Claude agentmälu: transkriptsioonil põhinev unistamine ja jagatud kirjutajate vead

Mida see video hõlmab

• Agendi mälu säilitab konteksti seansside vahel; kirjeldatud parandus muudab märkmeid, mitte mudeli kaalusid.
• Vale märkuse kontrollimine seansi transkriptsiooni vastu aitas parandatud harul jõuda Cerulean City'sse.
• Ainuüksi otsing andis 53% kriteeriumitest; otsing koos suurema vikiga saavutas 61% 25 küsimuse kohta Stainlessi dokumentide kohta.
• Teised allikate kohaselt teostati juriidilisi ülesandeid ilma selge wiki kasuta või wiki oli suurem kui algsed dokumendid.
• Lepingupõhised lehed, üks kirjutaja lehe kohta ja sõnasõnalised tingimused taastasid 57/57 hinnatud fakti; mõlemad muudatused testiti koos.

Tõlgitud transkriptsioon

Tõlgitud ingliskeelsest originaaljutustusest. Saadaolevat heli ja subtiitreid kontrollib YouTube.

Miks hoidis mälu Claude'i lõksus?

0:00 Claude'ile mälu andmine peaks takistama tal vigu kordamast. Anthropic nägi, kuidas üks vale märge saatis ta kolm korda üle sama Pokémoni kalju. Selles videos, kuidas mälu Claude'i lõksu püüab? Ja mis selle tegelikult parandab? Anthropic nimetab parandust unistamiseks. Lisamudeliseansid vaatavad uuesti salvestatud transkriptsioone ja redigeerivad mälufaile. Selle lepingu test taastas isegi kõik puuduvad faktid, muutes seda, kuidas need mälestused kirjutati.

0:22 Hoidke seda mõtet. On laupäev, seitsmes november, ja see on The Daily Diff. Agendi mälu on kontekst, mis salvestatakse seansside vahel. Mudeli kaalud jäävad muutumatuks. Ümbritsev tarkvara otsustab, millal puhastus toimub ja milliseid transkriptsioone see näeb. Managed Agents' Dreams funktsioon on uurimisel. See artikkel ei lülita unistusi sisse iga Claude'i kasutaja jaoks.

Mida Anthropic tegelikult testis?

0:41 Anthropic avaldas Lance Martini artikli reedel. Tänane Hacker Newsi arutelu näitab, kuidas inimesed vaidlevad selle üle, milliseid mälestusi nad kustutavad. Mis juhtub, kui enesekindel vale märge säilib järgmisesse seanssi? Oleme andnud hallutsinatsioonile kartoteegi. Claude peab ületama Mount Mooni, kasutades lähedal asuvat Pokémoni keskust oma orientiirina. Ta kirjutab üles, et hoone asub idaküljel, kuigi see on lääne pool. Ta lahkub, uskudes, et koobas on juba tema selja taga.

1:05 Seejärel kõnnib ta üle ühesuunalise serva teele, kust ta tuli. Selle navigeerimisvahend jääb kukkumisest ilma, nii et Claude seletab vea ületamisega. Järgmine katse algab sama vale eeldusega. Püsivus on vea säilitanud. Pärast kolmandat kukkumist kirjutab Claude, et ta lõpetab, mitte ei jätka silmustamist. Teadlaste seadistus käsib tal automaatselt jätkata. Ta suundub tagasi varasemasse linna ja see jooks lõpeb ilma Cerulean City'sse jõudmata. Isegi bot tahab, et see kohtumine lõppeks.

Kuidas unistamine marsruudi parandas?

1:30 Teadlased käivitavad unistamise vigase mälukausta peal. Claude kontrollib märkust algse seansi transkriptsiooni vastu, tabab asukohavea ja kirjutab selle uuesti. Parandatud märkusega siseneb ta uuesti Mount Mooni ja jõuab lõpuks Ceruleanisse. See on siin kasulik tulemus. Salvestatud väide kontrollitakse tõendite vastu enne järgmist katset. Ühes jooksus kogus Sonnet kolm punkti seitse sadu faile, teenides

1:50 ühe märgi. Fable viis hoidis väiksemat kollektsiooni ja teenis neli. Erinevad mudelid, igaühel üks jooks, nii et failisüsteemi panust ei saa eraldada. Hacker Newsi foorumis ütleb yfontana, et nad kustutavad peaaegu kõik automaatsed mälestused, sest märkused kuuluvad tavaliselt praegusesse ülesandesse. See on ühe kasutaja kogemus. Eilsed koordinaadid on kehv kompass, kui olete liikunud.

Millal on mälu wiki abiks?

2:10 Anthropic ehitas ka seotud wiki üle Stainlessi sisemiste dokumentide. Claude korraldab seotud teavet seansside vahel, seejärel kasutab neid lehti küsimustele vastamiseks. See võib aidata, kui vastus hõlmab mitut dokumenti. Algfailid jäävad kaardi kontrollimiseks kättesaadavaks. Ainult otsinguga sai Claude viiskümmend kolm protsenti hinnatud kriteeriumidest. Otsing pluss suurem wiki jõudis kuuekümne ühe protsendini.

2:32 Need olid kakskümmend viis küsimust ühe ettevõtte dokumentide kohta. Täiendav võrguväline töö parandas seda hindamist. Artikkel ei anna meile wiki ehitamise koguhinda, nii et hoidke arve veerg avatuna. Unistused kasutavad standardseid API märkimääraseid hindu ja tööd võivad võtta minuteid kuni tunde. Anthropic ütleb, et iga mälu pidev kontrollimine võib olla ebapraktiline. Teie agendi teine vahetus läheb ikka teie krediitkaardile. Sama artikkel sisaldab juriidilist ülesannet, kus wiki ei näidanud selget kasu võrreldes

Millal wiki midagi ei lisa?

2:56 otsinguga. Teine wiki kasvas suuremaks kui dokumendid, mida see kokku võttis. Kui küsimusele saab vastata, leides ühe lõigu, entsüklopeedia ehitamine võib olla märkimisväärselt kallis viis nupu "otsi" kasutamiseks. Claude Code laadib automaatselt piiratud avapakkumise oma mälu indeksist, detailsete märkustega, mis hoitakse mujal. Vale sisestatud juhis võib mõjutada iga seanssi. Anthropicu kokaraamat hoiatab, et mälu on ainult nii hea, kui on transkriptsioonid. Eilne logi ei saa kinnitada hommikusi muudatusi.

Miks kadus kuusteist lepingufakti?

3:23 Nüüd lepinguülesande juurde. Mitu agenti ehitavad wiki simuleeritud omandamise jaoks, kirjutades tingimused ühte jagatud tabelisse. Tulemuseks olev lühikirjeldus sisaldab nelikümmend ühte viiekümne seitsmest hinnatud faktist. Kuusteist fakti on kadunud kuskil lepingute ja lihvitud vastuse vahel. See on üsna oluline koht, kus teavet kaotada. Anthropic seostab ebaõnnestumist halbade kokkuvõtete ja agentide omavahelise töö ülekirjutamisega. Puuduvad terminid ei olnud vastamisseansiks kunagi ohutult säilitatud.

3:47 Unistamine laseb Claude'il neile ebaõnnestumistele mõtiskleda, pakkuda välja erinevaid wiki juhiseid ja uuesti ehitada. Parandus ulatub tagasi selleni, kuidas mälu kirjutatakse. Igaüks, kes on sama dokumenti kaastöötajatega redigeerinud, teab seda valu. Andke igale osalejale suurem aju ja nad võivad ikkagi salvestada üle kellegi teise töö. Põnev AI mälu probleem on rännanud kontorikööki kandes paralleelsusviga.

4:08 Iga leping saab oma lehe, mille kirjutab üks agent. Tingimused tsiteeritakse sõna-sõnalt. Täiustatud wiki toetab kõiki viiskümmend seitset hinnatud fakti. See on lubatud parandus. Eraldi omand takistab ülekirjutamist ja täpsed tsitaadid säilitavad tingimused. Mõlemad muudatused toimusid koos, nii et kumbki ei saa ainuisikulist tunnustust. Hoidke olulised mälestused jälgitavad nende allikateni. Managed Agents' Dreams säilitab sisendi salvestise ja toodab eraldi väljundi,

4:32 mida saate üle vaadata. Kui te pigem loeksite seda kui kuuleksite mind seda ütlemas, siis diff jõuab teie postkasti igal hommikul, tasuta saidil the daily diff dot dev, link allpool.

Kas usaldaksin seda mälu süsteemi?

4:39 Nii et tänane otsus on VAJAB ÜLEVAATAMIST. Ma kasutaksin transkriptsioonil põhinevat parandust, sest püsiv viga väärib püsivat parandust. Ma kontrolliksin muudetud märkmeid ja testiksin, kas wiki aitab minu tegelikku ülesannet. Anthropicu vastunäited näitavad, kui kergesti mäluhooldus muutub teiseks projektiks, mida nüüd peate hooldama. Ja see on tänane erinevus. Ma olen Niko Axrisist. Ühendage vastutustundlikult.

Allikad

1. The components of agent memory — Lance Martin; figures by Monika Tuchowska; Anthropic-reported evaluationsAnthropic
2. Dreams — research preview, separate output store, billing and lifecycleClaude Platform documentation
3. Claude Code memory — injected index boundaryClaude Code documentation
4. Dreaming with a dynamic workflow — transcript staleness and caller controlClaude Cookbook
5. Sleep-time Compute — April 2025 prior work, no replication of this article claimedKevin Lin and colleagues / arXiv
6. Harvey LAB — tasks, documents, grading rubrics and version scopeHarvey AI
7. Authentic Dario Amodei portrait — TechCrunch Disrupt 2023; cropped, background removed and resized; Anthropic identity only, no authorship, current reaction or endorsementTechCrunch / Wikimedia Commons
8. Original TechCrunch portrait source — Dario Amodei at Disrupt 2023TechCrunch / Flickr
9. Portrait licence — Creative Commons Attribution 2.0Creative Commons
10. Two Buttons — Jake Clark, Imgflip template; commentary labels added; brief process satire, hosting is not a licence or legal clearance and grants no blanket reuseJake Clark / Imgflip
11. Groundhog Day GIF — Bill Murray and Stephen Tobolowsky as Phil/Ned; @groundhogday; silent, resized and captioned narrator commentary; no present-day reaction or blanket reuse; hosting is not a licence or legal clearanceGroundhog Day / GIPHY
12. Two Buttons origin attribution — Jake Clark, October 2014; secondary sourceSupermeme
13. Groundhog Day source link supplied by the GIPHY uploaderGroundhog Day