Michael JohnsonJos tekoälyagentti muistaa virheellisen tiedon, se voi seuraavalla istunnolla toistaa saman virheen itsevarmasti. Anthropicin 6. marraskuuta 2026 julkaisemassa tutkimuksessa kuvataan tapa käydä tallenteita läpi tehtävien välillä: agentti vertaa niitä aiemman työskentelyn lokeihin, korjaa epätarkkuuksia ja yhdistää hyödyllisiä tietoja. Yhtiö kutsuu tätä taustaprosessia ”uneksimiseksi”.
Pitkäikäisiä agentteja suunnitteleville käytännön opetus on, ettei muistia kannata arvioida tallennettujen muistiinpanojen määrän perusteella. Olennaisempaa on, pystyykö järjestelmä tarkistamaan niiden alkuperän, päivittämään muuttuneet tiedot ja löytämään tarvittavan laajasta arkistosta. Anthropicin kokeet osoittavat sekä tämän lähestymistavan hyödyt että tilanteet, joissa muisti alkaa haitata.
Mitä tutkijat tarkoittavat agentin muistilla
Muistin osia koskevassa kuvauksessaan Anthropic määrittelee sen aiemmista vuorovaikutuksista ja tehtävistä saaduksi tiedoksi, joka säilytetään istuntojen välillä agentin käytettävissä olevana kontekstina. Kyseessä on järjestelmän erillinen kerros: muistiinpanoja, tiedostoja, indeksejä ja muita ulkoisia esitysmuotoja, ei mallin parametrien muuttamista tai nykyisen keskustelun tavanomaista lyhyttä yhteenvetoa.
Rakenne koostuu useista tasoista. Loki tai litterointi tallentaa tapahtumat; muistiinpanoihin poimitaan yksittäisiä havaintoja; esimerkiksi wiki kokoaa tietoja aiheittain; ja pieni ylätason kerros voidaan ladata valmiiksi uuteen istuntoon. Agentin on ratkaistava, mitä säilyttää, mitä tarkistaa myöhemmin ja mitä näyttää heti seuraavalle suorituskerralle.
Viimeinen valinta on erityisen vaikea: tapahtuman merkitys selviää usein vasta, kun agentti näkee, mitä seuraavaksi tapahtuu. Siksi Anthropic tutki istunnonaikaisen työskentelyn ja taustakäsittelyn erottamista toisistaan. Suorituksen aikana agentti jättää lokeja ja muistiinpanoja; myöhempi erillinen käsittelykierros voi käydä ne läpi, vertailla lähteitä ja päivittää muistin rakennetta.
Miten mekanismia testattiin
Yhden yleisen testin sijaan yhtiö kuvasi useita tehtäviä: kysymyksiä tietopankista, Pokémon Red -pelin pelaamista, yritysasiakirjoihin perustuvan wikin luomista ja sopimusehtoja käsittelevän juridisen muistion laatimista. Tehtävät testaavat muistin eri toimintoja: sääntöjen säilyttämistä istuntojen välillä, hyödyllisten yksityiskohtien valintaa, virheen korjaamista ja useista asiakirjoista peräisin olevan tiedon yhdistämistä.
Yhdessä tietokantatehtävässä jokainen kysymys aloitti uuden istunnon. Istuntojen välillä säilyi vain muistihakemisto, jota malli sai käyttää. Tutkijat vertasivat suoriutumista muistin kanssa ja ilman sitä sekä seurasivat, miten mallit muodostivat merkintöjä. Anthropic huomauttaa olennaisesta erosta: tarkistettu sääntö ja selitys sen alkuperästä sisältävä muistiinpano voi auttaa seuraavassa kysymyksessä, kun taas joukko tarkistamattomia arvauksia ei luo luotettavaa oppimissykliä.
Erillisessä kokeessa agentti rakensi wikin noin 350 000 sisäisestä asiakirjasta, joissa oli noin 420 miljoonaa tokenia. Sitä täydennettiin ja tarkistettiin 128 peräkkäisessä istunnossa, joissa sivuja korjattiin ja linkitettiin sekä päällekkäisyyksiä yhdistettiin. Arviointi koostui 25 aineistoa koskevasta kysymyksestä. Kyseessä on rajattu, ennalta määriteltyyn asiakirjakokoelmaan perustuva koetehtävä, ei yleispätevä arvio agenttien muistista.
Mitä kokeet osoittivat
Tietopankkitehtävässä muisti paransi useiden mallien keskimääräistä tulosta. Esimerkiksi Opus 5.5:n keskimääräinen täyttyneiden kriteerien osuus nousi 0,655:stä ilman tallennustilaa 0,838:aan sen kanssa; Sonnet 5.5:n tulos nousi 0,644:stä 0,833:een. Tulokseen vaikutti kuitenkin se, miten malli käytti merkintöjä: Claude Sonnet 4.6 jätti muistitiedostot usein lukematta ennen vastaamista, kun taas Opus 5.5 ja Sonnet 5.5 muotoilivat tarkistettuja sääntöjä paremmin ja käyttivät niitä myöhemmin.
Pokémon-koe osoitti liiallisen arkistoinnin hinnan. Yhdessä suorituksessa Sonnet 3.7 loi 413 tiedostoa 225 kansioon ja kirjasi niihin lukuisia kohtaamisia, esineitä ja hahmoja. Suuri osa tiedoista vanheni nopeasti: pelitilanne muuttui, ja agentti käytti toimintoja merkintöjen läpikäyntiin ja uudelleenjärjestämiseen. Erillisessä muistin vertailussa noin 10 000 askeleen kohdalla Fable 5 käytti yhdeksää tiedostoa kahdessa kansiossa ja yhtä erillistä yleistä tiedostoa. Anthropicin mukaan Fable 5 sai neljä merkkiä, kun Sonnet 3.7 sai yhden.
Erityisen havainnollinen esimerkki koskee virheellistä muistiinpanoa Pokémon Centerin sijainnista Mt. Moon -luolan lähellä. Agentti luuli jo kulkeneensa luolan läpi ja päätyi toistuvasti aiemmalle reitille. Taustakäsittely vertasi muistiinpanoa toimintalokiin, havaitsi virheen ja kirjoitti sen uudelleen. Sen jälkeen agentti palasi sisäänkäynnille ja pääsi Cerulean Cityyn; korjaamatonta merkintää käyttänyt versio jäi jumiin samalle alueelle. Tässä ”uneksiminen” toimi tapahtumahistorian tarkistuksena, ei uusien tosiasioiden vapaana lisäämisenä.
Laajan wikin kokeessa 25 kysymyksen kriteeripohjainen arvio nousi sen rakentamisen aikana 13 prosentista 48 prosenttiin. Erillisessä vertailussa wiki ilman hakua sai 48 prosenttia. Kun wikiä käytettiin yhdessä haun kanssa, tulos nousi 54 prosentista 61 prosenttiin; haku ilman wikiä sai 53 prosenttia. Tässä kokeessa wiki toimi pikemminkin hakua täydentävänä yhteyksien karttana ja aihekerroksena kuin alkuperäisten asiakirjojen korvaajana.
Miksi suurempi muisti ei aina ole parempi
Merkintä on ennuste tulevasta: agentti olettaa, että tallennettua tietoa tarvitaan uudelleen. Ennuste voi vanhentua, osoittautua vääräksi tai toistaa tietoa, joka on saatavilla suoraan ympäristön nykytilasta. Pelissä hahmon sijainnin voi nähdä näytöltä, kun taas pääteltyä strategiaa tai tarkistettua sääntöä ei saa samalla tavalla ilman uutta päättelyä.
Asiakirjakoe paljasti toisen riskin: rakenteeseen liittyvät virheet. Useat agentit kokosivat sopimusehtoja samalle sivulle ja korvasivat samalla taulukon osia. Tämän seurauksena wiki sisälsi 41 tarkistettavaa tietoa 57:stä, ja ensimmäinen muistio täytti 72 prosenttia kriteereistä. Kun kullekin sopimukselle annettiin oma sivu ja tärkeät ehdot alettiin siirtää sanasta sanaan, muistio täytti 100 prosenttia kriteereistä. Oikeudellisesti merkittävissä muotoiluissa sitaatin ja alkuperäisen asiakirjan linkin säilyttäminen osoittautui hyödyllisemmäksi kuin yleisluontoinen yhteenveto.
Wiki ei myöskään aina ole rakentamisen vaivan arvoinen. Tehtävässä, jossa vastaukset löytyivät yhdestä asiakirjasta, Anthropic ei havainnut selvää hyötyä tavalliseen tekstihakuun verrattuna. Toisessa testissä luotu wiki oli alkuperäisiä tiedostoja suurempi. Tulokset viittaavat selkeään käyttösääntöön: monimutkainen rakenne on tarpeen, kun kysymykset edellyttävät toistuvasti eri lähteiden tietojen yhdistämistä. Yksinkertaisissa hakutehtävissä se voi lisätä ylläpitotyötä ilman huomattavaa hyötyä.
Mitä agenttien suunnittelussa kannattaa soveltaa
Tulokset tukevat käytännöllistä, kolmiosaista arkkitehtuuria. Säilytä ensin alkuperäiset lokit, jotta muistiinpanojen perustan voi tarkistaa. Muodosta sitten tiiviitä merkintöjä päätelmistä, säännöistä ja suunnitelmista ja kirjaa, mistä ne ovat peräisin ja onko ne tarkistettu. Käynnistä lopuksi ajoittain erillinen käsittelykierros, joka etsii merkintöjen ristiriitoja, korjaa yhteyksiä ja rakentaa hakemiston uudelleen korvaamatta alkuperäistä aineistoa omilla yhteenvedoillaan.
Muuttuvien tietojen yhteyteen kannattaa tallentaa päivämäärä tai ajantasaisuuden konteksti ja tarkistaa merkintä, kun sitä käytetään uudelleen. Pysyvien tietojen yhteydessä lähde ja vahvistus on hyvä säilyttää. Jokaisen istunnon yhteiseen kontekstiin kannattaa nostaa vain lyhyt hakemisto: Anthropic huomauttaa erikseen, että ladatut ohjeet kuluttavat konteksti-ikkunaa ja että jokaiseen suoritukseen automaattisesti lisätty virheellinen muistiinpano voi levittää virhettä toistuvasti.
Tutkimuksen tärkein opetus on, että agentin muisti hyötyy valikoinnista ja ylläpidosta, ei pelkästä tiedon keräämisestä. Arkisto säilyttää historian, haku löytää tarvittavat katkelmat, rakenteiset muistiinpanot yhdistävät toistuvia sääntöjä ja taustatarkistus palauttaa päätelmät alkuperäisten todisteiden äärelle. Juuri tämä todennettava yhteys muuttaa aiemman kokemuksen seuraavan istunnon voimavaraksi.
