数日間にわたるプロジェクトで AI エージェントと協力したことのある人なら誰でも、新しいセッションはすべてゼロから始まるという壁を知っています。新しい研究投稿の中で、Anthropic は、基礎となるモデルを変更せずに、後で読み返せるフォルダーにメモを書き込むことで、Claude がセッション間で知識を保持するように設計されている方法について説明しています。驚くべき発見は、エージェントの記憶の中で最も困難な部分はストレージではないということです。それは選択です。

Anthropic 氏によると、中心的な問題は、エージェントが次に何が起こるかを知る前に、後で重要になる可能性のあるものをその瞬間に決定しなければならないことです。すべての音符は未来への賭けです。保存する量が少なすぎると、エージェントは間違いを繰り返します。保存しすぎるとアーカイブが古くなり、コンテキストが消費され、エラーが無期限に転送されます。

ポケモンテスト: 413 ファイル、1 つのバッジ

失敗モードを説明するために、Anthropic 氏はポケットモンスター 赤内で実行されるテストを指摘しました。古いモデルである Claude Sonnet 3.7 は、すべてを潜在的に重要なものとして扱いました。約 10,000 のゲーム ステップにわたって、225 のフォルダーにまたがる 413 のファイルが作成されました。多くの場合、遭遇した戦闘やアイテムごとに個別のファイルが作成されました。ゲームの状態は変化し続けるため、アーカイブは書かれるのとほぼ同じ速さで古くなってしまいました。時々、モデルは演奏する代わりにメモを再構成するだけで、バッジを 1 つだけ残して実行を終了しました。

新しい Claude Fable 5 は逆のアプローチを採用し、メモリを少数のファイルに制限し、4 つのバッジを獲得しました。 Fable 5 は画面上にすでに表示されている情報を記録せず、代わりにテストした計画、戦略、ルールを書き留めました。 Anthropic は、この比較はモデルごとに 1 回のプレイスルーのみを対象としているため、結果は決定的なものではなく指標にすぎないと警告していますが、その方向性は同社の広範なアドバイスと一致しています。

そのアドバイスは、記憶の目的をクロードに説明し、それをどのように使用するかはモデルに決定させることです。あるベンチマークでは、「間違いだけを記録する」などの厳格な指示により、より強力なモデルの利点のほとんどが失われてしまいました。対照的に、古いモデルは、応答する前にメモを実際に読むように指示されるなど、明確な指示の恩恵を受けていました。

夢を見る: 事後の記憶の監査

長期にわたるエージェントのより大きなリスクは、忘れることではなく、欠陥のあるメモを信頼することです。 Anthropic の答えは、同社がドリーミングと呼ぶプロセスであり、レッタとカリフォルニア大学バークレー校の研究に基づいたアイデアです。人間の脳が睡眠中に経験を定着させるのと同じように、クロードは休憩中に以前のセッションの記録を調べ、そのメモを実際に起こったことと照合します。

ポケモンのテストで、クロードはランドマークが山のどちら側にあるのかを間違えてしまいました。その間違ったメモを頼りに、エージェントは同じ罠に 3 回陥り、最終的には諦めようとして、目標を達成できませんでした。ドリーミングのパスの後、クロードはメモと記録を照合してエラーを発見し、正しい道を見つけました。

夢を見ることで、より大規模な知識ベースを整理することもできます。クロードは、Anthropic が買収したソフトウェア会社、Stainless の約 350,000 件の内部文書からリンクされた Wiki を構築し、Dreaming はギャップ、重複、リンク切れを修正しながら新しいページを生成しました。クロードが Wiki と検索を組み合わせることができたとき、その成果は最大でした。そのため、厳選された記憶が検索の代替としてではなく、検索を補完するものとして機能しました。

Wiki が検索に勝つとき

Anthropic が実施した別の法的テストでは、回答が複数の文書にまたがる質問については、厳選された Wiki が最も役に立ちました。クロードは Wiki を使用して 87% のスコアを獲得しましたが、検索のみを使用した場合は 73% でした。単純な検索タスクについては、Wiki は検索とほぼ同等のパフォーマンスを発揮しました。また、あるケースでは、Wiki が要約したソース文書よりも規模が大きくなったことさえありました。

アントロピック氏は未解決の問題について率直に語ります。タスクの途中でメモを取ると、エージェントは作業に集中できなくなります。夢を見るには追加の計算コストがかかり、その結果は遅延後にのみ到着します。 Wiki やメモも定期的にメンテナンスする必要があり、そうしないとエラーや幻覚が山積します。また、同社は、すべてのセッションに過剰なメモリを自動的にロードしないように警告しています。ロードするとコンテキストが消費され、悪いメモがその後のすべてのセッションに引き継がれるからです。

リサーチプレビューから製品まで

夢を見ること自体は新しいことではありません。Anthropic は、同社の AI エージェント用クラウド プラットフォームである Claude Managed Agents のリサーチ プレビューとして、これを 5 月に導入しました。このサービスは、既存のメモリ ストアと最大 100 個の過去のセッションを読み取り、重複した古いエントリを削除し、元のメモリ ストアをそのまま残したまま再編成されたストアを作成します。起動時には、Claude Opus 4.7 と Sonnet 4.6 をサポートしていました。 OpenAIはその後、6月に自社のChatGPTのメモリオーバーホールのブランド名を借用した。同社はこれを「Dreaming」とも呼んでいる。これは、ユーザープロファイルを維持し、古い情報を自動的に修正するバックグラウンドシステムだ。

Anthropic の研究から得られる全体的な結論は、エージェントの有用な記憶は、できるだけ多くの情報を保存することよりも、正しい情報を保持し、後で間違いを修正することに依存しているということです。研究所が数分ではなく数日、数週間にわたって確実に動作するエージェントの構築を競う中、メモリキュレーションは密かに独自の競争フロンティアになりつつあります。エージェント研究における最新の AI 開発については、AI Buzz Wire でフォローできます。

AI の一歩先を行く

エージェントの研究は急速に進んでおり、次の戦場は記憶です。 AI Buzz Wire で、すべてのアップデートと主要な研究機関からの最新の AI 開発情報を入手してください。

AIニュースをもっと読む→