Anthropic explica com els agents de Claude corregeixen i organitzen la memòria entre sessions revisant els registres

L'empresa descriu el «dreaming», un procés que aprofita els moments sense activitat perquè l'agent revisi les transcripcions, corregeixi notes errònies i construeixi wikis internes. Segons les proves d'Anthropic, els models més recents trien millor què han de recordar i surten més ben parats si ho decideixen sense regles fixes.

Anthropic ha publicat un article sobre com dissenya la memòria dels agents de Claude, és a dir, el coneixement que conserven entre sessions en forma de notes que poden tornar a llegir. La idea central és el «dreaming»: aprofitar el temps sense activitat perquè l'agent repassi els registres de feina, corregeixi errors i reorganitzi les notes, a imatge de la consolidació de records durant la son.

En una prova amb Pokémon Red, un model antic va crear 413 fitxers de memòria i va obtenir una medalla, mentre que un de més recent en va escriure nou i n'aconseguí quatre. Revisar les transcripcions també va permetre corregir una nota que situava malament un edifici del joc i que feia caure l'agent en un parany repetidament.

Amb un corpus de 350.000 documents interns, la wiki que Claude va construir durant 128 sessions va fer pujar els encerts del 13% al 48%. L'empresa adverteix, però, que la wiki no aporta res quan la informació es troba en un sol document i que, de vegades, acaba sent més gran que les fonts originals. Tots els resultats provenen d'avaluacions de la mateixa Anthropic.