Michael JohnsonSe um agente de IA memoriza um fato incorreto, pode repetir o mesmo erro com confiança na sessão seguinte. Em uma pesquisa publicada pela Anthropic em 6 de novembro de 2026, é descrito um método para revisar registros entre tarefas: o agente os compara com os registros de trabalhos anteriores, corrige imprecisões e reúne informações úteis. A empresa chama esse processo em segundo plano de “sonhar”.
A conclusão prática para quem projeta agentes duradouros é que a memória não deve ser avaliada pelo número de notas armazenadas, mas pela capacidade do sistema de verificar a origem delas, atualizar informações que mudaram e encontrar o que é necessário em um arquivo extenso. Os experimentos da Anthropic mostram tanto os benefícios dessa abordagem quanto as condições em que a memória começa a atrapalhar.
O que os pesquisadores chamam de memória do agente
Na descrição dos componentes da memória, a Anthropic a define como conhecimentos de interações e tarefas anteriores que são preservados entre sessões na forma de contexto acessível ao agente. Trata-se de uma camada separada do sistema: são notas, arquivos, índices e outras representações externas, não uma mudança nos parâmetros do modelo nem um resumo breve e comum do diálogo atual.
O esquema tem várias camadas. Um registro ou uma transcrição documenta os acontecimentos; as notas destacam observações específicas; representações relacionadas, como uma wiki, reúnem informações por tema; e uma pequena camada superior pode ser carregada de antemão em uma nova sessão. O agente precisa decidir o que guardar, o que verificar mais tarde e o que mostrar imediatamente na próxima execução.
Essa última escolha é especialmente difícil: muitas vezes, só fica claro se um acontecimento é importante depois que o agente vê o que acontece em seguida. Por isso, a Anthropic estudou a divisão entre o trabalho durante a sessão e o processamento em segundo plano. Durante a execução, o agente deixa registros e notas; mais tarde, uma etapa separada pode revisá-los, comparar as fontes e atualizar a estrutura da memória.
Como o mecanismo foi testado
Em vez de um único teste geral, a empresa descreveu várias tarefas: perguntas sobre uma base de conhecimento, jogar Pokémon Red, criar uma wiki a partir de documentos corporativos e preparar um resumo jurídico sobre os termos de acordos. Esse conjunto testa diferentes funções da memória: preservar regras entre sessões, selecionar detalhes úteis, corrigir erros e combinar informações de vários documentos.
Em uma tarefa com uma base de dados, cada pergunta começava em uma nova sessão. Entre as sessões, apenas a pasta de memória era preservada, e o modelo podia consultá-la. Os pesquisadores compararam o desempenho com e sem memória e observaram como os modelos criavam os registros. A Anthropic destaca uma diferença importante: uma nota com uma regra verificada e uma explicação de sua origem pode ajudar na pergunta seguinte, enquanto um conjunto de suposições não verificadas não estabelece um ciclo de aprendizado confiável.
Em outro experimento, o agente criou uma wiki com cerca de 350 mil documentos internos, aproximadamente 420 milhões de tokens. Em seguida, 128 sessões consecutivas complementaram e verificaram páginas, corrigiram ligações e combinaram duplicatas. A avaliação foi feita com 25 perguntas sobre o corpus. Trata-se de uma tarefa experimental específica, com um conjunto definido de documentos, e não de uma avaliação universal da memória para todos os agentes.
O que os experimentos mostraram
Na tarefa com a base de conhecimento, a memória elevou a pontuação média de vários modelos. Por exemplo, para Opus 5.5, a proporção média de critérios atendidos passou de 0,655 sem armazenamento para 0,838 com ele; para Sonnet 5.5, passou de 0,644 para 0,833. Ainda assim, o resultado dependia de como o modelo usava os registros: Claude Sonnet 4.6 frequentemente não lia os arquivos de memória antes de responder, enquanto Opus 5.5 e Sonnet 5.5 formulavam melhor regras verificadas e as usavam posteriormente.
O experimento com Pokémon mostrou o custo do arquivamento excessivo. Em uma execução, Sonnet 3.7 criou 413 arquivos em 225 pastas, registrando muitos encontros, itens e personagens. Grande parte dessas informações ficava desatualizada rapidamente: a posição e o estado do jogo mudavam, e o agente gastava ações analisando e reorganizando os registros. Em uma comparação separada, por volta da marca de 10 mil passos, Fable 5 usava nove arquivos em duas pastas e um arquivo geral separado; segundo a Anthropic, Fable 5 conquistou quatro insígnias, enquanto Sonnet 3.7 conquistou uma.
Um exemplo especialmente claro diz respeito a uma nota incorreta sobre a localização do Pokémon Center perto da caverna Mt. Moon. O agente concluiu que já havia atravessado a caverna e voltava a seguir a rota anterior. A etapa em segundo plano comparou a nota com o registro de ações, detectou o erro e a reescreveu. Depois disso, o agente voltou à entrada e chegou a Cerulean City; a versão com o registro não corrigido ficava presa no trecho anterior. Nesse caso, o “sonhar” funcionou como uma verificação do histórico, e não como a livre adição de fatos novos.
No experimento com a wiki extensa, a pontuação segundo os critérios, em 25 perguntas, aumentou de 13% para 48% à medida que ela era construída. Em uma comparação separada, a wiki sem busca obteve 48%; com a wiki e a busca, o resultado passou de 54% para 61%, enquanto a busca sem wiki obteve 53%. Nesse experimento, a wiki funcionou mais como um mapa de relações e uma camada temática sobre a busca do que como substituta dos documentos originais.
Por que mais memória nem sempre é melhor
Um registro é uma previsão sobre o futuro: o agente supõe que a informação guardada será necessária novamente. Essa previsão pode ficar desatualizada, estar errada ou duplicar informações já disponíveis no estado atual do ambiente. Em uma tarefa de jogo, a posição do personagem pode ser vista na tela, mas uma estratégia deduzida ou uma regra verificada não podem ser obtidas da mesma maneira sem raciocinar novamente.
O experimento com documentos revelou outro risco: erros de estrutura. Vários agentes reuniam simultaneamente os termos dos contratos em uma página comum e sobrescreviam partes da tabela. Como resultado, a wiki continha 41 dos 57 fatos verificáveis, e o primeiro resumo atendia a 72% dos critérios. Depois que cada contrato recebeu uma página própria e os termos importantes passaram a ser transcritos literalmente, a avaliação do resumo chegou a 100% dos critérios. Para formulações com relevância jurídica, preservar a citação e o link para o documento original foi mais útil do que uma paráfrase generalizada.
Por fim, nem sempre compensa o custo de construir uma wiki. Em uma tarefa cujas respostas estavam em um único documento, a Anthropic não observou uma vantagem clara em relação à busca de texto convencional. Em outro teste, a wiki criada era maior que os arquivos originais. Esses resultados apontam para uma regra de uso simples: uma estrutura complexa é necessária quando as perguntas exigem regularmente relacionar informações de várias fontes; para buscas simples, ela pode acrescentar trabalho de manutenção sem benefício perceptível.
O que pode ser aplicado ao projeto de agentes
Os resultados sustentam uma arquitetura prática de três partes. Primeiro, preserve os registros primários para que as notas continuem tendo uma base verificável. Depois, crie registros concisos de conclusões, regras e planos, indicando de onde vieram e se foram verificados. Por fim, execute periodicamente uma etapa separada que procure contradições nesses registros, corrija as relações e reorganize o índice, sem substituir os materiais originais por paráfrases próprias.
Para informações que mudam, é útil guardar a data ou o contexto de validade e verificar o registro quando ele for reutilizado. Para conhecimentos estáveis, preserve a fonte e a confirmação. E, no contexto geral de cada sessão, carregue apenas um índice conciso: a Anthropic observa especificamente que as instruções carregadas consomem a janela de contexto, e uma nota incorreta adicionada automaticamente a cada execução pode propagar o erro repetidas vezes.
A principal lição da pesquisa é que a memória do agente se torna útil por meio da seleção e da manutenção, não do acúmulo. O arquivo fornece o histórico, a busca encontra os trechos necessários, as notas estruturadas conectam regras recorrentes e a verificação em segundo plano reconduz as conclusões às evidências primárias. É essa ligação verificável que transforma a experiência passada em um recurso para a próxima sessão.
