Anthropicは、エージェントが過去の作業を次のセッションに生かせるよう、記憶を保存・整理する構成を紹介した。開発者はアイドル時間に記録の誤りを直し、探索の地図を作る手法を活用し、何を記憶し、いつ見直すかを設計できる。
1. 記録から次のセッションのコンテキストまでを四層でつなぐ
記憶とは、経験から得た知識を次のセッションで読むために保存したものだ。探索可能な作業記録、重要事項を残すメモ、それらを結ぶウィキ、次のセッションに必要な情報を事前に読み込むコンテキストの四層で構成される。下層は元資料、上層は整理された知識とすぐに使える記憶である。
夢とは、セッション間のアイドル時間に記録を振り返り、メモを修正したり整理し直したりする過程だ。Anthropicは、Lettaとカリフォルニア大学バークレー校の研究者が提案したアイドル時間の計算、つまり作業していない間に行う計算の概念を記憶の整理に応用した。
2. 記憶の使い方はエージェントが判断すると効果が大きかった
AnthropicはCL-Bench 1.0のデータベース課題で、質問ごとに新しいセッションを開き、メモリディレクトリだけを引き継いだ。モデルは正解を確認した後、失敗の原因を検討し、次の質問に使うルールを残せた。同社の発表では、メモリの使用で平均報酬、つまり課題で得た点数の平均値は上がったが、上昇幅はモデルごとに異なった。
表：CL-Benchのデータベース課題におけるモデル別の平均報酬
条件：CL-Bench 1.0のデータベース課題、Claude Managed Agentsを使用。質問ごとに新しいセッションを開始し、メモリ使用時はディレクトリを維持。原文の図の代替テキストに基づく。
単位：平均報酬
| モデル | メモリなし | メモリあり |
|---|---|---|
| Opus 5.5 | 0.655 | 0.838 |
| Sonnet 5.5 | 0.644 | 0.833 |
| Opus 5 | 0.564 | 0.828 |
| Opus 4.7 | 0.383 | 0.700 |
| Sonnet 5 | 0.306 | 0.610 |
| Sonnet 4.6 | 0.330 | 0.364 |
同社の発表では、Sonnet 4.6はメモリだけでは改善幅が小さかったが、メモリを読み、回答前に仮説を試すよう指示されると、点数が0.641に上がった。Sonnet 5は特別な指示がなくても十回中九回、先にメモリを読んだ。
Anthropicは、強力なモデルには記憶する内容を固定するより、重要度を判断させる方が効果的だったと説明する。失敗だけを記録させた場合、メモリによる性能改善効果は小さくなった。
3. 良い記憶は量よりも再利用できることが重要だ
ポケットモンスター 赤の実験では、モデルごとに一回実行し、約1万ステップ時点のメモリを比較した。同社の発表では、詳細な記録を蓄積したSonnet 3.7より、戦略と次の計画を残したFable 5の方が、少ないファイルで多くのバッジを獲得した。
表：ポケモン実験における記憶の規模とゲームの進行
条件：モデルごとに一回実行し、約1万ステップ時点で比較。Fable 5のファイル数は最上位のファイルを含む。
| モデル | ファイル数 | フォルダー数 | バッジ数 |
|---|---|---|---|
| Sonnet 3.7 | 413 | 225 | 1 |
| Fable 5 | 10 | 2 | 4 |
Sonnet 3.7は約1万ステップの時点から17ステップにわたり、六つのファイルを作成し、九つを削除するため、ゲーム内で行動しなかった。この事例は、画面で再確認できる状態よりも、次の行動に使う戦略を残す方が有用であることを示している。
4. 夢は誤りを直し、必要な記憶への地図を作る
Anthropicはポケモン実験で、山の入り口にある回復施設の位置を誤記したメモを、夢が記録と照合して修正した事例を示した。修正した記憶を使った実行では、山に戻って次の町に到着した。誤った記憶を維持した実行では、以前の経路に三回戻り、結局山を越えられなかった。
ウィキは、テーマ別の知識とメモをつなぐページ群で、必要な記憶を探す地図となる。Anthropicは、約35万件の社内文書、約4億2千万トークンを対象に25問を評価した。同社の発表では、Opus 5が夢でウィキを育てると、ウィキだけを使う場合より検索も併用する場合の方が点数が高かった。
表：ウィキの成長に伴う回答の採点基準充足率の変化
条件：同じ社内文書と25問で評価。Opus 5がウィキを構築した夢のセッション2回時点と128回時点を比較。
単位：%
| 回答に使った資料 | 2回時点 | 128回時点 |
|---|---|---|
| 検索のみ | 53 | 53 |
| ウィキのみ | 13 | 48 |
| ウィキと検索 | 54 | 61 |
同社の発表では、ウィキと検索の併用により、質問ごとに約2万トークンも節約した。合併資料に関する24問のうち、複数の文書を結び付ける必要がある項目でも、ウィキ使用時は87%、検索のみの場合は73%を記録した。
5. 記憶の品質には計算と保存領域の両方が必要だ
探索で節約したコストの一部は、記憶を維持する計算と保存領域に移る。同社の発表では、ある法律課題で10件、115KBの文書を整理したウィキが、68ページ、255リンク、203KBに増えた。夢の実行にも計算が必要で、次のセッションに入れるコンテキストはトークンを消費する。
単一の文書から直接答えを見つけられる法律課題では、ウィキに明確な利点はなかった。誤ったメモを毎回読み込むと、誤りも繰り返される可能性がある。
Anthropicは最上位の記憶を小さく保ち、詳細はリンクで探せるようにする。Claude CodeもMEMORY.mdの先頭200行または25KBだけを読み込み、内容を素早く探すための一覧である索引として使う。
開発者は、情報の変わりやすさやアクセス頻度に応じて、夢を実行する時期を調整する方法を検討できる。
エージェントの記憶で重要なのは、より多く保存することではなく、記録を検証し、次の作業に適した層へ整理することである。