Michael JohnsonAls een AI-agent een onjuist feit onthoudt, kan hij die fout in de volgende sessie vol overtuiging herhalen. In een onderzoek dat Anthropic op 6 november 2026 publiceerde, wordt een manier beschreven om aantekeningen tussen taken door te herzien: de agent vergelijkt ze met logs van eerder werk, corrigeert onnauwkeurigheden en voegt nuttige informatie samen. Het bedrijf noemt dit achtergrondproces ‘dromen’.
De praktische conclusie voor wie langlopende agents ontwerpt: beoordeel het geheugen niet op het aantal opgeslagen notities, maar op de vraag of het systeem de herkomst ervan kan controleren, gewijzigde informatie kan bijwerken en het juiste kan vinden in een groot archief. De experimenten van Anthropic tonen zowel de voordelen van deze aanpak als de omstandigheden waaronder geheugen een belemmering wordt.
Wat onderzoekers verstaan onder het geheugen van een agent
In de beschrijving van geheugencomponenten definieert Anthropic geheugen als kennis uit eerdere interacties en taken die tussen sessies wordt bewaard in de vorm van context die voor de agent toegankelijk is. Het is een afzonderlijke laag van het systeem: het gaat om notities, bestanden, indexen en andere externe representaties, niet om het aanpassen van modelparameters of een gewone korte samenvatting van het huidige gesprek.
Het schema bestaat uit verschillende lagen. Een log of transcript legt gebeurtenissen vast; notities halen afzonderlijke observaties eruit; onderling verbonden representaties, zoals een wiki, brengen informatie per onderwerp samen; een kleine bovenlaag kan vooraf in een nieuwe sessie worden geladen. De agent moet beslissen wat hij opslaat, wat hij later controleert en wat hij bij de volgende start meteen beschikbaar stelt.
Die laatste keuze is bijzonder lastig: vaak wordt pas duidelijk hoe belangrijk een gebeurtenis is wanneer de agent het vervolg heeft gezien. Daarom onderzocht Anthropic een scheiding tussen werk binnen de sessie en verwerking op de achtergrond. Tijdens de uitvoering laat de agent logs en notities achter; later kan een aparte verwerkingsronde die opnieuw bekijken, bronnen vergelijken en de geheugenstructuur bijwerken.
Hoe het mechanisme werd getest
In plaats van één algemene test beschreef het bedrijf verschillende taken: vragen beantwoorden op basis van een kennisbank, Pokémon Red spelen, een wiki opbouwen uit bedrijfsdocumenten en een juridische briefing voorbereiden aan de hand van transactievoorwaarden. Deze verzameling test verschillende geheugenfuncties: regels tussen sessies bewaren, nuttige details selecteren, fouten corrigeren en informatie uit meerdere documenten samenbrengen.
Bij één opdracht met een database begon elke vraag in een nieuwe sessie. Tussen sessies bleef alleen de geheugenmap behouden, waartoe het model toegang kon krijgen. De onderzoekers vergeleken de prestaties met en zonder geheugen en bekeken ook hoe de modellen notities vormden. Anthropic wijst op een belangrijk verschil: een notitie met een gecontroleerde regel en uitleg over de herkomst ervan kan helpen bij de volgende vraag, terwijl een verzameling ongecontroleerde vermoedens geen betrouwbare leercyclus oplevert.
In een afzonderlijk experiment bouwde de agent een wiki op uit ongeveer 350.000 interne documenten, samen zo’n 420 miljoen tokens. Vervolgens vulden 128 opeenvolgende sessies de pagina’s aan en controleerden ze die, herstelden ze verbanden en voegden ze dubbele pagina’s samen. De evaluatie bestond uit 25 vragen over het corpus. Dit is een afgebakende experimentele taak met een vastgelegde documentenset, geen universele evaluatie van geheugen voor alle agents.
Wat de experimenten lieten zien
Bij de kennisbanktaak verhoogde geheugen de gemiddelde score van verschillende modellen. Zo steeg bij Opus 5.5 het gemiddelde aandeel behaalde criteria van 0,655 zonder opslag naar 0,838 met opslag; bij Sonnet 5.5 ging het van 0,644 naar 0,833. De uitkomst hing er wel van af hoe het model de notities gebruikte: Claude Sonnet 4.6 las de geheugenbestanden vaak niet voordat het antwoord gaf, terwijl Opus 5.5 en Sonnet 5.5 beter waren in het formuleren van gecontroleerde regels en het later toepassen ervan.
Het Pokémon-experiment liet zien wat de prijs is van overmatig archiveren. In één run maakte Sonnet 3.7 413 bestanden in 225 mappen aan, met daarin allerlei ontmoetingen, voorwerpen en personages. Een groot deel van die informatie raakte snel verouderd: de positie en toestand van het spel veranderden, terwijl de agent acties besteedde aan het doorzoeken en opnieuw indelen van de notities. In een afzonderlijke vergelijking, rond de grens van 10.000 stappen, gebruikte Fable 5 negen bestanden in twee mappen en een apart algemeen bestand; volgens Anthropic behaalde Fable 5 vier badges, tegenover één voor Sonnet 3.7.
Een bijzonder duidelijk voorbeeld betreft een onjuiste notitie over de locatie van het Pokémon Center bij de grot Mt. Moon. De agent dacht dat hij de grot al had doorkruist en kwam telkens weer op de eerdere route terecht. Een achtergrondproces vergeleek de notitie met het actielog, ontdekte de fout en herschreef de notitie. Daarna keerde de agent terug naar de ingang en bereikte hij Cerulean City; de variant met de niet-gecorrigeerde notitie bleef op het eerdere traject steken. Hier werkte ‘dromen’ als een controle van de geschiedenis, niet als een vrijbrief om nieuwe feiten toe te voegen.
In het experiment met de grote wiki steeg de score op basis van criteria bij 25 vragen tijdens het opbouwen ervan van 13% naar 48%. In een aparte vergelijking behaalde de wiki zonder zoekfunctie 48%; bij gebruik van de wiki in combinatie met zoeken veranderde de score van 54% naar 61%, terwijl zoeken zonder wiki 53% opleverde. In dit experiment fungeerde de wiki eerder als een kaart van verbanden en een thematische laag boven op zoeken dan als vervanging van de brondocumenten.
Waarom meer geheugen niet altijd beter is
Een notitie is een voorspelling over de toekomst: de agent verwacht dat de opgeslagen informatie opnieuw van pas komt. Die voorspelling kan verouderd of onjuist blijken, of informatie dupliceren die rechtstreeks beschikbaar is in de huidige toestand van de omgeving. In een spel is de positie van een personage op het scherm te zien; een afgeleide strategie of gecontroleerde regel is niet op dezelfde manier te verkrijgen zonder opnieuw te redeneren.
Het documentenexperiment bracht een ander risico aan het licht: fouten in de structuur. Verschillende agents voegden tegelijk contractvoorwaarden samen op een algemene pagina en overschreven delen van de tabel. Daardoor bevatte de wiki 41 van de 57 controleerbare feiten en voldeed de eerste briefing aan 72% van de criteria. Nadat elk contract een eigen pagina had gekregen en belangrijke voorwaarden letterlijk werden overgenomen, voldeed de beoordeling van de briefing aan 100% van de criteria. Voor juridisch belangrijke formuleringen bleek het bewaren van een citaat en een verwijzing naar het brondocument nuttiger dan een algemene samenvatting.
Ten slotte is het opbouwen van een wiki niet altijd de moeite waard. Bij een taak waarin de antwoorden in één document stonden, zag Anthropic geen duidelijk voordeel ten opzichte van gewone tekstzoekopdrachten. In een andere test bleek de opgebouwde wiki groter dan de oorspronkelijke bestanden. Deze resultaten wijzen op een duidelijke gebruiksregel: een complexe structuur is nodig wanneer vragen regelmatig informatie uit verschillende bronnen moeten verbinden; bij eenvoudige zoekopdrachten kan ze extra onderhoud vergen zonder merkbaar voordeel.
Wat we kunnen toepassen bij het ontwerpen van agents
De resultaten ondersteunen een praktische architectuur met drie onderdelen. Bewaar eerst de oorspronkelijke logs, zodat notities een controleerbare basis houden. Stel vervolgens compacte aantekeningen op over conclusies, regels en plannen, met vermelding van hun herkomst en of ze zijn gecontroleerd. Start tot slot periodiek een afzonderlijke verwerkingsronde die tegenstrijdigheden in de notities opspoort, verbanden corrigeert en de index opnieuw opbouwt, zonder de oorspronkelijke materialen te vervangen door een eigen samenvatting.
Voor veranderlijke informatie is het nuttig een datum of context voor de geldigheid te bewaren en de notitie opnieuw te controleren wanneer die wordt gebruikt. Bewaar bij blijvende kennis de bron en de bevestiging. Neem in de algemene context van elke sessie alleen een beknopte index op: Anthropic wijst er afzonderlijk op dat geladen instructies contextvenster gebruiken en dat een onjuiste notitie die automatisch aan elke run wordt toegevoegd, de fout herhaaldelijk kan verspreiden.
De belangrijkste les van het onderzoek is dat het geheugen van een agent nuttig wordt door selectie en onderhoud, niet door accumulatie. Het archief levert de geschiedenis, zoeken vindt de relevante fragmenten, gestructureerde notities verbinden terugkerende regels en controle op de achtergrond brengt conclusies terug naar het oorspronkelijke bewijs. Juist die controleerbare verbinding maakt eerdere ervaringen tot een hulpmiddel voor de volgende sessie.
