Alla som har arbetat med en AI-agent i ett projekt som sträcker sig över flera dagar känner till väggen: varje ny session börjar från början. I ett nytt forskningsinlägg beskriver Anthropic hur Claude är designad för att behålla kunskap över sessioner medan den underliggande modellen förblir oförändrad - genom att skriva anteckningar till en mapp som den kan läsa tillbaka senare. Den överraskande upptäckten är att den svåraste delen av agentminnet inte är lagring. Det är urval.
Kärnproblemet, enligt Anthropic, är att en agent måste bestämma sig i ögonblicket vad som kan ha betydelse senare, innan den vet vad som kommer härnäst. Varje ton är en satsning på framtiden. Lagra för lite och agenten upprepar sina misstag; lagra för mycket och arkivet blir inaktuellt, äter sammanhang och för vidare fel i det oändliga.
Pokémontestet: 413 filer, ett märke
För att illustrera felläget pekade Anthropic på tester som kördes inuti Pokémon Red. Claude Sonnet 3.7, en äldre modell, behandlade allt som potentiellt viktigt. Över ungefär 10 000 spelsteg skapade den 413 filer fördelade på 225 mappar - ofta en separat fil för varje strid och föremål den stötte på. Eftersom speltillståndet hela tiden förändrades, blev arkivet inaktuellt nästan lika snabbt som det skrevs. Ibland gjorde modellen inget annat än att organisera om sina toner istället för att spela, och den avslutade körningen med ett enda märke.
Den nyare Claude Fable 5 tog motsatt tillvägagångssätt: den begränsade sitt minne till en handfull filer och fick fyra märken. Fabel 5 registrerade inte information som redan var synlig på skärmen, utan skrev istället ner planer, strategier och regler som den hade testat. Anthropic varnar för att jämförelsen bara täcker en enda genomgång per modell, så resultatet är vägledande snarare än definitivt - men riktningen är förenlig med företagets bredare råd.
Det rådet är att förklara syftet med minnet för Claude och låta modellen bestämma hur det ska användas. I ett riktmärke raderade stela instruktioner som "bara spela in misstag" bort de flesta fördelarna för starkare modeller. Äldre modeller, däremot, gynnades av tydliga instruktioner, som att bli tillsagd att faktiskt läsa sina anteckningar före varje svar.
Dreaming: Auditing Memory After the Fact
Den större risken med långvariga agenter är att inte glömma - det är att lita på felaktiga anteckningar. Anthropics svar är en process som den kallar Dreaming, en idé som bygger på forskning från Letta och UC Berkeley. Mycket som den mänskliga hjärnan konsoliderar upplevelser under sömnen, går Claude igenom utskrifter av tidigare sessioner under en paus och kontrollerar sina anteckningar mot vad som faktiskt hände.
I Pokémon-testet hade Claude felaktigt noterat vilken sida av ett berg ett landmärke var på. Med den där felaktiga lappen föll agenten i samma fälla tre gånger, ville så småningom ge upp och missade sitt mål. Efter ett Dreaming-pass fångade Claude felet genom att kontrollera lappen mot utskriften och hittade rätt väg.
Att drömma kan också organisera mycket större kunskapsbaser. Claude byggde en länkad wiki från cirka 350 000 interna dokument från Stainless, ett mjukvaruföretag som Anthropic förvärvade, där Dreaming genererade nya sidor samtidigt som de fixade luckor, dubbletter och trasiga länkar. Utdelningen var störst när Claude kunde kombinera wikin med sökning, så det kurerade minnet fungerade som ett komplement till hämtning snarare än en ersättning för det.
När en Wiki Beats Search
I ett separat juridiskt test utfört av Anthropic, hjälpte en kurerad wiki mest på frågor vars svar var spridda över flera dokument. Claude fick 87 procent med wikin, jämfört med 73 procent med enbart sökning. För enkla uppslagsuppgifter utförde wikin ungefär i nivå med sökning - och i ett fall blev den till och med större än källdokumenten den sammanfattade.
Anthropic är uppriktig om de öppna problemen. Att ta anteckningar mitt i uppgiften distraherar agenten från sitt arbete. Att drömma kostar extra beräkning, och resultaten kommer först efter en fördröjning. Wikis och anteckningar behöver också regelbundet underhåll, annars hopar sig fel och hallucinationer. Och företaget varnar för att automatiskt ladda för många minnen i varje session, eftersom de äter upp sammanhang och skickar alla dåliga anteckningar till varje framtida session.
Från forskningsförhandsgranskning till produkt
Att drömma i sig är inte nytt: Anthropic introducerade det i maj som en forskningsförhandsvisning för Claude Managed Agents, företagets molnplattform för AI-agenter. Tjänsten läser ett befintligt minneslager och upp till 100 tidigare sessioner, tar bort dubbletter och inaktuella poster och skapar en omorganiserad butik samtidigt som originalet lämnas orörd. Vid lanseringen stödde den Claude Opus 4.7 och Sonnet 4.6. OpenAI har sedan dess lånat varumärket för sin egen minnesöversyn av ChatGPT i juni, som den också kallar "Dreaming" - ett bakgrundssystem som upprätthåller en användarprofil och automatiskt korrigerar föråldrad information.
Det övergripande draget från Anthropics forskning är att ett användbart agentminne är mindre beroende av att lagra så mycket som möjligt än att behålla rätt information och rätta till misstag senare. När laboratorier tävlar om att bygga agenter som kan arbeta tillförlitligt i dagar och veckor snarare än minuter, håller minneskurering tyst på att bli en egen konkurrensgräns. Du kan följa den senaste AI-utvecklingen inom agentforskning på AI Buzz Wire.
Ligg före AI
Agentforskningen går snabbt framåt, och minnet är nästa slagfält. Få varje uppdatering, plus den senaste AI-utvecklingen från alla större labb, på AI Buzz Wire.
Läs mer AI-nyheter →