Anthropic 研究：Claude 智能体通过“做梦”机制强化记忆与纠错能力

封面为AI生成的主题示意图，非新闻现场照片。

Anthropic 于 11 月 6 日发布研究文章《The components of agent memory》，系统拆解了 Claude 智能体在跨会话中的记忆处理机制。该研究提出，AI 智能体可借鉴人脑睡眠整理记忆的生物学原理，在空闲时间进行历史回顾、错误修正与知识重组，从而显著提升长周期任务的表现。研究团队将智能体记忆划分为会话日志、记忆笔记、知识表征（如 Wiki）和注入上下文四个层级，并引入“做梦”机制。在此过程中，模型会在两次交互之间的间隙主动标记重要事件、筛选有效信息以写入记忆笔记，避免存储所有临时数据。Anthropic 指出，记忆本质上是对未来的预测，已验证的规则将被预期在未来反复使用。在持续学习基准 CL-Bench 的数据库问答任务中，启用记忆能力的 Claude 模型表现显著优于无记忆基线。数据显示，Claude Opus 5.5 和 Sonnet 5.5 在使用记忆后平均得分分别达到 0.838 和 0.833，而无记忆状态下的得分仅为 0.655 和 0.644。这一机制帮助更强的模型自主形成“失败—反思—验证—总结规则”的学习闭环。针对《宝可梦红》游戏测试，研究发现了“少而精”的记忆策略优势。Claude Fable 5 仅维护 10 个记忆文件便获得了 4 枚徽章，而 Sonnet 3.7 虽然记录了 413 个文件却仅获得 1 枚徽章。这证实模型应优先保存策略、计划和经测试的规则，而非不断变化的屏幕状态。“做梦”机制还展现了强大的纠错能力。当 Claude 错误记录宝可梦中心位置导致迷路时，系统通过比对原始会话记录成功修正记忆，使其抵达下一座城市；未修正记忆的运行则反复折返无法完成目标。此外，在处理约 35 万份企业文档的测试中，随着“做梦”规模从 2 次会话扩展至 128 次，25 个问题的达标率从 13% 提升至 48%，结合搜索工具后综合得分进一步升至 61%。Anthropic 表示，尽管智能体记忆技术已证明有效，但仍面临何时写入、如何保持更新以及如何避免错误累积等挑战。未来 AI 将更善于在任务完成后“回顾经验”，把零散的交互转化为可迁移、可验证的长期知识，从而构建出更为健壮的认知架构。