出来事の日付：2026年11月7日

Anthropicは、その場での記録と後からの統合を分離する、AIエージェント向けの記憶アーキテクチャを説明した。同社は、このオフラインでの見直しを「dreaming（夢を見ること）」と呼ぶ。エージェントはやり取りの合間にログを読み返し、有用な経験を見つけ、誤りを修正し、今後のセッションで読めるメモを整理し直す。

この手法は、何をいつ記録するかという難しい問題に対処するものだ。タスクの実行中、エージェントには、どの観察結果が後に重要になるかはまだ分からない。すべてを保存すると、古い情報を含む巨大なアーカイブができ、検索に時間とコンテキストを消費する。一方、保存する情報が少なすぎれば、将来の判断に必要な教訓を失いかねない。Anthropicの設計では、作業中は素早く記録し、その後でより慎重に評価できる。

同社の定義では、エージェントの記憶とは、やり取りや割り当てられたタスクを通じて得られ、セッションをまたいで読み取り可能なコンテキストとして残る知識を指す。これは、モデルの重みを変更すること、単一の会話内で学習すること、あふれたコンテキストウィンドウを要約に圧縮することとは異なる。記憶用のディレクトリには、事実、戦略、注意事項に加え、それぞれの記述がどのように検証されたかを示す証拠を保存できる。

Anthropicは、この方式をContinual Learning Benchで試した。この評価環境では、エージェントはデータベースに関する質問に答え、正解を受け取り、後の試行に使う資料を書き残せる。同社によると、能力の高いClaudeモデルほど、推測を集める段階から、整理・統合した規則を維持し、確認済みの事実を明示し、誤りの後に訂正を記録する段階へと進む傾向が強まった。後のシステムでは、規則と、それを正しいと考える根拠の両方を保持することで、学習の循環が完成したという。

別の実験では、長期的な行動が必要な環境として『ポケットモンスター 赤』が使われた。ある実行では、ゲーム内で約10,000ステップ進んだ時点で、Claude Sonnet 3.7は225個のフォルダに413個のファイルを蓄積し、バッジを1個獲得していた。Fable 5と記された新しいモデルは、2個のフォルダに9個のファイルと、最上位の文書1個を保持し、バッジを4個獲得した。この比較はそれぞれ個別の実行に基づくため、例示的なものであり、ファイル数だけが差を生んだとする統制された条件での主張ではない。

Anthropicは、有用な記憶では、エージェントにすでに見えている状態を重複して記録するのではなく、長く使える戦略や隠れた情報を重視すべきだと解釈している。ゲームの例では、現在地や所持金を繰り返し記録しても、その情報は古くなり、検索の手間を増やしかねない。計画、試して確かめた戦術、繰り返し陥る落とし穴への注意事項の方が、有用性を保ちやすかった。

この研究は、記憶管理を、単に保存容量を増やすことではなく、エージェントの性能を左右する能動的な要素と位置づける。永続的なフォルダは、それ以外の点では新たに始まるセッション同士の間で経験を引き継げる一方、保守の問題も生む。記述には検証と統合が必要で、適用できなくなったものは削除しなければならない。オフラインでの振り返りは、進行中のタスクを中断せずに、その保守を行う一つの方法となる。