Michael JohnsonЕсли ИИ-агент запомнил неверный факт, в следующей сессии он может уверенно повторить ту же ошибку. В исследовании, опубликованном Anthropic 6 ноября 2026 года, описан способ пересматривать записи между задачами: агент сопоставляет их с журналами предыдущей работы, исправляет неточности и объединяет полезные сведения. Компания называет этот фоновый процесс «сновидением».
Практический вывод для тех, кто проектирует долгоживущих агентов: память стоит оценивать не по числу сохранённых заметок, а по способности системы проверять их происхождение, обновлять устаревшие сведения и находить нужное в большом архиве. Эксперименты Anthropic показывают и пользу этого подхода, и условия, при которых память начинает мешать.
Что исследователи называют памятью агента
В описании компонентов памяти Anthropic определяет её как знания из прошлых взаимодействий и задач, которые сохраняются между сессиями в виде доступного агенту контекста. Это отдельный слой системы: речь идёт о заметках, файлах, индексах и других внешних представлениях, а не об изменении параметров модели или обычном кратком пересказе текущего диалога.
Эта схема состоит из нескольких уровней. Журнал или стенограмма фиксирует события; заметки выделяют отдельные наблюдения; связанные представления, например wiki, собирают сведения по темам; небольшой верхний слой можно заранее загружать в новую сессию. Агенту приходится решать, что сохранить, что проверить позже и что стоит сразу показать при следующем запуске.
Последний выбор особенно сложен: важность события часто становится ясна только после того, как агент увидит продолжение. Поэтому Anthropic исследовала разделение на работу в сессии и фоновую обработку. Во время выполнения агент оставляет журналы и заметки; позднее отдельный проход может пересмотреть их, сопоставить источники и обновить структуру памяти.
Как проверяли механизм
Вместо одного общего теста компания описала несколько задач: вопросы к базе знаний, прохождение Pokémon Red, создание wiki по корпоративным документам и подготовку юридического брифа по условиям сделок. Такой набор проверяет разные функции памяти: сохранение правил между сессиями, выбор полезных деталей, исправление ошибок и объединение сведений из нескольких документов.
В одном задании на базе данных каждый вопрос начинался в новой сессии. Между сессиями сохранялась только папка памяти, к которой модель могла обращаться. Исследователи сравнивали выполнение с памятью и без неё, а также наблюдали, как модели формируют записи. Anthropic отмечает важное различие: заметка с проверенным правилом и объяснением его происхождения может помочь при следующем вопросе, тогда как набор непроверенных догадок не создаёт надёжного цикла обучения.
В отдельном опыте агент строил wiki примерно по 350 тысячам внутренних документов — около 420 миллионов токенов. Затем в 128 последовательных сессиях дополняли и проверяли страницы, исправляли связи и объединяли дубли. Проверка состояла из 25 вопросов по корпусу. Это узкая экспериментальная задача с заданным набором документов, а не универсальная оценка памяти для любых агентов.
Что показали эксперименты
В задаче с базой знаний память повысила средний результат у нескольких моделей. Например, у Opus 5.5 средняя доля выполненных критериев выросла с 0,655 без хранилища до 0,838 с ним; у Sonnet 5.5 — с 0,644 до 0,833. При этом результат зависел от того, как модель пользовалась записями: Claude Sonnet 4.6 часто не читала файлы памяти перед ответом, а Opus 5.5 и Sonnet 5.5 лучше формулировали проверенные правила и использовали их позднее.
Эксперимент с Pokémon показал цену чрезмерного архивирования. В одном запуске Sonnet 3.7 создала 413 файлов в 225 папках, записывая множество встреч, предметов и персонажей. Значительная часть этих сведений быстро устаревала: положение и состояние игры менялись, а агент тратил действия на разбор и перестройку записей. В отдельном сравнении памяти примерно на отметке в 10 тысяч шагов Fable 5 использовала девять файлов в двух папках и отдельный общий файл; по сообщению Anthropic, Fable 5 заработала четыре значка, тогда как Sonnet 3.7 — один.
Особенно наглядный пример касается неверной заметки о расположении Pokémon Center у пещеры Mt. Moon. Агент решил, что уже прошёл пещеру, и снова попадал на прежний маршрут. Фоновый проход сверил заметку с журналом действий, обнаружил ошибку и переписал её. После этого агент вернулся ко входу и дошёл до Cerulean City; вариант с неисправленной записью застревал на прежнем участке. Здесь «сновидение» сработало как проверка истории, а не как свободное добавление новых фактов.
В опыте с большой wiki оценка по критериям на 25 вопросах выросла с 13% до 48% по мере её построения. В отдельном сравнении wiki без поиска дала 48%; при использовании wiki вместе с поиском результат изменился с 54% до 61%, а поиск без wiki дал 53%. В этом опыте wiki служила скорее картой связей и тематическим слоем поверх поиска, чем заменой исходным документам.
Почему больше памяти не всегда лучше
Запись — это прогноз о будущем: агент предполагает, что сохранённое понадобится снова. Такой прогноз может устареть, оказаться неверным или дублировать сведения, доступные непосредственно в текущем состоянии среды. В игровой задаче положение персонажа можно увидеть на экране, а выведенную стратегию или проверенное правило нельзя получить таким же способом без повторного рассуждения.
Эксперимент с документами выявил другой риск: ошибки структуры. Несколько агентов одновременно сводили условия контрактов на общую страницу и перезаписывали части таблицы. В результате wiki содержала 41 из 57 проверяемых фактов, а первый бриф удовлетворял 72% критериев. После того как каждому контракту выделили отдельную страницу и важные условия стали переносить дословно, оценка брифа достигла 100% критериев. Для юридически значимых формулировок сохранение цитаты и ссылки на исходный документ оказалось полезнее обобщённого пересказа.
Наконец, wiki не всегда оправдывает стоимость её построения. В задаче, где ответы находились в одном документе, Anthropic не обнаружила явного преимущества перед обычным текстовым поиском. В другом тесте созданная wiki оказалась больше исходных файлов. Эти результаты указывают на понятное правило: сложная структура нужна, когда вопросы регулярно требуют связывать сведения из разных источников; для простых поисковых запросов она может увеличить затраты на обслуживание без заметной пользы.
Что можно перенести в проектирование агентов
Результаты подтверждают практическую архитектуру из трёх частей. Сначала сохраняйте первичные журналы, чтобы у заметок оставалась проверяемая опора. Затем формируйте компактные записи о выводах, правилах и планах — с указанием, откуда они взялись и проверены ли. Наконец, периодически запускайте отдельный проход, который ищет противоречия в этих записях, исправляет связи и перестраивает индекс, не подменяя исходные материалы собственным пересказом.
Для меняющихся сведений полезно хранить дату или контекст актуальности и проверять запись при повторном использовании. Для устойчивых знаний — сохранять источник и подтверждение. А в общий контекст каждой сессии стоит загружать только краткий индекс: Anthropic отдельно отмечает, что загруженные инструкции расходуют окно контекста, а неверная заметка, автоматически добавленная при каждом запуске, способна многократно распространять ошибку.
Главный урок исследования — память агента становится полезной благодаря отбору и обслуживанию, а не накоплению. Архив сохраняет историю, поиск находит нужные фрагменты, структурированные заметки связывают повторяющиеся правила, а фоновая проверка соотносит выводы с первичными свидетельствами. Именно эта проверяемая связь превращает прошлый опыт в ресурс для следующей сессии.
