Anthropic ने एजेंट मेमोरी के घटकों और “ड्रीमिंग” के बारे में बताया

Anthropic ने 6 नवंबर को “एजेंट मेमोरी के घटक” शीर्षक से एक पोस्ट प्रकाशित की। इसमें बताया गया कि वह Claude एजेंटों की मेमोरी को किस तरह देखती है और “ड्रीमिंग” किस तरह मदद करती है। Anthropic के अनुसार, एजेंट मेमोरी वह है जो Claude अनुभव से सीखता है और सत्रों के बीच नोट्स के रूप में सहेजकर रखता है, जिन्हें वह बाद में पढ़ सकता है; वज़न में बदलाव, इन-कॉन्टेक्स्ट लर्निंग और कॉम्पैक्शन इस परिभाषा के दायरे में नहीं आते। Anthropic ने ड्रीमिंग को सत्रों के बीच एजेंट द्वारा अपने लॉग और ट्रांसक्रिप्ट पर विचार करने की प्रक्रिया बताया है, ताकि वह गलतियाँ सुधार सके, नए नोट्स लिख सके और मेमोरी के नए निरूपण बना सके।

Anthropic ने अपने मूल्यांकनों से ये निष्कर्ष बताए:

• सीखने के चक्र। Continual Learning Bench (CL-Bench) 1.0 के एक डेटाबेस कार्य में, जिसे Claude Managed Agents के साथ चलाया गया, Anthropic का कहना है कि Claude Opus 5 ऐसा पहला मॉडल था जिसने पूरा चक्र पूरा किया: विफलता दर्ज करना, सिद्धांतों को परखना और उन्हें नियम में बदलना। उसका कहना है कि Opus 5.5 और Sonnet 5.5 ने भी यह चक्र पूरा किया।
• क्या सहेजना है, इसका निर्णय। Pokémon Red में Anthropic के अनुसार, Claude Sonnet 3.7 ने 413 मेमोरी फ़ाइलें लिखीं और एक बैज हासिल किया, जबकि Fable 5 ने नौ फ़ाइलें और एक global.md लिखा और चार बैज हासिल किए।
• दिशा-निर्देशन। Claude को केवल यह बताना कि एक मेमोरी फ़ोल्डर मौजूद है, Opus 4.7 और Opus 5 के लिए पर्याप्त था। “सिर्फ़ विफलताएँ दर्ज करो” वाले नियम ने मेमोरी से मिले उनके फ़ायदे का बड़ा हिस्सा घटा दिया। Sonnet 4.6 को अपनी मेमोरी पढ़ने और अपने सिद्धांतों को परखने का निर्देश देने से उसका स्कोर लगभग दोगुना हो गया।
• मेमोरी में सुधार। ड्रीमिंग ने Pokémon Center की जगह के बारे में एक गलत नोट को सत्र के ट्रांसक्रिप्ट से मिलाकर जाँचा और उसे फिर से लिखा। सुधारे गए नोट वाले प्रयास में Mt. Moon पार किया गया, जबकि बिना सुधारे नोट वाले प्रयास में ऐसा नहीं हुआ।
• विकियाँ। Stainless की लगभग 350,000 फ़ाइलों (करीब 420M tokens) का उपयोग करके—जिसे Anthropic के अनुसार उसने मई में अधिग्रहित किया था—Opus 5 एजेंटों से 128 सत्रों में एक विकी बनवाई गई। 25 सवालों पर प्रदर्शन, मूल्यांकित मानदंडों के 13% से बढ़कर 48% हो गया। खोज और विकी के साथ स्कोर 61% रहा, जबकि केवल खोज के साथ यह 53% था; साथ ही, प्रति सवाल लगभग 20,000 tokens की बचत हुई। कुछ कानूनी ब्रीफ़ वाले कार्यों में विकी से कोई स्पष्ट लाभ नहीं दिखा।

Anthropic की X पर पोस्ट, जिसमें उसने बताया कि 6 नवंबर की शाम तक उसके 1,432 अंक हो गए थे।