信度检查方法具有更高的误接受率。实验还发现，“真实反馈”循环与通用重试循环的性能相同，直到测试工具中的一个错误被识别出来，这凸显了对循环组件本身进行严格自我测试的关键需求。 AI
影响 强调了高级AI提示技术中潜在的陷阱，表明需要仔细验证才能实现有效的循环工程。
排序理由 该条目讨论了一种提高AI模型性能的技术，并分享了实验见解，但没有宣布新模型或产品发布。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
