让模型从 5 个 agent run 中挑 1 个提交，Fable 5.1 在 Terminal-Bench 4.0 从 58% 升到 70%

TuXinming 提出的思路是隐藏 run 的执行结果，把 5 个 run 交给另一个 agent 只问一句「这个任务完成了吗」，挑出最可能成功的一个提交评分，zainhas 转评称其 insightful，并称模型当裁判很差但当选择者很好，Fable 5.1 在 Terminal-Bench 4.0 上由此从 58% 拉到 70%，相当于免费提取 pass@5 的上限。