Cualquiera que haya trabajado con un agente de IA en un proyecto de varios días conoce el muro: cada nueva sesión comienza desde cero. En una nueva publicación de investigación, Anthropic describe cómo Claude está diseñado para retener el conocimiento a lo largo de las sesiones mientras el modelo subyacente permanece sin cambios, escribiendo notas en una carpeta que puede leer más tarde. El hallazgo sorprendente es que la parte más difícil de la memoria del agente no es el almacenamiento. Es selección.

El problema central, según Anthropic, es que un agente tiene que decidir en el momento qué podría importar más adelante, antes de saber qué viene después. Cada nota es una apuesta al futuro. Si se almacena muy poco, el agente repetirá sus errores; Si se almacena demasiado, el archivo se vuelve obsoleto, devora el contexto y arrastra los errores indefinidamente.

La prueba Pokémon: 413 archivos, una insignia

Para ilustrar el modo de falla, Anthropic señaló las pruebas realizadas dentro de Pokémon Red. Claude Sonnet 3.7, un modelo más antiguo, trataba todo como potencialmente importante. En aproximadamente 10.000 pasos del juego, creó 413 archivos repartidos en 225 carpetas, a menudo un archivo separado para cada batalla y elemento que encontró. Debido a que el estado del juego seguía cambiando, el archivo quedó obsoleto casi tan rápido como fue escrito. Por momentos, el modelo no hacía más que reorganizar sus notas en lugar de tocar, y terminaba la tirada con una sola insignia.

El nuevo Claude Fable 5 adoptó el enfoque opuesto: limitó su memoria a un puñado de archivos y obtuvo cuatro insignias. Fable 5 no registró información que ya estaba visible en la pantalla, sino que anotó planes, estrategias y reglas que había probado. Anthropic advierte que la comparación cubre solo una jugada por modelo, por lo que el resultado es indicativo más que definitivo, pero la dirección es consistente con el consejo más amplio de la compañía.

Ese consejo es explicarle el propósito de la memoria a Claude y dejar que el modelo decida cómo usarla. En un punto de referencia, instrucciones rígidas como "sólo registrar errores" eliminaron la mayor parte de la ventaja para los modelos más fuertes. Los modelos más antiguos, por el contrario, se beneficiaron de instrucciones claras, como que se les dijera que leyeran sus notas antes de cada respuesta.

Soñar: auditar la memoria después del hecho

El mayor riesgo en los agentes de larga trayectoria no es el olvido: es confiar en billetes defectuosos. La respuesta de Anthropic es un proceso que llama Dreaming, una idea que se basa en la investigación de Letta y UC Berkeley. Así como el cerebro humano consolida experiencias durante el sueño, Claude revisa transcripciones de sesiones anteriores durante un descanso y compara sus notas con lo que realmente sucedió.

En la prueba de Pokémon, Claude había anotado incorrectamente en qué lado de una montaña se encontraba un punto de referencia. Confiando en esa nota errónea, el agente cayó en la misma trampa tres veces, finalmente quiso darse por vencido y falló su objetivo. Después de un pase de Dreaming, Claude detectó el error al comparar la nota con la transcripción y encontró el camino correcto.

Los sueños también pueden organizar bases de conocimientos mucho más amplias. Claude creó un wiki vinculado a partir de aproximadamente 350.000 documentos internos de Stainless, una empresa de software adquirida por Anthropic, y Dreaming generó nuevas páginas mientras reparaba espacios, duplicados y enlaces rotos. La recompensa fue mayor cuando Claude pudo combinar el wiki con la búsqueda, por lo que la memoria curada funcionó como complemento de la recuperación en lugar de reemplazarla.

Cuando un Wiki supera a la búsqueda

En una prueba legal separada realizada por Anthropic, una wiki curada ayudó más en las preguntas cuyas respuestas estaban distribuidas en varios documentos. Claude obtuvo una puntuación del 87 por ciento con el wiki, en comparación con el 73 por ciento utilizando únicamente la búsqueda. Para tareas de búsqueda simples, el wiki funcionó aproximadamente a la par con la búsqueda y, en un caso, incluso creció más que los documentos fuente que resumió.

Anthropic es sincero sobre los problemas abiertos. Tomar notas a mitad de la tarea distrae al agente de su trabajo. Soñar cuesta un cálculo adicional y sus resultados llegan sólo después de un retraso. Los wikis y las notas también necesitan un mantenimiento regular, o se acumulan errores y alucinaciones. Y la compañía advierte contra la carga automática de demasiados recuerdos en cada sesión, porque consumen contexto y transmiten cualquier mala nota a cada sesión futura.

De la vista previa de la investigación al producto

Soñar en sí no es nuevo: Anthropic lo presentó en mayo como un avance de la investigación para Claude Managed Agents, la plataforma en la nube de la compañía para agentes de IA. El servicio lee un almacén de memoria existente y hasta 100 sesiones pasadas, elimina entradas duplicadas y obsoletas y crea un almacén reorganizado sin modificar el original. En el lanzamiento fue compatible con Claude Opus 4.7 y Sonnet 4.6. Desde entonces, OpenAI tomó prestada la marca para su propia revisión de la memoria de ChatGPT en junio, a la que también llama "Dreaming", un sistema en segundo plano que mantiene un perfil de usuario y corrige automáticamente la información obsoleta.

La conclusión general de la investigación de Anthropic es que la memoria de un agente útil depende menos de almacenar la mayor cantidad posible que de mantener la información correcta y corregir errores más adelante. Mientras los laboratorios se apresuran a crear agentes que puedan funcionar de manera confiable durante días y semanas en lugar de minutos, la curación de la memoria se está convirtiendo silenciosamente en una frontera competitiva propia. Puede seguir los últimos desarrollos de IA en la investigación de agentes en AI Buzz Wire.

Manténgase por delante de la IA

La investigación de agentes avanza rápidamente y la memoria es el próximo campo de batalla. Obtenga todas las actualizaciones, además de los últimos desarrollos de IA de todos los laboratorios importantes, en AI Buzz Wire.

Leer más noticias sobre IA →