Mythos od Anthropicu: nový framework pre 'character training' AI agentov

Anthropic predstavil Mythos — internú metodiku, ako modelu vštepiť konzistentnú 'osobnosť', hodnoty a štýl rozhodovania, ktoré sa nestratia ani po mesiacoch tréningu. Pre firmy je to návod, ako stavať vlastných doménových agentov.

Anthropic v máji 2026 publikoval výskumný post s názvom Mythos — popisujúci framework, ako pri tréningu modelov dosiahnuť konzistentnú 'character' vrstvu. Ide o snahu vyriešiť problém, ktorý trápi všetkých, kto stavia produkty nad LLM: model sa časom 'rozplynie' — odpovedá inak v pondelok než v stredu, mení tón po update systémovej promptu, stráca konzistenciu naprieč dlhými konverzáciami.

Praktický dopad pre Claude 4.5/5: model je výrazne stabilnejší pri dlhých agentských úlohách. V interných testoch Anthropic ukázal, že Claude s Mythos tréningom vydrží 40+ hodín nepretržitej práce bez 'role drift' — kedy si agent začne improvizovať novú identitu alebo ignorovať pôvodné inštrukcie.

Pre firmy, ktoré stavajú vlastných doménových agentov (právny asistent, HR partner, customer support), je Mythos dôležitým signálom: namiesto stovky stránkového system promptu sa oplatí investovať do pár jasných 'character princípov', ktoré sú stručné, konkrétne a vzájomne konzistentné. Anthropic odporúča maximálne 7–10 hlavných princípov.

Mythos zatiaľ nie je open-source framework — je to interná metodika Anthropicu. Ale princípy sú prenositeľné. V kombinácii s Constitutional AI (verejne dostupný prístup od 2022) dostávajú firmy návod, ako si nastaviť vlastný 'charakterový rámec' pre agenta a vyhodnocovať ho pomocou červeného teamu.

Pre AI bezpečnosť je to dobrá správa. Stabilný charakter modelu znamená predvídateľnejšie správanie pri neočakávaných vstupoch — od jailbreak pokusov až po reálne enterprise edge-cases. Pre regulátorov v rámci EU AI Act je to navyše argument, že 'human oversight' nemusí byť len o monitoringu výstupu, ale aj o dokumentovaní hodnotového rámca samotného modelu.

„Mythos rieši tento problém tak, že počas tréningu modelu nebuduje len 'znalosti' a 'zručnosti', ale aj tretiu vrstvu — naratívne jadro. To zahŕňa: hodnoty (čo je pre model dôležité), štýl uvažovania (ako pristupuje k neznámym problémom), spôsob priznania chyby a hranice (čo neurobí ani pod tlakom prompt injection).“

Dopad na biznis

Stabilnejší charakter modelu znamená spoľahlivejších doménových agentov a menej regresie po update. Firmy by mali zdokumentovať 'character princípy' svojich agentov.

Čo spraviť teraz

• Zdokumentujte hodnoty a hranice vášho doménového agenta.
• Skráťte system prompt na 7–10 jasných princípov.
• Pravidelne testujte agenta na 'role drift' pri dlhých konverzáciách.

Záver

Stabilnejší charakter modelu znamená spoľahlivejších doménových agentov a menej regresie po update. Firmy by mali zdokumentovať 'character princípy' svojich agentov. Pre slovenské firmy odporúčame začať malým pilotom s jasnou metrikou a vyhodnotením po 4–6 týždňoch.

Často kladené otázky

Pre koho je táto novinka relevantná?

Najmä pre firmy, ktoré pracujú v oblasti anthropic & claude a hľadajú spôsoby, ako zefektívniť procesy s pomocou AI.

Aký je odporúčaný ďalší krok?

Začnite malým pilotom s jasne definovanou metrikou a vyhodnoťte ROI po 4–6 týždňoch.