Memoria agentului Claude: visarea susținută de transcrieri și eșecurile scriitorilor comuni

Ce acoperă acest videoclip

• Memoria agentului păstrează contextul între sesiuni; reparația descrisă modifică notele, nu ponderile modelului.
• Verificarea notei greșite cu transcrierea sesiunii a ajutat ramura corectată să ajungă în Cerulean City.
• Doar căutarea a îndeplinit 53% din criterii; căutarea plus wiki-ul mai mare a atins 61% la 25 de întrebări despre documentele Stainless.
• Alte sarcini legale raportate de sursă nu au arătat un câștig clar al wiki-ului sau un wiki mai mare decât documentele originale.
• Paginile specifice contractului, un scriitor pe pagină și termenii verbatim au recuperat 57/57 de fapte notate; ambele modificări au fost testate împreună.

Transcrierea tradusă

Tradus din narațiunea originală în engleză. Audio-ul și subtitrările disponibile sunt controlate de YouTube.

De ce l-a ținut memoria pe Claude captiv?

0:00 A-i oferi lui Claude o memorie ar trebui să-l oprească din a repeta greșeli. Anthropic a urmărit cum o notă greșită l-a trimis peste aceeași muchie Pokémon de trei ori. În acest videoclip, cum îl prinde memoria pe Claude? Și ce o repară de fapt? Anthropic numește reparația visare. Sesiunile suplimentare ale modelului revizuiesc transcrierile stocate și editează fișierele de memorie. Testul său de contract chiar a recuperat fiecare fapt lipsă prin schimbarea modului în care aceste memorii au fost scrise.

0:22 Păstrează acest gând. Este sâmbătă, șapte noiembrie, și acesta este The Daily Diff. Memoria agentului este contextul salvat între sesiuni. Ponderile modelului rămân neschimbate. Software-ul înconjurător decide când se execută curățarea și ce transcrieri vede. Funcția Managed Agents' Dreams este în previzualizare de cercetare. Acest articol nu activează visarea pentru fiecare utilizator Claude.

Ce a testat de fapt Anthropic?

0:41 Anthropic a publicat articolul lui Lance Martin vineri. Discuția de astăzi de pe Hacker News are oameni care se ceartă despre ce memorii le șterg. Ce se întâmplă când o notă greșită încrezătoare supraviețuiește într-o altă sesiune? Am oferit halucinației un fișier. Claude trebuie să traverseze Muntele Lunii, folosind un Centru Pokémon din apropiere ca reper. Notează că clădirea este pe partea de est, chiar dacă este pe vest. Pleacă crezând că peștera este deja în spatele lui.

1:05 Apoi merge peste o muchie unidirecțională pe ruta de unde a venit. Instrumentul său de navigație ratează căderea, așa că Claude explică eșecul ca pe o depășire. Următoarea încercare începe cu aceeași presupunere greșită. Persistența a păstrat eroarea. După a treia căzătură, Claude scrie că se va opri în loc să continue să se învârtă în cerc. Setările cercetătorilor îi spun automat să continue. Se îndreaptă înapoi spre un oraș anterior, iar acea rulare se termină fără a ajunge în Cerulean City. Chiar și botul vrea ca această întâlnire să se termine.

Cum a reparat visarea traseul?

1:30 Cercetătorii rulează visarea pe folderul de memorie defect. Claude verifică nota cu transcrierea sesiunii originale, prinde eroarea de locație și o rescrie. Cu nota corectată, reintră în Muntele Lunii și, în cele din urmă, ajunge în Cerulean. Acesta este rezultatul util aici. O afirmație salvată este verificată cu dovezi înainte de o altă încercare. Într-o singură rulare, Sonnet 3.7 a acumulat sute de fișiere în timp ce a câștigat

1:50 o insignă. Fable 5 a păstrat o colecție mai mică și a câștigat patru. Modele diferite, câte o rulare fiecare, astfel încât contribuția sistemului de fișiere nu poate fi izolată. Pe Hacker News, yfontana spune că șterge aproape toate memoriile automate deoarece notele aparțin de obicei sarcinii curente. Aceasta este experiența unui singur utilizator. Coordonatele de ieri fac o busolă proastă odată ce te-ai mutat.

Când ajută un wiki cu memorie?

2:10 Anthropic a construit, de asemenea, un wiki legat peste documentele interne ale Stainless. Claude organizează informații conexe între sesiuni, apoi folosește acele pagini pentru a răspunde la întrebări. Acest lucru poate ajuta atunci când un răspuns se întinde pe mai multe documente. Fișierele originale rămân disponibile pentru a verifica harta. Doar cu căutarea, Claude a obținut cincizeci și trei la sută din criteriile notate. Căutarea plus wiki-ul mai mare a atins șaizeci și unu la sută.

2:32 Acestea au fost douăzeci și cinci de întrebări despre documentele unei companii. Munca suplimentară offline a îmbunătățit acea evaluare. Articolul nu ne oferă un preț total pentru construirea wiki-ului, așa că păstrați coloana facturii deschisă. Visarea utilizează ratele standard ale jetoanelor API, iar sarcinile pot dura de la minute la ore. Anthropic spune că verificarea continuă a fiecărei memorii poate fi impracticabilă. A doua tură a agentului tău merge tot pe cardul tău de credit. Același articol include o sarcină legală în care wiki-ul nu a arătat un câștig clar față de

Când wiki-ul nu adaugă nimic?

2:56 căutare. Un alt wiki a crescut mai mare decât documentele pe care le rezuma. Dacă o întrebare poate primi răspuns prin găsirea unui singur pasaj, construirea unei enciclopedii mai întâi poate fi o modalitate remarcabil de costisitoare de a folosi butonul de găsire. Claude Code încarcă automat o porțiune inițială limitată din indexul său de memorie, cu note detaliate păstrate în altă parte. O instrucțiune injectată greșit poate afecta fiecare sesiune. Ghidul Anthropic avertizează că memoria este la fel de bună ca transcrierile. Jurnalul de ieri nu poate verifica modificările de astăzi.

De ce au dispărut șaisprezece fapte contractuale?

3:23 Acum pentru sarcina contractului. Mai mulți agenți construiesc un wiki pentru o achiziție simulată, scriind termenii într-un singur tabel partajat. Rezumatul rezultat include patruzeci și unu din cincizeci și șapte de fapte notate. Șaisprezece fapte au dispărut undeva între contracte și răspunsul finisat. Acesta este un loc destul de important pentru a pierde informații. Anthropic atribuie eșecul rezumatelor proaste și agenților care își suprascriu munca reciproc. Termenii lipsă nu au fost niciodată păstrați în siguranță pentru sesiunea de răspuns.

3:47 Visarea îi permite lui Claude să reflecte asupra acestor eșecuri, să propună instrucțiuni wiki diferite și să reconstruiască. Reparația ajunge până la modul în care este scrisă memoria. Oricine a editat același document cu colegii de muncă știe această durere. Oferiți fiecărui participant un creier mai mare și ei pot încă să salveze peste munca altcuiva. Problema incitantă a memoriei AI s-a rătăcit în bucătăria biroului purtând un bug de concurență.

4:08 Fiecare contract primește propria pagină, scrisă de un singur agent. Termenii sunt citați cuvânt cu cuvânt. Wiki-ul îmbunătățit susține toate cele cincizeci și șapte de fapte notate. Aceasta este soluția promisă. Proprietatea separată previne suprascrierea, iar citatele exacte păstrează termenii. Ambele modificări s-au întâmplat împreună, așa că niciuna nu primește credit exclusiv. Păstrați memoriile importante trasabile la sursele lor. Managed Agents' Dreams păstrează stocul de intrare și produce o ieșire separată pe care o puteți

4:32 revizui. Dacă preferați să citiți asta decât să mă auziți spunând-o, diff-ul ajunge în căsuța dvs. de e-mail în fiecare dimineață, gratuit la thedailydiff.dev, link mai jos.

Aș avea încredere în acest sistem de memorie?

4:39 Așadar, verdictul de astăzi este NEEDS REVIEW. Aș folosi reparația susținută de transcrieri, deoarece o greșeală persistentă merită o reparație persistentă. Aș verifica notele modificate și aș testa dacă wiki-ul ajută sarcina mea actuală. Controversele lui Anthropic arată cât de ușor întreținerea memoriei devine un alt proiect pe care trebuie să-l întreții acum. Și asta e diferența pentru astăzi. Sunt Niko de la Axrisi. Îmbinați responsabil.

Surse

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