Выборочные заметки против полного архива

Anthropic изучила, как Claude может сохранять знания между сессиями, не меняя саму модель: агент записывает заметки в папку и читает их позднее. По выводу компании, ключевая задача — решить, что пригодится в будущем, а не просто накопить как можно больше данных.

В тесте с Pokémon Red Claude Sonnet 3.7 за примерно 10 000 игровых шагов создал 413 файлов в 225 папках и завершил прохождение лишь с одним значком. Claude Fable 5 ограничился примерно 10 файлами с планами, проверенными стратегиями и правилами и получил четыре значка. Anthropic подчёркивает, что сравнение включает только по одному прохождению каждой модели.

Исследователи также сообщают, что жёсткое правило вроде «записывай только ошибки» уменьшало преимущество более сильных моделей. Старым моделям, напротив, могли помогать конкретные инструкции, например перечитывать заметки перед ответом. Описание подхода Anthropic

Dreaming сверяет заметки с прошлыми сессиями

В подходе Dreaming Claude во время перерыва просматривает записи предыдущих сессий и проверяет сохранённые заметки по их расшифровкам. В игровом тесте модель несколько раз повторила ошибку из-за неверной записи о расположении ориентира у горы. После такой проверки Claude исправил заметку и нашёл путь дальше.

Anthropic также проверила Dreaming на базе примерно из 350 000 внутренних документов Stainless. Система формировала связанную вики, исправляя пробелы, дубликаты и неработающие ссылки. В тесте с 25 вопросами сочетание вики и поиска повысило долю выполненных критериев с 54% до 61%. В отдельной юридической проверке вики помогла ответить на вопросы, требовавшие сведений из нескольких документов: результат составил 87% против 73% у одного поиска.

Ограничения метода

Anthropic указывает, что ведение заметок может отвлекать агента от задачи, а Dreaming требует дополнительных вычислений и даёт результат с задержкой. Заметки и вики необходимо поддерживать в актуальном состоянии: иначе ошибки и галлюцинации могут перейти в будущие сессии. Если загружать туда слишком много воспоминаний, они занимают контекст и передают дальше неверные сведения.

Все приведённые тесты проведены Anthropic. Компания представила Dreaming в мае как исследовательскую предварительную версию для Claude Managed Agents; при запуске функция поддерживала Claude Opus 4.7 и Sonnet 4.6.