Anthropic рассказала, как «сны» помогают Claude исправлять свою память

Anthropic подробно разобрала, как работают «сны» агентов Claude. В этом режиме агенты в паузах между задачами перечитывают журналы своей работы, исправляют неверные заметки и собирают из записей справочник. В соцсети X компания подала статью словами «Память — то, что позволяет Claude учиться на опыте».

Почему это важно: память агента — это заметки, которые он сам написал и которым сам же доверяет. Ошибочная или устаревшая запись переходит в следующую сессию и снова направляет работу. «Сны» позволяют сверить заметки с тем, что происходило на самом деле, а не с тем, как агент это запомнил.

Предыстория: «сны» Anthropic показала в мае на конференции Code with Claude. Режим работает в Claude Managed Agents — сервисе, где разработчики запускают агентов на инфраструктуре Anthropic. Пока это исследовательская предварительная версия с доступом по заявкам, а новая статья объясняет, что режим даёт на практике.

Как это работает: идею компания взяла у нейробиологов. Во сне и в спокойном отдыхе гиппокамп¹ заново «проигрывает» недавние события, и часть из них закрепляется в коре мозга как долговременное знание. У агента вместо пережитого — стенограммы прошлых сессий: Claude перечитывает их, правит старые заметки и пишет новые. Тратить простой между запросами на переработку накопленного раньше предложили исследователи стартапа Letta² и Калифорнийского университета в Беркли.

Детали: нагляднее всего это видно в игре Pokémon Red, на которой Anthropic давно проверяет Claude в долгих задачах. Пещеру Mt. Moon проходят с запада на восток, а у входа есть ловушка: уступ, с которого игрок спрыгивает обратно на пройденный маршрут и забраться назад уже не может. Claude ориентировалась по Покецентру у горы и ошибочно записала, что он стоит на восточной стороне. Выйдя из него, она объявила «Mt. Moon позади меня», пометила гору как пройденную и вскоре спрыгнула с уступа.

В прогоне без исправления Claude срывалась с уступа трижды и после третьего раза написала: «Я остановлюсь, чтобы не ходить по кругу». Автоматический ответ тестовой системы велел продолжать, и она ушла назад, в предыдущий город, так и не добравшись до следующего — Cerulean City. В другом прогоне Anthropic запустила «сон» на той же папке с памятью. Claude сверила заметку со стенограммой сессии, нашла ошибку и переписала запись, а потом сразу вернулась в Mt. Moon и в итоге дошла до Cerulean City.

Расклад: модели заметно по-разному решают, что вообще стоит запоминать. Anthropic сравнила по одному прогону двух моделей примерно через 10 тысяч шагов — так компания считает все действия агента, в том числе работу с файлами памяти, а не только ходы в игре. Claude Sonnet 3.7 завела 413 файлов в 225 папках — отдельный на каждый бой, предмет и встреченного персонажа — и заработала один значок из тех, которыми игра отмечает прогресс. Около 10-тысячного шага она за 17 шагов подряд создала шесть файлов, удалила девять и ни разу не сделала хода в игре. Claude Fable 5 обошлась девятью файлами в двух папках и общим файлом с текущей целью и планом, а значков у неё было четыре.

Sonnet 3.7 хранила даже то, что и так видно на экране, — деньги и место на карте. Fable 5 записывала то, что пропадёт, если не записать: стратегию и проверенные правила. Сильным моделям, по наблюдению Anthropic, лучше объяснить, зачем нужна память, чем диктовать правила: указание «записывай только неудачи» отняло у Claude Opus 5 и Opus 4.7 большую часть пользы от памяти в тесте на обучение по ходу работы CL-Bench.

В цифрах: «сны» умеют и строить новое — например, вики, где Claude сводит знания о предмете на связанные страницы. Агенты на Claude Opus 5 за 128 сессий собирали такую вики по внутренним документам Stainless, разработчика программ, которого Anthropic купила в мае: около 350 тыс. файлов, примерно 420 млн токенов³. Результаты такие:

• На 25 вопросах по этим документам ответы по одной вики выполнили 13% критериев оценки после двух сессий «снов» и 48% — после 128.
• Вики вместе с поиском дала 61% против 53% у одного поиска и сэкономила около 20 тыс. токенов на вопрос.
• В Harvey LAB, открытом тесте юридических задач для агентов, есть вопросы о слиянии компаний, где ответ нужно собирать из нескольких документов. На них ответы с вики выполнили 87% критериев оценки, а с одним поиском — 73%.

Многое решали инструкции. В другой задаче Harvey LAB несколько агентов одновременно заполняли общую таблицу условий договоров и затирали записи друг друга: в итоговую юридическую записку попал 41 из 57 проверяемых фактов. Тогда Claude разобрала свои неудачи и предложила новые правила: каждому договору — своя страница, которую пишет один агент, с условиями дословно, а не в пересказе. После этого в записку попали все 57.

Но: «сны» требуют вычислений и помогают не всегда. В задаче, где почти все ответы лежали в одном документе, вики явного выигрыша не дала. А из десяти документов общим объёмом 115 КБ Claude однажды собрала вики на 203 КБ — в 1,77 раза больше исходника. Anthropic вспомнила рассказ Борхеса о карте размером с саму империю: Claude «сделала чрезвычайно подробную вики, которая по сути ничего не обобщала».

Модели всё лучше понимают, что стоит записать, но «ни одна модель не может по-настоящему знать, что произойдёт в следующих ходах», пишет Anthropic. «Сны» нужны, чтобы оглянуться назад, когда это уже известно.