Anthropic divide la memoria de los agentes en notas, juicios de relevancia y un "sueño" fuera de línea

Anthropic publicó el 6 de noviembre un texto de investigación en el que explica cómo entiende la memoria de los agentes de IA. La empresa usa una definición acotada: el conocimiento que Claude obtiene de la experiencia y conserva en un formato legible de una sesión a otra. Quedan fuera los cambios en los pesos del modelo, el aprendizaje en contexto y la compactación de conversaciones largas.

Tres piezas básicas

La primera es la nota de memoria. Durante una tarea, Claude puede marcar acontecimientos o escribir entradas en un almacén de memoria, y el texto plantea cada nota como una apuesta a que esa información volverá a hacer falta. La segunda es la relevancia: decidir qué guardar sin saber qué vendrá después. Según Anthropic, los modelos más capaces eligieron mejor cuando se les dejó decidir que cuando se les impusieron reglas fijas. La tercera es lo que la compañía llama "soñar", una revisión fuera de línea, inspirada en el sueño, que relee transcripciones y registros para corregir errores, redactar notas nuevas o construir referencias estructuradas como wikis.

Para medir el efecto, Anthropic presentó CL-Bench 1.0. En su tarea de base de datos, cada pregunta se resolvía en una sesión nueva de Claude Managed Agents y lo único que se mantenía era un directorio de memoria persistente. Con él, Opus 5.5 pasó de 0,655 a 0,838 de recompensa media y Sonnet 5.5, de 0,644 a 0,833. El más antiguo Sonnet 4.6 apenas mejoró (de 0,330 a 0,364); el texto señala que consultaba su memoria antes de responder menos de la mitad de las veces, y con instrucciones más precisas llegó a 0,641.

Ejemplos y límites reconocidos

Otros experimentos se hicieron con Pokémon Rojo. Un modelo antiguo acumuló 413 archivos; uno posterior se quedó con 10 y consiguió más medallas. En otra partida, el "sueño" corrigió una nota equivocada sobre un lugar del mapa que había atrapado al agente en un bucle. Con un corpus de unos 350.000 archivos de Stainless, empresa adquirida por Anthropic, un wiki construido a lo largo de 128 sesiones elevó la puntuación de Opus 5 en 25 preguntas del 13 % al 48 % de los criterios evaluados, según la publicación. Interesting Engineering, que informó sobre el trabajo, también destaca estas pruebas.

Anthropic es explícita sobre los puntos débiles. La consolidación consume cómputo, anotar en mitad de una tarea puede distraer del trabajo, las notas incorrectas u obsoletas pueden tomarse como fiables en sesiones posteriores y, en una prueba, el wiki terminó siendo más grande que los documentos que resumía. El texto no presenta el "sueño" como una función comercial; remite a guías prácticas y a herramientas ya existentes.