IT之家 7 de noviembre: Ayer (6 de noviembre), Anthropic publicó el artículo de investigación “The components of agent memory”, que desglosa sistemáticamente cómo el agente Claude recuerda entre sesiones, filtra, corrige errores y organiza el conocimiento.
La investigación señala que los agentes de IA pueden aprender del mecanismo del cerebro humano de “organizar recuerdos durante el sueño”, reflexionando sobre el historial, corrigiendo errores y construyendo estructuras de conocimiento en el tiempo libre, mejorando así significativamente el rendimiento en tareas de largo plazo.
El estudio divide la memoria del agente en cuatro capas: registros de sesión, notas de memoria, representación del conocimiento (como un Wiki) y contexto inyectado, e introduce un mecanismo de “soñar” (dreaming), que permite al modelo revisar los registros, corregir errores, destilar reglas y actualizar la base de conocimiento durante el tiempo libre entre dos interacciones.
El equipo de investigación considera que la IA puede, igual que el cerebro humano consolida la memoria durante el sueño, transformar gradualmente la experiencia inmediata en conocimiento a largo plazo reutilizable. Claude marca eventos importantes o escribe notas de memoria durante las sesiones, pero no toda la información merece ser guardada: necesita determinar qué contenidos serán realmente útiles en el futuro.
Anthropic señala quela memoria es esencialmente una predicción del futuro; por ejemplo, registrar una regla ya verificada significa que el modelo espera depender de ella de nuevo en el futuro。
En la tarea de preguntas y respuestas sobre bases de datos del benchmark de aprendizaje continuo CL-Bench, los modelos Claude con capacidad de memoria superaron claramente a las líneas base sin memoria. Claude Opus 5.5 y Sonnet 5.5, al usar memoria, alcanzaron puntuaciones medias de 0.838 y 0.833 respectivamente, mientras que sus líneas base sin memoria fueron 0.655 y 0.644. Los modelos más potentes pueden formar de manera autónoma un ciclo de aprendizaje de “fallo — reflexión — verificación — síntesis de reglas”.
En la prueba del juego Pokémon Rojo, Anthropic también descubrió que la memoria “poca pero buena” es más eficaz. Claude Fable 5 mantuvo solo 10 archivos de memoria y obtuvo 4 insignias, mientras que Sonnet 3.7 escribió 413 archivos y solo obtuvo 1 insignia. El estudio considera que el modelo debe priorizar el guardado de estrategias, planes y reglas probadas, en lugar del estado cambiante de la pantalla.
El mecanismo de “soñar” también mostró capacidad de corrección de errores. Cuando Claude registró erróneamente la ubicación de un Centro Pokémon y se perdió por ello, el sistema corrigió la memoria comparando con los registros originales de la sesión, permitiéndole finalmente llegar con éxito a la siguiente ciudad; las ejecuciones sin memoria corregida repetían el camino de ida y vuelta sin lograr el objetivo.
En una prueba con aproximadamente 350.000 documentos empresariales, Claude construyó gradualmente un Wiki mediante múltiples rondas de “soñar”. A medida que la escala del “soñar” se amplió de 2 sesiones a 128, la tasa de acierto en 25 preguntas pasó del 13% al 48%; al combinar el Wiki con herramientas de búsqueda, la puntuación global subió del 54% al 61%.
Anthropic afirma que la memoria de agentes aún enfrenta desafíos como cuándo escribir, cómo mantenerla actualizada y cómo evitar la acumulación de errores. En el futuro, la IA podría ser mejor en “repasar la experiencia” tras completar tareas, convirtiendo interacciones dispersas en conocimiento a largo plazo transferible y verificable.
IT之家 adjunta la dirección de referencia
Lecturas relacionadas: