Anthropic'in geliştirici Thariq Shihipar, Claude'un yeni modeli Fable 5 ile çalışırken performans darboğazının artık modelinin kendisinde değil, kullanıcının bilinçsiz bilgi boşluklarında olduğunu savunuyor. Modelin yüksek yeteneklerine karşın, geliştiriciler kendi varsayımlarını ve eksik tanımlamalarını belirlemeden sorunu LLM'ye ilettiğinde optimal sonuçlar elde edilemiyor.
Shihipar, bu sorunu çözmek için "blind spot pass" (kör nokta incelemesi) ve yapılandırılmış görüşme gibi teknikler öneriliyor. Bu yöntemler, programcıların uygulamaya geçmeden önce bilinçdışı bilgi boşluklarını sistematik olarak ortaya çıkarmalarını ve tanımlamalarını sağlıyor. Böylece Claude'a daha net, kapsamlı ve doğru problem tanımlamaları yapılabiliyor.
Bu yaklaşım, LLM entegrasyonunun odak noktasının saf model mimarisi optimizasyonundan, insan-model işbirliğinde veri kalitesi ve problem tanımlamaya kaydığını gösteriyor.
