Anthropic elevou de 54% para 61% a precisão de agentes com memória

Na prática, a maioria dos sistemas com “memória” apenas coloca conversas antigas em uma pasta. Depois de algumas semanas, o agente não ganha uma vantagem, mas um sótão digital: notas contraditórias, estados desatualizados e dezenas de arquivos que precisam ser relidos antes de cada ação.

A Anthropic propõe um modelo mais útil. O agente não deve armazenar tudo o que viu, mas aquilo que será útil na sessão seguinte: regras verificadas, o objetivo atual, um plano de trabalho e armadilhas que já o levaram a cometer erros. Em seguida, durante períodos ociosos, ele retorna aos registros de trabalho, verifica suas anotações e as reorganiza. Os pesquisadores chamam esse processo de dreaming, ou “sonhar”.

Memória é uma previsão, não um arquivo

Quando um agente registra uma regra, ele está, na prática, fazendo uma aposta: essa informação será necessária novamente, e armazená-la será mais vantajoso do que recuperá-la outra vez. Por isso, a qualidade da memória depende, acima de tudo, da capacidade de distinguir o que é importante do que é temporário.

Isso fica evidente em um experimento com Pokémon Red. O Claude Sonnet 3.7 armazenou quase todos os encontros, batalhas e itens encontrados. Por volta dos 10.000 passos, ele havia criado 413 arquivos em 225 pastas, mas conquistado apenas uma insígnia. Parte das anotações ficava rapidamente desatualizada, enquanto o agente gastava cada vez mais ações mantendo o próprio arquivo.

Outro modelo, o Fable 5, limitou-se a nove arquivos em duas pastas e um documento principal. Nele estavam o objetivo atual, um plano para avançar no jogo e as regras de gerenciamento da memória. Anotações separadas descreviam rotas e estratégias de jogo verificadas. Esse agente conquistou quatro insígnias: tinha menos memória, mas cada registro ajudava a tomar a decisão seguinte.

O princípio prático é simples. Não vale a pena armazenar coordenadas, saldo ou status de uma tarefa se o agente puder obter essas informações de uma ferramenta confiável naquele mesmo momento. O que deve ser preservado é aquilo que não existe no sistema externo: lições extraídas de erros, padrões confirmados, planos e os motivos das decisões tomadas.

“Sonhar” corrige erros sustentados com convicção

O perigo da memória persistente é que uma anotação incorreta sobreviva à sessão que a originou. Na execução seguinte, o agente lê o próprio registro como fonte da verdade e volta a tomar uma decisão errada.

Em uma partida de Pokémon, Claude registrou incorretamente que o centro de cura ficava no lado leste da montanha. Por causa disso, concluiu que já havia atravessado a caverna, seguiu na direção errada e retornou várias vezes à mesma rota. Depois da terceira repetição, o agente praticamente desistiu.

Durante o processo de “sonhar”, o modelo comparou a anotação com o registro original, detectou a divergência e corrigiu a localização do objeto. Na execução seguinte, Claude voltou à caverna e chegou a uma nova cidade. O ponto importante não é a história do jogo em si, mas o padrão de engenharia: o registro de ações permanece como evidência primária, enquanto a memória é um produto derivado editável que precisa ser verificado periodicamente.

O que isso oferece aos agentes em produção

A Anthropic testou a mesma abordagem em um conjunto de aproximadamente 350.000 documentos internos, totalizando cerca de 420 milhões de tokens. Os agentes construíram progressivamente uma base de conhecimento interconectada: criaram páginas, combinaram duplicatas, corrigiram afirmações e as verificaram nas fontes. Quando o processamento em segundo plano aumentou de duas para 128 sessões, o desempenho no conjunto de perguntas subiu de 13% para 48% dos critérios de avaliação.

No entanto, a base de conhecimento não substituiu a busca. O melhor resultado veio da combinação dos dois mecanismos: o mapa do conhecimento acumulado indica onde procurar, enquanto a ferramenta de busca permite verificar os detalhes na fonte primária. À medida que a base evoluiu, o resultado dessa combinação aumentou de 54% para 61%, enquanto a busca isolada alcançou 53%.

Para desenvolvedores, a conclusão é bastante prática. Comece com uma memória pequena: um arquivo com o objetivo e os próximos passos, uma seção separada com regras confirmadas e links para os registros originais. Adicione uma tarefa em segundo plano que procure contradições, sinalize conclusões não verificadas e remova informações desatualizadas. Não imponha a um modelo poderoso dezenas de regras rígidas sobre o que memorizar: nos experimentos da Anthropic, exigir que ele armazenasse apenas os erros reduziu a utilidade da memória.

As métricas foram obtidas nos próprios modelos da Anthropic e em pequenos conjuntos de tarefas, portanto os percentuais não podem ser generalizados para qualquer produto. Ainda assim, a conclusão arquitetônica parece sólida: uma boa memória para agentes não é um log infinito, mas um modelo de trabalho do mundo compacto, verificável e reescrito regularmente.