Anthropic, ajan belleğinin bileşenlerini ve "rüya görme"yi açıklıyor

Anthropic, 6 Kasım'da Claude ajanları için belleği nasıl ele aldığını ve "rüya görme"nin nasıl yardımcı olduğunu anlattığı "Ajan belleğinin bileşenleri" başlıklı bir yazı yayımladı. Anthropic, ajan belleğini Claude'un deneyimlerden öğrendikleri ve oturumlar arasında daha sonra okuyabileceği notlar olarak sakladıkları şeklinde tanımlıyor; ağırlık değişiklikleri, bağlam içi öğrenme ve sıkıştırma bu tanımın dışında kalıyor. Rüya görmeyi, ajanın oturumlar arasında günlükleri ve dökümleri inceleyerek hataları düzeltmesi, yeni notlar yazması ve yeni bellek gösterimleri oluşturması olarak açıklıyor.

Anthropic'in kendi değerlendirmelerinden bildirdiği bulgular:

• Öğrenme döngüleri. Continual Learning Bench (CL-Bench) 1.0'daki bir veritabanı görevinde, Claude Managed Agents ile yapılan çalışmada Anthropic, Claude Opus 5'in döngüyü tamamlayan ilk model olduğunu söylüyor: bir başarısızlığı kaydetmek, varsayımları sınamak ve bunları bir kurala dönüştürmek. Şirket, Opus 5.5 ve Sonnet 5.5'in de bu döngüyü tamamladığını belirtiyor.
• Nelerin kaydedileceğine karar verme. Pokémon Red'de Anthropic, Claude Sonnet 3.7'nin 413 bellek dosyası yazıp bir rozet kazandığını, Fable 5'in ise dokuz dosya ve bir global.md yazıp dört rozet kazandığını söylüyor.
• Yönlendirme. Claude'a yalnızca bir bellek klasörünün var olduğunu söylemek, Opus 4.7 ve Opus 5 için yeterli oldu. "Yalnızca başarısızlıkları kaydet" kuralı, bellekten elde ettikleri kazanımın büyük bölümünü azalttı. Sonnet 4.6'ya belleğini okumasını ve varsayımlarını sınamasını söylemek puanını neredeyse ikiye katladı.
• Belleği düzeltme. Rüya görme süreci, bir Pokémon Center'ın konumuyla ilgili yanlış bir notu oturum dökümüyle karşılaştırıp düzeltti; düzeltilmiş notun kullanıldığı deneme, yanlış notun kullanıldığı denemenin geçemediği Mt. Moon'u geçti.
• Wiki'ler. Anthropic'in mayıs ayında satın aldığını söylediği Stainless'tan yaklaşık 350.000 dosya (yaklaşık 420M token) kullanarak Opus 5 ajanlarına 128 oturum boyunca bir wiki oluşturtuldu. 25 sorudaki performans, değerlendirilen ölçütlerin %13'ünden %48'ine yükseldi. Arama ve wiki birlikte %61 puan alırken yalnızca arama %53 puan aldı; ayrıca soru başına yaklaşık 20.000 token tasarruf edildi. Bazı hukuki dilekçe görevlerinde wiki belirgin bir kazanım sağlamadı.

Anthropic'in 6 Kasım akşamına kadar 1.432 puana ulaştığını duyurduğu X paylaşımı.