Folia
← 返回头版

AI智能体记忆系统演进:从盲目记录到“睡眠计算”重构

来自Letta和UC Berkeley的研究人员提出了一种名为“睡眠计算”(Dreaming)的机制,旨在利用AI智能体的空闲时间对记忆进行重组与修正 1。这项研究深入探讨了为Claude等模型设计记忆系统的核心组件,揭示了智能体从被动记录信息向主动判断显著性、构建结构化Wiki以辅助检索的进化过程 1。研究发现,允许模型自主决定何时记录比强制规则更有效 1。

在不同基准测试中,采用先进记忆策略的模型展现出显著的效率提升与性能差异。在Continual Learning Bench (CL-Bench) 1.0中,Claude Opus 5是首个闭合学习循环的模型,能生成经过验证的规则并标记陷阱 1。而在Pokémon Red测试中,Claude Sonnet 3.7写了413个记忆文件仅获1枚徽章,而Claude Fable 5仅写9个文件加1个全局文件获4枚徽章 1。值得注意的是,Claude Opus 5.5和Sonnet 5.5使用记忆后得分与Opus 5相当,但无记忆基线性能略高 1。

针对大规模文档处理任务,研究人员以Stainless公司的约35万份文件(约4.2亿token)为例,通过128次“做梦”会话构建Wiki,评分标准达成率从13%提升至48% 1。结合搜索工具与Wiki,Claude的聚合分数从单独使用搜索工具的53%升至61%,每题节省约20,000 tokens 1。在法律领域Harvey LAB基准测试中,对于需要跨文档信息的合并案问题,查阅Wiki得分为87%,仅用搜索为73% 1。此外,为了控制注入上下文的成本,Claude Code自动加载MEMORY.md的前200行或25KB作为索引 1。在合同审查任务中,通过迭代指令让每个合同拥有独立页面并逐字引用条款,使简报标准满足率从72%提升至100% 1。


来源

  1. Hacker NewsThe Components of Agent Memory

评论