क्लाउड एजेन्ट मेमोरी: ट्रान्सक्रिप्ट-समर्थित सपना र साझा-लेखकका त्रुटिहरू

यो भिडियोले के समेट्छ

• एजेन्टको मेमोरी सत्रहरू बीच सन्दर्भ कायम राख्छ; वर्णित मर्मतले मोडेलका वजनहरू भन्दा पनि नोटहरू परिवर्तन गर्दछ।
• सत्रको ट्रान्सक्रिप्ट विरुद्ध गलत नोट जाँच गर्दा सच्याइएको शाखालाई सेरुलियन शहर पुग्न मद्दत गर्यो।
• खोजले मात्र ५३% मापदण्ड पूरा गर्यो; खोज र ठूलो विकीले स्टेनलेस कागजातहरू बारे २५ प्रश्नहरूमा ६१% पुग्यो।
• अन्य स्रोत-रिपोर्ट गरिएका कानुनी कार्यहरूले स्पष्ट विकी लाभ देखाएनन् वा विकी मूल कागजातहरू भन्दा ठूलो थियो।
• ठेक्का-विशिष्ट पृष्ठहरू, प्रति पृष्ठ एक लेखक र हुबहु सर्तहरूले ५७/५७ ग्रेड गरिएका तथ्यहरू फेला पारे; दुवै परिवर्तनहरू सँगै परीक्षण गरिएका थिए।

अनुवादित ट्रान्सक्रिप्ट

मूल अंग्रेजी कथाबाट अनुवादित। उपलब्ध अडियो र क्याप्सनहरू YouTube द्वारा नियन्त्रित हुन्छन्।

मेमोरीले क्लाउडलाई किन जालमा पार्यो?

0:00 क्लाउडलाई मेमोरी दिँदा यसले गल्तीहरू दोहोर्याउनु हुँदैन। एन्थ्रोपिकले एउटा गलत नोटले यसलाई उही पोकेमोन चट्टानबाट तीन पटक खसालेको देख्यो। यस भिडियोमा, मेमोरीले क्लाउडलाई कसरी जालमा पार्छ? र वास्तवमा यसलाई के ले ठीक गर्छ? एन्थ्रोपिकले मर्मतलाई 'सपना' भन्छ। अतिरिक्त मोडेल सत्रहरूले भण्डारण गरिएका ट्रान्सक्रिप्टहरू पुन: हेर्छन् र मेमोरी फाइलहरू सम्पादन गर्छन्। यसको ठेक्का परीक्षणले ती सम्झनाहरू कसरी लेखिएका थिए भन्ने परिवर्तन गरेर हराएका प्रत्येक तथ्य पनि फेला पार्यो। त्यो विचारलाई समात्नुहोस्।

0:22 आज शनिबार, नोभेम्बर सात हो, र यो द डेली डिफ हो। एजेन्ट मेमोरी सत्रहरू बीच सुरक्षित गरिएको सन्दर्भ हो। मोडेलको वजन अपरिवर्तित रहन्छ। वरपरको सफ्टवेयरले कहिले सरसफाई चल्छ र यसले कुन ट्रान्सक्रिप्टहरू देख्छ भनेर निर्णय गर्दछ। प्रबन्धित एजेन्टहरूको सपना सुविधा अनुसन्धान पूर्वावलोकनमा छ। यो लेखले प्रत्येक क्लाउड प्रयोगकर्ताका लागि सपनाहरू सक्रिय गर्दैन। एन्थ्रोपिकले लान्स मार्टिनको लेख शुक्रबार प्रकाशित गर्यो। आजको ह्याकर न्यूज छलफलमा मानिसहरू कुन सम्झनाहरू मेटाउने भनेर बहस गरिरहेका छन्। एउटा आत्मविश्वासपूर्वक गलत नोट अर्को सत्रमा बाँच्दा के हुन्छ?

एन्थ्रोपिकले वास्तवमा के परीक्षण गर्यो?

0:41 हामीले भ्रमलाई फाइलिंग क्याबिनेट दिएका छौं। क्लाउडले माउन्ट मुन पार गर्नुपर्छ, नजिकैको पोकेमोन सेन्टरलाई आफ्नो ल्यान्डमार्कको रूपमा प्रयोग गर्दै। यसले भवन पूर्वतर्फ छ भनेर लेख्छ, यद्यपि यो पश्चिमतर्फ छ। गुफा पहिले नै पछाडि छ भन्ने विश्वास गर्दै यो छोड्छ। त्यसपछि यो एकतर्फी चट्टानबाट आफू आएको मार्गमा हिँड्छ। यसको नेभिगेसन उपकरणले खसेको याद गर्दैन, त्यसैले क्लाउडले असफलतालाई 'ओभरशूटिङ' भनी व्याख्या गर्छ। अर्को प्रयास उही गलत धारणाबाट सुरु हुन्छ। निरन्तरताले बगलाई सुरक्षित गरेको छ।

1:05 तेस्रो पतन पछि, क्लाउडले लेख्छ कि यो लूपमा नपरिकन रोकिनेछ। शोधकर्ताहरूको सेटअपले यसलाई जारी राख्न स्वचालित रूपमा भन्छ। यो अघिल्लो शहरमा फर्कन्छ, र त्यो दौड सेरुलियन शहर नपुगिकन समाप्त हुन्छ। बोट पनि यो बैठक समाप्त गर्न चाहन्छ। शोधकर्ताहरूले दोषपूर्ण मेमोरी फोल्डरमा सपना चलाउँछन्। क्लाउडले मूल सत्र ट्रान्सक्रिप्ट विरुद्ध नोट जाँच गर्छ, स्थान त्रुटि समात्छ, र यसलाई पुन: लेख्छ। सच्याइएको नोटको साथ, यो माउन्ट मुनमा पुन: प्रवेश गर्छ र अन्ततः सेरुलियन पुग्छ। त्यो यहाँको उपयोगी नतिजा हो।

सपनाले मार्गलाई कसरी ठीक गर्यो?

1:30 अर्को प्रयास अघि सुरक्षित गरिएको दाबी प्रमाण विरुद्ध जाँच गरिन्छ। एउटा दौडमा, सोनेट तीन दशमलव सातले सयौं फाइलहरू जम्मा गर्यो जबकि एउटा ब्याज कमायो। फेबल पाँचले सानो संग्रह राख्यो र चार कमायो। फरक मोडेलहरू, प्रत्येक एक दौड, त्यसैले फाइलिंग प्रणालीको योगदानलाई अलग गर्न सकिँदैन। ह्याकर न्यूजमा, yfontana भन्छन् कि उनीहरूले लगभग सबै स्वचालित सम्झनाहरू मेटाउँछन् किनभने नोटहरू सामान्यतया हालको कार्यसँग सम्बन्धित हुन्छन्। त्यो एक प्रयोगकर्ताको अनुभव हो। हिजोका निर्देशांकहरू एकपटक तपाईंले सार्नुभयो भने खराब कम्पास बन्छन्।

1:50 एन्थ्रोपिकले स्टेनलेसको आन्तरिक कागजातहरूमा पनि एक लिंक गरिएको विकी बनायो। क्लाउडले सत्रहरूमा सम्बन्धित जानकारी व्यवस्थित गर्दछ, त्यसपछि ती पृष्ठहरूलाई प्रश्नहरूको जवाफ दिन प्रयोग गर्दछ। यसले एउटा जवाफ धेरै कागजातहरूमा फैलिएको बेला मद्दत गर्न सक्छ। मूल फाइलहरू नक्सा जाँच गर्न उपलब्ध रहन्छन्। खोज मात्र प्रयोग गर्दा, क्लाउडले

मेमोरी विकीले कहिले मद्दत गर्छ?

2:10 ग्रेड गरिएका मापदण्डहरूको ५३ प्रतिशत प्राप्त गर्यो। खोज र ठूलो विकीले ६१ प्रतिशत पुग्यो। ती एक कम्पनीका कागजातहरू बारे २५ प्रश्नहरू थिए। अतिरिक्त अफलाइन कार्यले त्यो मूल्याङ्कन सुधार गर्यो। लेखले हामीलाई विकी निर्माणको कुल मूल्य दिँदैन, त्यसैले बीजक स्तम्भ खुला राख्नुहोस्। सपनाले मानक API टोकन दरहरू प्रयोग गर्दछ, र कार्यहरू मिनेटदेखि घण्टासम्म लाग्न सक्छ। एन्थ्रोपिक भन्छ कि हरेक मेमोरीलाई निरन्तर जाँच गर्नु अव्यावहारिक हुन सक्छ।

2:32 तपाईंको एजेन्टको दोस्रो सिफ्ट अझै पनि तपाईंको क्रेडिट कार्डमा जान्छ। त्यही लेखमा एउटा कानुनी कार्य समावेश छ जहाँ विकीले खोजमाथि स्पष्ट लाभ देखाएन। अर्को विकीले यसले सारांशित गरेका कागजातहरू भन्दा ठूलो भयो। यदि एउटा प्रश्न एउटा खण्ड फेला पारेर जवाफ दिन सकिन्छ भने, पहिले विश्वकोश बनाउनु 'खोज' बटन प्रयोग गर्ने असाधारण महँगो तरिका हुन सक्छ। क्लाउड कोडले यसको मेमोरी अनुक्रमणिकाको सीमित खुल्ने खण्ड स्वचालित रूपमा लोड गर्दछ, विस्तृत नोटहरू elderswhere राखिएको हुन्छ। एउटा गलत इन्जेक्ट गरिएको निर्देशनले हरेक सत्रलाई असर गर्न सक्छ। एन्थ्रोपिकको कुकबुकले चेतावनी दिन्छ कि मेमोरी ट्रान्सक्रिप्टहरू जत्तिकै राम्रो हुन्छ। हिजोको लगले आज बिहानका परिवर्तनहरू प्रमाणित गर्न सक्दैन।

विकीले कहिले केही थप्दैन?

2:56 अब ठेक्का कार्यका लागि। धेरै एजेन्टहरूले एक नक्कली अधिग्रहणका लागि विकी बनाउँछन्, एउटै साझा तालिकामा सर्तहरू लेख्दै। परिणामस्वरूप संक्षिप्तमा ५७ मध्ये ४१ ग्रेड गरिएका तथ्यहरू समावेश छन्। सोह्र तथ्यहरू ठेक्काहरू र परिष्कृत जवाफको बीचमा कतै हराएका छन्। त्यो जानकारी हराउनका लागि एकदमै महत्त्वपूर्ण ठाउँ हो। एन्थ्रोपिकले असफलतालाई खराब सारांशहरू र एजेन्टहरूले एकअर्काको कामलाई ओभरराइट गरेको पत्ता लगाउँछ। हराएका सर्तहरू जवाफ दिने सत्रका लागि कहिल्यै सुरक्षित रूपमा संरक्षित गरिएनन्।

सोह्र ठेक्काका तथ्यहरू किन हराए?

3:23 सपनाले क्लाउडलाई ती असफलताहरूमाथि विचार गर्न दिन्छ, फरक विकी निर्देशनहरू प्रस्ताव गर्दछ, र पुन: निर्माण गर्दछ। मर्मतले मेमोरी कसरी लेखिएको छ भन्ने कुरासम्म पुग्छ। सहकर्मीहरूसँग एउटै कागजात सम्पादन गरेका जो कोहीलाई यो पीडा थाहा छ। प्रत्येक सहभागीलाई ठूलो मस्तिष्क दिनुहोस्, र उनीहरूले अझै पनि अरू कसैको काममाथि बचत गर्न सक्छन्। रोमाञ्चक एआई मेमोरी समस्या कंकुरेन्सी बग लगाएर अफिसको भान्सामा घुसेको छ। प्रत्येक ठेक्काले आफ्नै पृष्ठ पाउँछ, एकल एजेन्टले लेखेको।

3:47 सर्तहरू शब्द-शब्द उद्धृत गरिएका छन्। सुधारिएको विकीले सबै ५७ ग्रेड गरिएका तथ्यहरूलाई समर्थन गर्दछ। त्यो प्रतिज्ञा गरिएको समाधान हो। छुट्टै स्वामित्वले ओभरराइटिङ रोक्छ, र सटीक उद्धरणहरूले सर्तहरूलाई सुरक्षित राख्छ। दुवै परिवर्तनहरू सँगै भए, त्यसैले कसैले पनि एक्लै श्रेय पाउँदैन। महत्त्वपूर्ण सम्झनाहरूलाई तिनीहरूको स्रोतहरूसम्म ट्रेस गर्न योग्य राख्नुहोस्। प्रबन्धित एजेन्टहरूको सपनाले इनपुट स्टोरलाई सुरक्षित राख्छ र तपाईंले समीक्षा गर्न सक्ने छुट्टै आउटपुट उत्पादन गर्छ। यदि तपाईं यो सुन्नुको सट्टा पढ्न चाहनुहुन्छ भने, द डिफ हरेक बिहान तपाईंको इनबक्समा निःशुल्क आउँछ, thedailydiff.dev मा, लिङ्क तल।

4:08 त्यसैले आजको फैसला हो 'NEEDS REVIEW'। म ट्रान्सक्रिप्ट-समर्थित मर्मत प्रयोग गर्छु किनभने एक निरन्तर गल्तीले एक निरन्तर समाधानको हकदार हुन्छ। म परिवर्तन गरिएका नोटहरू जाँच गर्छु र विकीले मेरो वास्तविक कार्यमा मद्दत गर्छ कि गर्दैन भनेर परीक्षण गर्छु। एन्थ्रोपिकका प्रतिउदाहरणहरूले देखाउँछन् कि मेमोरी मर्मत सजिलै कसरी अर्को परियोजना बन्छ जुन तपाईंले अब कायम राख्नुपर्छ। र आजको लागि यही डिफ हो। म एक्स्रिसीबाट निको हुँ। जिम्मेवारीपूर्वक मर्ज गर्नुहोस्। क्लाउडलाई मेमोरी दिँदा यसले गल्तीहरू दोहोर्याउनु हुँदैन।

4:32 एन्थ्रोपिकले एउटा गलत नोटले यसलाई उही पोकेमोन चट्टानबाट तीन पटक खसालेको देख्यो। यस भिडियोमा, मेमोरीले क्लाउडलाई कसरी जालमा पार्छ? र वास्तवमा यसलाई के ले ठीक गर्छ? एन्थ्रोपिकले मर्मतलाई 'सपना' भन्छ।

के म यो मेमोरी प्रणालीमा विश्वास गर्छु?

4:39 अतिरिक्त मोडेल सत्रहरूले भण्डारण गरिएका ट्रान्सक्रिप्टहरू पुन: हेर्छन् र मेमोरी फाइलहरू सम्पादन गर्छन्। यसको ठेक्का परीक्षणले ती सम्झनाहरू कसरी लेखिएका थिए भन्ने परिवर्तन गरेर हराएका प्रत्येक तथ्य पनि फेला पार्यो। त्यो विचारलाई समात्नुहोस्। आज शनिबार, नोभेम्बर सात हो, र यो द डेली डिफ हो। एजेन्ट मेमोरी सत्रहरू बीच सुरक्षित गरिएको सन्दर्भ हो। मोडेलको वजन अपरिवर्तित रहन्छ। वरपरको सफ्टवेयरले कहिले सरसफाई चल्छ र यसले कुन ट्रान्सक्रिप्टहरू देख्छ भनेर निर्णय गर्दछ। प्रबन्धित एजेन्टहरूको सपना सुविधा अनुसन्धान पूर्वावलोकनमा छ। यो लेखले प्रत्येक क्लाउड प्रयोगकर्ताका लागि सपनाहरू सक्रिय गर्दैन।

स्रोतहरू

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