Michael JohnsonPokud si AI agent zapamatuje nesprávný fakt, může stejnou chybu v další relaci sebejistě zopakovat. Studie, kterou Anthropic zveřejnila 6. listopadu 2026, popisuje způsob, jak mezi úlohami záznamy znovu procházet: agent je porovnává se záznamy předchozí práce, opravuje nepřesnosti a propojuje užitečné informace. Společnost tento proces na pozadí nazývá „sněním“.
Praktický závěr pro ty, kdo navrhují dlouhodobě fungující agenty: paměť je vhodné hodnotit ne podle počtu uložených poznámek, ale podle toho, zda systém dokáže ověřovat jejich původ, aktualizovat změněné informace a najít potřebné údaje ve velkém archivu. Experimenty Anthropic ukazují přínosy tohoto přístupu i podmínky, za kterých paměť začíná překážet.
Co výzkumníci označují jako paměť agenta
V popisu součástí paměti Anthropic definuje paměť jako znalosti z minulých interakcí a úloh, které se uchovávají mezi relacemi v podobě kontextu dostupného agentovi. Jde o samostatnou vrstvu systému: jedná se o poznámky, soubory, indexy a další externí reprezentace, nikoli o změnu parametrů modelu nebo běžné stručné shrnutí aktuální konverzace.
Schéma má několik úrovní. Záznam nebo přepis dokumentuje události; poznámky vyzdvihují jednotlivá pozorování; propojené reprezentace, například wiki, shromažďují informace podle témat; malou horní vrstvu lze předem načíst do nové relace. Agent musí rozhodovat, co uložit, co později ověřit a co rovnou předat dalšímu spuštění.
Poslední rozhodnutí je obzvlášť obtížné: význam události často vyjde najevo až poté, co agent uvidí pokračování. Anthropic proto zkoumala rozdělení na práci během relace a zpracování na pozadí. Během práce agent ukládá záznamy a poznámky; později je může samostatný průchod znovu posoudit, porovnat zdroje a aktualizovat strukturu paměti.
Jak mechanismus testovali
Místo jednoho obecného testu společnost popsala několik úloh: otázky nad znalostní bází, hraní Pokémon Red, vytváření wiki z firemních dokumentů a přípravu právního memoranda o podmínkách obchodních dohod. Tato sada prověřuje různé funkce paměti: uchovávání pravidel mezi relacemi, výběr užitečných podrobností, opravu chyby a propojování informací z více dokumentů.
V jedné úloze se znalostní bází začínala každá otázka v nové relaci. Mezi relacemi se uchovávala pouze složka s pamětí, do níž model mohl nahlížet. Výzkumníci porovnávali výkon s pamětí a bez ní a sledovali také to, jak modely vytvářejí záznamy. Anthropic upozorňuje na důležitý rozdíl: poznámka s ověřeným pravidlem a vysvětlením jeho původu může pomoci při další otázce, zatímco soubor neověřených odhadů nevytváří spolehlivý učební cyklus.
V samostatném experimentu agent vytvořil wiki z přibližně 350 tisíc interních dokumentů o zhruba 420 milionech tokenů. Následujících 128 relací stránky doplňovalo a kontrolovalo, opravovalo odkazy a slučovalo duplicity. Ověření se skládalo z 25 otázek nad korpusem. Jde o úzce vymezenou experimentální úlohu s danou sadou dokumentů, nikoli o univerzální hodnocení paměti pro libovolné agenty.
Co experimenty ukázaly
V úloze se znalostní bází paměť zvýšila průměrný výsledek u několika modelů. Například u Opus 5.5 vzrostl průměrný podíl splněných kritérií z 0,655 bez úložiště na 0,838 s ním; u Sonnet 5.5 z 0,644 na 0,833. Výsledek však závisel na tom, jak model se záznamy pracoval: Claude Sonnet 4.6 před odpovědí často soubory s pamětí nečetl, zatímco Opus 5.5 a Sonnet 5.5 dokázaly lépe formulovat ověřená pravidla a později je využít.
Experiment s Pokémonem ukázal cenu přílišného archivování. V jednom běhu vytvořil Sonnet 3.7 413 souborů ve 225 složkách a zapisoval si množství setkání, předmětů a postav. Značná část těchto informací rychle zastarávala: poloha a stav hry se měnily a agent věnoval kroky rozebírání a přestavbě záznamů. V samostatném srovnání pamětí přibližně na hranici 10 tisíc kroků používal Fable 5 devět souborů ve dvou složkách a jeden samostatný obecný soubor; podle Anthropic získal Fable 5 čtyři odznaky, zatímco Sonnet 3.7 jeden.
Zvlášť názorný příklad se týká chybné poznámky o poloze Pokémon Center u jeskyně Mt. Moon. Agent se domníval, že už jeskyní prošel, a stále se vracel na předchozí trasu. Průchod na pozadí porovnal poznámku se záznamem akcí, odhalil chybu a přepsal ji. Poté se agent vrátil ke vchodu a došel do Cerulean City; varianta s neopraveným záznamem uvízla na předchozím úseku. „Snění“ zde fungovalo jako kontrola historie, nikoli jako volné přidávání nových faktů.
V experimentu s rozsáhlou wiki vzrostlo hodnocení podle kritérií u 25 otázek během jejího vytváření ze 13 % na 48 %. V samostatném srovnání dosáhla wiki bez vyhledávání 48 %; při použití wiki spolu s vyhledáváním se výsledek změnil z 54 % na 61 % a samotné vyhledávání bez wiki dosáhlo 53 %. V tomto experimentu sloužila wiki spíše jako mapa vazeb a tematická vrstva nad vyhledáváním než jako náhrada původních dokumentů.
Proč více paměti nemusí být vždy lepší
Záznam je předpověď budoucnosti: agent předpokládá, že se mu uložená informace bude znovu hodit. Tato předpověď může zastarat, být chybná nebo zdvojovat údaje, které jsou přímo dostupné v aktuálním stavu prostředí. Ve hře lze polohu postavy zjistit z obrazovky, ale odvozenou strategii nebo ověřené pravidlo nelze stejným způsobem získat bez opakovaného uvažování.
Experiment s dokumenty odhalil další riziko: chyby ve struktuře. Několik agentů současně slučovalo podmínky smluv na společnou stránku a přepisovalo části tabulky. Výsledná wiki obsahovala 41 z 57 ověřovaných faktů a první memorandum splňovalo 72 % kritérií. Poté, co každá smlouva dostala vlastní stránku a důležité podmínky se začaly přenášet doslovně, dosáhlo hodnocení memoranda 100 % kritérií. U právně významných formulací se zachování citace a odkazu na původní dokument ukázalo užitečnější než zobecněné shrnutí.
Vytváření wiki se nakonec ne vždy vyplatí. V úloze, kde se odpovědi nacházely v jediném dokumentu, Anthropic nezaznamenala jasný přínos oproti běžnému textovému vyhledávání. V jiném testu byla vytvořená wiki větší než původní soubory. Výsledky ukazují jednoduché pravidlo: složitá struktura se hodí, když otázky pravidelně vyžadují propojovat informace z různých zdrojů; u jednoduchých vyhledávacích dotazů může přidat údržbu bez znatelného přínosu.
Co lze využít při návrhu agentů
Výsledky podporují praktickou architekturu složenou ze tří částí. Nejprve uchovávejte primární záznamy, aby poznámky měly ověřitelnou oporu. Poté vytvářejte stručné záznamy o závěrech, pravidlech a plánech — s uvedením jejich původu a informace, zda byly ověřeny. Nakonec pravidelně spouštějte samostatný průchod, který v těchto záznamech hledá rozpory, opravuje vazby a přestavuje index, aniž by původní materiály nahrazoval vlastním shrnutím.
U měnících se údajů je užitečné uchovávat datum nebo kontext platnosti a při opětovném použití záznam ověřit. U stabilních znalostí uchovávejte zdroj a potvrzení. Do společného kontextu každé relace je vhodné načítat jen stručný index: Anthropic zvlášť upozorňuje, že načtené instrukce spotřebovávají kontextové okno a chybná poznámka automaticky přidávaná při každém spuštění může chybu opakovaně šířit.
Hlavním poučením studie je, že paměť agenta se stává užitečnou díky výběru a údržbě, nikoli hromadění. Archiv poskytuje historii, vyhledávání nachází potřebné úryvky, strukturované poznámky propojují opakující se pravidla a kontrola na pozadí vrací závěry k původním důkazům. Právě toto ověřitelné propojení mění předchozí zkušenost ve zdroj pro další relaci.
