Anthropic: компактная память может быть эффективнее полных журналов для долгих AI-задач

Anthropic проверила, как AI-агентам сохранять знания между длинными задачами. Исследователи сравнили сырые журналы, компактные заметки, структурированные wiki и фоновую рефлексию, которую назвали «dreaming». Результаты показывают, что больше контекста не всегда лучше: агентам полезнее сохранять проверенные правила и возвращаться к прежним данным, чтобы исправлять ошибочные выводы.

В эксперименте с Pokémon Red примерно после 10 тыс. шагов старый агент Claude создал 413 файлов в 225 папках и получил один значок. Более новый агент Fable 5 сохранил девять файлов в двух папках и одну общую заметку, но заработал четыре значка. По данным Anthropic, Claude Opus 5.5 затем прошёл игру с такой же небольшой папкой памяти.

Команда также дала агентам доступ к внутреннему программному корпусу Stainless — около 350 тыс. файлов и 420 млн токенов. Агенты Claude Opus 5 строили wiki в серии сессий. В 25 контрольных вопросах доля выполненных критериев выросла с 13% после двух сессий рефлексии до 48% после 128. В другом тесте рефлексия обнаружила неверное правило навигации и исправила его до повторения ошибки.

Практический вывод: долговременной памяти агента нужны отбор, проверка и периодический пересмотр, а не только увеличенное контекстное окно. Но исследование ограничено контролируемыми игровыми задачами и одним внутренним корпоративным корпусом, поэтому оно не доказывает универсальность этого подхода для продакшена.