Клод агентінің жады: транскрипцияға негізделген армандау және ортақ жазушының қателіктері

Бул видео эмнелерди камтыйт

• Агент жады сессиялар арасында контексті сақтайды; сипатталған жөндеу модель салмақтарын емес, жазбаларды өзгертеді.
• Қате жазбаны сессия транскрипциясымен тексеру түзетілген тармақты Cerulean City-ге жетуге көмектесті.
• Тек іздеу ғана критерийлердің 53% жинады; іздеу және үлкенірек вики Stainless құжаттарына қатысты 25 сұрақ бойынша 61% жетті.
• Басқа дереккөздер хабарлаған заңды тапсырмалар айқын вики пайдасын көрсетпеді немесе вики бастапқы құжаттардан үлкенірек болды.
• Келісімшартқа арналған беттер, әр бетке бір жазушы және сөзбе-сөз терминдер 57/57 бағаланған фактілерді қалпына келтірді; екі өзгеріс бірге сыналды.

Котормо стенограмма

Англис тилиндеги баштапкы баяндамадан которулган. Жеткиликтүү аудио жана коштомо жазуулар YouTube тарабынан көзөмөлдөнөт.

Неліктен жад Клодты тұзаққа түсірді?

0:00 Клодқа жад беру оның қателіктерді қайталауын тоқтатуы керек. Anthropic бір қате жазбаның оны бір Pokémon баспалдағынан үш рет құлатқанын көрді. Бұл бейнеде жад Клодты қалай тұзаққа түсіреді? Және оны не іс жүзінде жөндейді? Anthropic жөндеуді армандау деп атайды. Қосымша модель сессиялары сақталған транскрипцияларды қайта қарап, жад файлдарын өңдейді. Оның келісімшарт сынағы тіпті сол жадтар қалай жазылғанын өзгерту арқылы барлық жоғалған фактілерді қалпына келтірді.

0:22 Бұл ойды ұстаңыз. Бұл сенбі, жетінші қараша, және бұл The Daily Diff. Агент жады – сессиялар арасында сақталған контекст. Модельдің салмақтары өзгеріссіз қалады. Қоршаған бағдарламалық қамтамасыз ету тазалаудың қашан орындалатынын және ол қай транскрипцияларды көретінін шешеді. Managed Agents' Dreams мүмкіндігі зерттеу алдын ала қарау кезеңінде. Бұл мақала әрбір Клод қолданушысы үшін армандауды қоспайды.

Anthropic іс жүзінде нені сынады?

0:41 Anthropic Лэнс Мартиннің мақаласын жұма күні жариялады. Бүгінгі Hacker News талқылауында адамдар қай жадтарды жоятыны туралы дауласып жатыр. Қате жазба басқа сессияға өткенде не болады? Біз галлюцинацияға файл шкафын бердік. Клод жақын маңдағы Pokémon орталығын бағдар ретінде пайдаланып, Ай тауын кесіп өтуі керек. Ол ғимарат шығыс жағында деп жазады, шындығында ол батыста болса да. Ол үңгір оның артында қалды деп сеніп кетеді.

1:05 Содан кейін ол бір бағытты баспалдақпен келген жолына түседі. Оның навигация құралы құлауды жіберіп алғандықтан, Клод қателікті шамадан тыс өту деп түсіндіреді. Келесі әрекет сол қате болжаммен басталады. Тұрақтылық қатені сақтап қалды. Үшінші құлағаннан кейін, Клод айналымды жалғастырудан гөрі тоқтайтынын жазады. Зерттеушілердің қондырғысы оған автоматты түрде жалғастыруды айтады. Ол бұрынғы қалаға оралады, және бұл іске қосу Cerulean City-ге жетпей аяқталады. Тіпті бот та бұл кездесудің аяқталғанын қалайды.

Армандау маршрутты қалай түзетті?

1:30 Зерттеушілер ақаулы жад қалтасында армандауды іске қосады. Клод жазбаны бастапқы сессия транскрипциясымен тексереді, орналасу қатесін тауып, оны қайта жазады. Түзетілген жазбамен ол Ай тауына қайта кіріп, ақыры Cerulean-ға жетеді. Міне, осының пайдалы нәтижесі. Сақталған талап келесі әрекет алдында дәлелдемелермен тексеріледі. Бір іске қосуда Sonnet үш нүкте жеті бір белгіні ала отырып, жүздеген файлдарды жинақтады.

1:50 Fable бес кішірек жинақты сақтап, төртеуін алды. Әртүрлі модельдер, әрқайсысы бір рет іске қосылған, сондықтан файлдық жүйенің үлесін бөліп алу мүмкін емес. Hacker News-те yfontana олар автоматты жадтардың барлығын дерлік жоятынын айтады, өйткені жазбалар әдетте ағымдағы тапсырмаға жатады. Бұл бір қолданушының тәжірибесі. Кешегі координаттар сіз қозғалғаннан кейін нашар компас болады.

Жад вики қашан көмектеседі?

2:10 Anthropic сонымен қатар Stainless ішкі құжаттарының үстінен байланыстырылған вики құрды. Клод сессиялар бойынша байланысты ақпаратты ұйымдастырады, содан кейін сұрақтарға жауап беру үшін сол беттерді пайдаланады. Бұл жауап бірнеше құжатты қамтығанда көмектеседі. Бастапқы файлдар картаны тексеру үшін қолжетімді болып қалады. Тек іздеу арқылы Клод бағаланған критерийлердің елу үш пайызын жинады. Іздеу және үлкенірек вики алпыс бір пайызға жетті.

2:32 Бұл бір компанияның құжаттарына қатысты жиырма бес сұрақ болды. Қосымша оффлайн жұмысы бұл бағалауды жақсартты. Мақалада вики құрудың жалпы құны көрсетілмеген, сондықтан шот-фактура бағанасын ашық қалдырыңыз. Dreams стандартты API токен мөлшерлемелерін пайдаланады, және жұмыстар минуттан сағатқа дейін созылуы мүмкін. Anthropic әр жадты үздіксіз тексеру практикалық емес болуы мүмкін дейді. Сіздің агентіңіздің екінші ауысымы әлі де несие картаңыздан алынады. Сол мақалада вики іздеуден айқын пайда көрсетпеген заңды тапсырма бар.

Вики қашан ештеңе қоспайды?

2:56 Басқа вики ол қорытындылаған құжаттардан үлкенірек болды. Егер сұраққа бір үзіндіні табу арқылы жауап беруге болатын болса, алдымен энциклопедия құру табу түймесін пайдаланудың өте қымбат жолы болуы мүмкін. Claude Code өз жад индексінің шектеулі бастапқы бөлігін автоматты түрде жүктейді, ал егжей-тегжейлі жазбалар басқа жерде сақталады. Қате енгізілген нұсқау әрбір сессияға әсер етуі мүмкін. Anthropic-тің кітабы жад транскрипциялар сияқты жақсы екенін ескертеді. Кешегі журнал осы таңғы өзгерістерді растай алмайды.

Неліктен он алты келісімшарт фактісі жоғалып кетті?

3:23 Енді келісімшарт тапсырмасы үшін. Бірнеше агент симуляцияланған сатып алу үшін вики құрады, терминдерді бір ортақ кестеге жазады. Нәтижесіндегі қысқаша мазмұнға елу жеті бағаланған фактінің қырық бірі кіреді. Он алты факт келісімшарттар мен тегістелген жауап арасында жоғалып кетті. Бұл ақпаратты жоғалту үшін өте маңызды орын. Anthropic қатені нашар қорытындыларға және агенттердің бір-бірінің жұмысын қайта жазуына байланыстырады. Жоғалған терминдер ешқашан жауап беру

3:47 сессиясы үшін қауіпсіз сақталмаған. Армандау Клодқа сол сәтсіздіктерді қарастыруға, әртүрлі вики нұсқауларын ұсынуға және қайта құруға мүмкіндік береді. Жөндеу жадтың қалай жазылғанына дейін жетеді. Әріптестермен бір құжатты өңдеген кез келген адам бұл ауырсынуды біледі. Әр қатысушыға үлкенірек ми беріңіз, сонда олар әлі де біреудің жұмысын сақтап қалуы мүмкін. Қызықты AI жады мәселесі кеңсе асханасына қатарлас қатемен келді.

4:08 Әр келісімшартқа бір агент жазған өз беті беріледі. Терминдер сөзбе-сөз келтірілген. Жақсартылған вики барлық елу жеті бағаланған фактіні қолдайды. Бұл уәде етілген түзету. Бөлек меншік жоюды болдырмайды, ал нақты дәйексөздер терминдерді сақтайды. Екі өзгеріс бірге орын алды, сондықтан ешқайсысы жеке кредит алмайды. Маңызды естеліктерді олардың дереккөздеріне дейін қадағалаңыз. Managed Agents' Dreams енгізу қоймасын сақтайды және сіз

4:32 қарап шығуға болатын бөлек шығысты шығарады. Егер сіз мұны менің айтқанымнан гөрі оқығанды қаласаңыз, айырмашылық сіздің электронды поштаңызға күн сайын таңертең тегін the daily diff dot dev мекенжайына келеді, сілтеме төменде.

Мен бұл жад жүйесіне сенемін бе?

4:39 Сонымен бүгінгі үкім – NEEDS REVIEW. Мен транскрипцияға негізделген жөндеуді пайдаланар едім, өйткені тұрақты қате тұрақты түзетуді қажет етеді. Мен өзгерген жазбаларды тексерер едім және вики менің нақты тапсырмама көмектесе ме екенін тексерер едім. Anthropic-тің қарсы мысалдары жадты күту қалай оңай сіз енді күтуіңіз керек болатын басқа жобаға айналатынын көрсетеді. Және бұл бүгінгі айырмашылық. Мен Axrisi-ден Никомын. Жауапкершілікпен біріктіріңіз.

Булактар

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