Anthropicのエンジニアが整理した14ステップのロードマップ。3層アーキテクチャと4層の複利スタックを用いて、Fable5を中心に逐次複利する自己改善エージェントシステムを構築する方法を解説。内容はエンジニアリング記事とチームの公開実験に基づく。AnthropicのContinualLearningBench実験では、メモリを備えたFable5の検証カバレッジは73%に達した。##4層複利スタックアーキテクチャ：プリミティブ層から自己改善層までの層ごとの動作方式

（出典：AnthropicFable5）原文フレームワークによると、4層複利スタックは下から上に構築され、各層の出力はトップ層を経由してスコアリングされ、蒸留され、メモリ層に書き戻される。·Layer1（プリミティブ）Fable5自体、サブエージェント、ワークツリー、ツールを含む。ほとんどのユーザーが現在使用している層。·Layer2（オーケストレーション）/goalとOutcomesによる自己修正ループ、動的ワークフローによるマルチステップオーケストレーション、Routinesによるクラウド上での長期実行。·Layer3（メモリ）ステータスファイル（STATE.md）、スキル、ナレッジベース、蒸留された教訓を含む。·Layer4（自己改善）ビジュアル自己検証、評価ループ、ルール蒸留を含む。エージェントが自身の出力をスコアリングし、スキルを洗練し、教訓をメモリに書き戻すことでループを閉じる。##/goalとOutcomes：2つの目標駆動ループの使用シナリオ比較Anthropicのエンジニアリング文書によると、/goal（ClaudeCode）とOutcomes（ClaudeManagedAgents）は同じコア形状を共有する：独立した評価者が作業をチェックし、「未達」判定で次のイテレーションが開始され、評価者が合格した時点でループを終了する。両者の選択ルールは以下の通り：/goalはローカル実行、セッション内、測定可能な終状態を持つタスク（コードデバッグ、単一ファイルの洗練など）に適用。プレーンテキスト目標とモデル評価者を使用。OutcomesはAnthropicのホストインフラ上で数時間から数日かけて実行する必要があるタスク（MLトレーニング、長期移行など）に適用。ファイルベースの評価基準、サブエージェント評価者を使用し、ハードなmax_iterations上限を設定。両者に共通する重要な構造原則：コードを書くエージェントは評価するエージェントではない。##**ContinualLearningBench実験：Fable5のメモリ検証カバレッジ73%**AnthropicContinualLearningBench1.0実験によると、5段階メモリ進行（Fail→Investigate→Verify→Distill→Consult）の異なるモデルでのパフォーマンス差は以下の通り。Sonnet4.6：第1段階で終了。メモリは失敗ノートと未解決の推測のみ。以前のノートをほとんど参照せず、メモリは複利しない。Opus4.7：第3段階で終了。不確実性ラベル付きの参照ドキュメントを作成。検証カバレッジは7-33%（中央値約17%）。Fable5：5段階進行全体を完了する傾向がある。最強の実行では検証カバレッジ73%（30問中22問）を達成。学習内容を将来のタスクに適用可能な一般ルールに蒸留。さらに、ParameterGolf実験では、Fable5が独立検証者とともに、より大きなアーキテクチャレベルの変更を探索し、ネガティブな中間結果を乗り越え、最終的にOpus4.7の約6倍の改善数に達した。##5段階メモリ進行とステータスファイルアーキテクチャ：STATE.mdの5つの構造セクションAnthropicのエンジニアリング文書によると、ステータスファイル（STATE.md）の5つのセクションは5つのメモリ段階に対応する：Verifiedfacts（推測を停止した事実、第3段階の出力）、Generalrules（特定のケースを超えた蒸留ルール、第4段階の出力）、Openfailures（進行中の第1-2段階の作業）、Lessonslearned（さらなる第4段階の出力）、Lastsession（第5段階の継続指標）。ContinualLearningBenchのデータによると、各セッションの開始時にSTATE.mdと関連スキルを読み込まない場合、Fable5でもSonnetレベルのメモリ動作を示す。スキルは~/.claude/skills/に保存され、プロジェクト間で利用可能。手続き的メモリの長期的蓄積媒体。確認された教訓は、STATE.mdだけでなく、スキルとして書き込むべき。##Fable5の安全分類器とコストルーティング：高リスク領域ではOpus4.8にフォールバック、コストはタスクの複雑さに応じてルーティングAnthropicのエンジニアリング文書によると、Fable5には安全分類器が組み込まれており、セキュリティ脆弱性調査、生物学、化学、モデル蒸留などの領域で応答を拒否し、自動的にOpus4.8にフォールバックする。319ページのシステムカードには分類器の完全な範囲が記載されており、一部のダウングレード動作は2026年6月のリリース後に文書の奥深くに埋め込まれていることが判明した。Anthropicエンジニアが実際に使用するコストルーティングパターン：Fable5はオーケストレーター（複数日にわたる計画、サブエージェントへの委任、ビジュアル検証）を担当。Opus4.8は困難だが有界なサブタスク（アーキテクチャ決定、複雑なデバッグ）および分類器によるブロックのフォールバックを処理。Sonnet4.6は高量のワーカータスク（lint、シンプルなリファクタリング、ドキュメント更新）を処理。Haiku4.5は評価サブエージェントと低コスト分類器として機能。##よくある質問####**Fable5の「自己改善」と「自己学習」の違いは？**Anthropicのエンジニアリング文書によると、自己学習とはモデルが学習内容に基づいて自身の重みを更新すること。Fable5はこれを行わず、現在公開されているモデルも本番環境でこの能力を実現していない。自己改善とは、モデルを取り巻くシステムが実行ごとに複利すること：メモリは検証済み事実を蓄積、スキルはエッジケースの追加でよりシャープに、評価ループはプロンプトを洗練。モデル自体は変わらず、実行環境がより鋭くなる。####**Routinesとは何か、いつリリースされるか？**Anthropicのエンジニアリング文書によると、Routinesは保存されたClaudeCode設定（プロンプト、リポジトリ、コネクタ、権限）であり、トリガー条件に基づいてAnthropicホストのクラウドインフラ上で実行され、ローカルマシンがオフでも継続動作。Routinesは2026年4月14日に研究プレビューとしてリリースされ、スケジュールトリガー、APIトリガー、GitHubイベントトリガーの3種類をサポート。####**なぜ独立検証者サブエージェントが自己批判よりも優れているのか？**AnthropicエンジニアPrithviRajasekaranのエンジニアリングブログ記事とFable5リリースデータによると、モデルが自身の出力を評価するとき、自身の推論軌跡を見てしまい、以前に書いた内容と一致する結論に偏る。別のエージェントは出力と評価基準のみを見るため、検証者は作成者のゲームに利害関係がなく、より大きな仮説空間を探索でき、ネガティブな中間結果から回復できる。

免責事項：本ページの情報には第三者提供の内容が含まれる場合があり、参考目的のみで提供されています。これらはGateの見解や意見を示すものではなく、金融、投資、または法律上の助言を構成するものでもありません。暗号資産取引には高いリスクが伴います。意思決定を行う際には、本ページの情報のみに依存しないでください。詳細については、免責事項をご確認ください。