Michael JohnsonSe un agente IA memorizza un fatto errato, nella sessione successiva può ripetere con sicurezza lo stesso errore. In uno studio pubblicato da Anthropic il 6 novembre 2026 viene descritto un metodo per rivedere le registrazioni tra un’attività e l’altra: l’agente le confronta con i registri delle attività precedenti, corregge le imprecisioni e riunisce le informazioni utili. L’azienda chiama questo processo in background «sogno».
La conclusione pratica per chi progetta agenti di lunga durata è che la memoria non va valutata in base al numero di note conservate, ma alla capacità del sistema di verificarne la provenienza, aggiornare le informazioni che cambiano e trovare ciò che serve in un archivio esteso. Gli esperimenti di Anthropic mostrano sia i vantaggi di questo approccio sia le condizioni in cui la memoria comincia a ostacolare il lavoro.
Che cosa intendono i ricercatori per memoria di un agente
Nella descrizione delle componenti della memoria, Anthropic la definisce come l’insieme delle conoscenze provenienti da interazioni e attività precedenti, conservate tra una sessione e l’altra sotto forma di contesto accessibile all’agente. È un livello separato del sistema: si tratta di note, file, indici e altre rappresentazioni esterne, non di una modifica dei parametri del modello o di un normale breve riassunto della conversazione in corso.
Lo schema è composto da più livelli. Un registro o una trascrizione documenta gli eventi; le note mettono in evidenza osservazioni specifiche; rappresentazioni collegate, come una wiki, raccolgono le informazioni per argomento; un piccolo livello superiore può essere caricato in anticipo in una nuova sessione. L’agente deve decidere che cosa conservare, che cosa verificare in seguito e che cosa mostrare subito all’esecuzione successiva.
Quest’ultima scelta è particolarmente difficile: spesso l’importanza di un evento diventa chiara solo quando l’agente ne vede il seguito. Per questo Anthropic ha studiato una separazione tra il lavoro svolto durante la sessione e l’elaborazione in background. Mentre lavora, l’agente lascia registri e note; in seguito, un passaggio separato può rivederli, confrontare le fonti e aggiornare la struttura della memoria.
Come è stato verificato il meccanismo
Invece di un unico test generale, l’azienda ha descritto diverse attività: domande su una base di conoscenze, completamento di Pokémon Rosso, creazione di una wiki a partire da documenti aziendali e preparazione di un briefing legale sulle clausole contrattuali. Questo insieme mette alla prova diverse funzioni della memoria: conservare regole tra una sessione e l’altra, selezionare i dettagli utili, correggere un errore e integrare informazioni provenienti da più documenti.
In una prova sulla base di dati, ogni domanda iniziava in una nuova sessione. Tra una sessione e l’altra veniva conservata soltanto la cartella della memoria, consultabile dal modello. I ricercatori hanno confrontato le prestazioni con e senza memoria e hanno osservato anche come i modelli producessero le registrazioni. Anthropic sottolinea una distinzione importante: una nota contenente una regola verificata e la spiegazione della sua provenienza può aiutare con la domanda successiva, mentre una raccolta di supposizioni non verificate non costituisce un ciclo di apprendimento affidabile.
In un esperimento separato, l’agente ha costruito una wiki a partire da circa 350.000 documenti interni, pari a circa 420 milioni di token. Poi 128 sessioni consecutive hanno ampliato e verificato le pagine, corretto i collegamenti e unificato i duplicati. La verifica consisteva in 25 domande sul corpus. Si tratta di un’attività sperimentale circoscritta a un insieme definito di documenti, non di una valutazione universale della memoria per qualsiasi agente.
Che cosa hanno mostrato gli esperimenti
Nell’attività basata sulla conoscenza, la memoria ha migliorato il risultato medio di diversi modelli. Per esempio, per Opus 5.5 la quota media dei criteri soddisfatti è passata da 0,655 senza archivio a 0,838 con l’archivio; per Sonnet 5.5 è salita da 0,644 a 0,833. Il risultato dipendeva però da come il modello usava le registrazioni: Claude Sonnet 4.6 spesso non leggeva i file di memoria prima di rispondere, mentre Opus 5.5 e Sonnet 5.5 formulavano meglio le regole verificate e le utilizzavano in seguito.
L’esperimento con Pokémon ha mostrato il costo di un’archiviazione eccessiva. In un’esecuzione, Sonnet 3.7 ha creato 413 file in 225 cartelle, annotando numerosi incontri, oggetti e personaggi. Molte di queste informazioni diventavano rapidamente obsolete: la posizione e lo stato del gioco cambiavano, mentre l’agente impiegava azioni per esaminare e riorganizzare le registrazioni. In un confronto separato, intorno ai 10.000 passaggi, Fable 5 usava nove file in due cartelle e un file generale separato; secondo Anthropic, Fable 5 ha ottenuto quattro medaglie, mentre Sonnet 3.7 ne ha ottenuta una.
Un esempio particolarmente chiaro riguarda una nota errata sulla posizione del Centro Pokémon vicino alla grotta del Monte Luna. L’agente credeva di aver già attraversato la grotta e finiva di nuovo sul percorso precedente. Il passaggio in background ha confrontato la nota con il registro delle azioni, ha individuato l’errore e l’ha riscritta. In seguito, l’agente è tornato all’ingresso e ha raggiunto Celestopoli; la variante con la nota non corretta rimaneva bloccata nella stessa zona. In questo caso, il «sogno» ha funzionato come verifica della cronologia, non come aggiunta libera di nuovi fatti.
Nell’esperimento con la grande wiki, il punteggio basato sui criteri per 25 domande è salito dal 13% al 48% man mano che la wiki veniva costruita. In un confronto separato, la wiki senza ricerca ha raggiunto il 48%; usando la wiki insieme alla ricerca, il risultato è passato dal 54% al 61%, mentre la ricerca senza wiki ha ottenuto il 53%. In questo esperimento, la wiki fungeva soprattutto da mappa dei collegamenti e livello tematico sopra la ricerca, non da sostituto dei documenti originali.
Perché avere più memoria non è sempre meglio
Una registrazione è una previsione sul futuro: l’agente presume che ciò che ha conservato servirà di nuovo. Questa previsione può diventare obsoleta, rivelarsi errata o duplicare informazioni già disponibili nello stato corrente dell’ambiente. In un gioco, la posizione del personaggio è visibile sullo schermo, mentre una strategia dedotta o una regola verificata non si possono ottenere nello stesso modo senza ragionare di nuovo.
L’esperimento sui documenti ha rivelato un altro rischio: gli errori strutturali. Più agenti stavano riassumendo contemporaneamente le clausole dei contratti in una pagina comune e sovrascrivevano parti della tabella. Di conseguenza, la wiki conteneva 41 dei 57 fatti verificabili e il primo briefing soddisfaceva il 72% dei criteri. Dopo aver assegnato una pagina separata a ogni contratto e aver iniziato a riportare testualmente le clausole importanti, il briefing ha raggiunto il 100% dei criteri. Per le formulazioni con rilevanza legale, conservare la citazione e il riferimento al documento originale si è rivelato più utile di un riepilogo generico.
Infine, non sempre vale la pena sostenere il costo di costruzione di una wiki. In un’attività in cui le risposte si trovavano in un unico documento, Anthropic non ha rilevato vantaggi chiari rispetto alla normale ricerca testuale. In un altro test, la wiki creata era più grande dei file originali. Questi risultati suggeriscono una regola d’uso semplice: una struttura complessa è necessaria quando le domande richiedono regolarmente di collegare informazioni provenienti da fonti diverse; per le ricerche semplici può aggiungere lavoro di manutenzione senza benefici evidenti.
Che cosa si può applicare alla progettazione degli agenti
I risultati sostengono un’architettura pratica in tre parti. Prima, conservare i registri primari, in modo che le note mantengano una base verificabile. Poi, creare registrazioni concise di conclusioni, regole e piani, indicando da dove provengono e se sono stati verificati. Infine, avviare periodicamente un passaggio separato che cerchi contraddizioni, corregga i collegamenti e riorganizzi l’indice, senza sostituire i materiali originali con un proprio riepilogo.
Per le informazioni che cambiano, è utile conservare la data o il contesto di validità e verificare la registrazione quando viene riutilizzata. Per le conoscenze stabili, conviene conservare la fonte e la conferma. Nel contesto generale di ogni sessione andrebbe caricato solo un indice conciso: Anthropic osserva inoltre che le istruzioni caricate consumano la finestra di contesto e che una nota errata aggiunta automaticamente a ogni esecuzione può propagare ripetutamente l’errore.
La lezione principale dello studio è che la memoria di un agente diventa utile grazie alla selezione e alla manutenzione, non all’accumulo. L’archivio fornisce la cronologia, la ricerca trova i frammenti necessari, le note strutturate collegano le regole ricorrenti e la verifica in background riconduce le conclusioni alle prove primarie. È proprio questo legame verificabile a trasformare l’esperienza passata in una risorsa per la sessione successiva.
