Anthropic 探索 AI 记忆与梦想与显著性技术

Anthropic 发布了关于 AI 代理记忆系统设计的新见解，重点关注其 Claude 模型如何在会话之间保留和组织知识。这项名为 "代理记忆的组成部分" 的研究于 2026-11-06 发布，概述了诸如 "梦想" 和显著性标记等策略，以增强记忆功能。

受人类认知启发的记忆组织

该研究在人的记忆过程和 AI 记忆系统之间画了平行线。在人类中，海马体实时捕捉体验，而离线期间，例如睡眠，使大脑能够将这些体验巩固成存储在新皮质中的长期知识。同样，Anthropic 为 Claude 采用了 "梦想" 过程，在空闲期间模型反思会话日志，以纠正错误、创建笔记并将记忆重新组织成诸如 wiki 的关联表示。

Anthropic 的 Dreams API 通过消耗现有的记忆存储和会话记录来促进这个过程，以生成经过精炼的输出，而不改变原始数据。这个异步任务可以涉及一次 100 的会话记录，使模型能够有效地整合和验证信息。

评估 Claude 的记忆能力

Anthropic 使用来自持续学习基准 (CL-Bench) 1.0 和其他基准的任务测试 Claude 的记忆系统。在一个实验中，Claude 负责回答数据库查询，并写下记忆笔记以改善未来的表现。像 Claude Opus 5 和 Opus 5.5 这样的高级模型展示了通过记录已验证规则和识别潜在陷阱来闭合学习循环的能力，超越了早期版本如 Sonnet 4.6 和 Opus 4.7。

在一次单独评估中，Claude 玩 Pokémon Red 的能力被用来测试它对保存到记忆的判断。像 Sonnet 3.7 这样的模型写下了详细但过多的记忆文件，导致效率低下，而 Fable 5 优先考虑显著信息，从而导致表现更好。Fable 5 仅用九个记忆文件就获得了四个徽章，而 Sonnet 3.7 则只有一个徽章和 413 文件。

梦想对表现的影响

Anthropic 还探索了梦想对记忆巩固的影响，通过一次构建 wiki 的实验。使用大约 350,000 的内部文档，该研究表明，将梦想会话从两个增加到 128，在 13% 到 48% 的评分标准上提高了表现。另一个例子中，梦想纠正了在游戏导航任务中的误导性记忆笔记，使 Claude 能够在其他配置失败的地方取得进展。

AI 从业者的关键要点

研究强调，仅仅持久存储对于有效的 AI 记忆是远远不够的。记忆系统必须结合证据检查、纠正、组织和选择性检索，以支持长期任务表现。Anthropic 的发现突显了设计记忆过程的重要性，这些记忆过程必须平衡实时任务需求和未来效用，为推动 AI 能力提供宝贵的见解。