Anthropic Beberkan Cara Claude Bermimpi untuk Mengingat dan Memperbaiki Kesalahannya

Anthropic mempublikasikan tulisan riset pada 6 November 2026 yang membedah cara Claude mengingat pekerjaan dari satu sesi ke sesi berikutnya. Kuncinya ada pada proses yang mereka sebut dreaming: di sela tugas, Claude meninjau ulang catatan sesi lama, memperbaiki yang keliru, lalu menyusunnya menjadi pengetahuan yang bisa dipakai sesi berikutnya.

Ringkasan

  • Anthropic menerbitkan riset “The components of agent memory” pada 6 November 2026 tentang memori agen Claude dan proses “dreaming”.
  • Dalam uji gim Pokémon Red, Claude Fable 5 yang mencatat hemat — sembilan file plus satu berkas global.md — meraih empat badge, sementara Sonnet 3.7 yang mencatat segalanya hanya satu badge dari 413 file.
  • Dreaming juga membangun wiki dari sekitar 350.000 dokumen internal: skor 25 pertanyaan naik dari 13 persen menjadi 48 persen setelah 128 sesi.

Yang dimaksud Anthropic dengan memori agen adalah pengetahuan yang diperoleh Claude dari pengalaman — interaksi dengan pengguna dan tugas yang dikerjakan — lalu disimpan antar-sesi sebagai konteks yang bisa dibaca lagi. Definisi ini tidak mencakup perubahan bobot model saat pelatihan, pengetahuan dalam satu percakapan, atau ringkasan yang menggantikan percakapan lama.

Masalahnya, Claude harus memutuskan apa yang layak disimpan sebelum tahu apa yang dibutuhkan nanti. Mencatat segalanya terdengar aman, tapi justru membebani: catatan yang kedaluwarsa menumpuk dan Claude menghabiskan waktu memilah-milah ingatannya sendiri ketimbang bekerja.

Di sinilah dreaming bekerja. Saat agen sedang tidak dipakai, Claude membaca kembali log dan transkrip sesi sebelumnya, memeriksa catatan lama dengan transkrip aslinya sebagai patokan, lalu memperbaiki yang salah dan menyusun ulang yang tersisa. Gagasannya meminjam cara otak manusia mengonsolidasi memori saat tidur — hipokampus memutar ulang pengalaman agar tersimpan sebagai pengetahuan jangka panjang — dan bertumpu pada konsep sleep-time compute yang diusulkan peneliti Letta dan UC Berkeley. “Memory is what allows Claude to learn from experience,” tulis Anthropic di X saat mengumumkan tulisan itu.

Anthropic menguji pendekatan ini dengan tolok ukur Continual Learning Bench (CL-Bench) 1.0, tugas lookup basis data yang dikerjakan Claude dalam sesi-sesi terpisah. Satu-satunya yang bertahan antar-sesi adalah folder memori. Hasilnya, model yang lebih baru menutup lingkaran belajar: mereka mencatat aturan yang sudah tervalidasi, lengkap dengan bukti kebenarannya dan peringatan tentang jebakan yang pernah ditemukan. Sonnet 4.6 yang lebih lama justru perlu diarahkan — begitu diminta membaca berkas memorinya dan menguji teorinya sebelum menjawab, skor benchmark-nya hampir dua kali lipat.

Uji yang paling mudah dibaca hasilnya datang dari gim Pokémon Red. Sekitar 10.000 langkah ke dalam permainan, Sonnet 3.7 sudah menulis 413 berkas memori di 225 folder dan baru meraih satu badge. Fable 5 menulis sembilan file di dua folder plus satu berkas global.md yang berfungsi sebagai dasbor — tujuan, rencana, dan aturannya sendiri — dan meraih empat badge. Opus 5.5 memakai pendekatan serupa, folder kecil yang terus ditulis ulang, dan menamatkan gim. Bedanya bukan pada banyaknya catatan, melainkan isinya: Fable 5 menyimpan strategi, rencana, dan aturan teruji, bukan hal-hal yang bisa dibaca ulang dari layar setiap giliran.

Dreaming juga terbukti memperbaiki memori yang salah. Dalam satu sesi Pokémon, Claude salah mencatat letak PokéCenter di dekat gua Mt. Moon — di sisi timur, padahal di sisi barat. Akibatnya ia berulang kali jatuh dari tebing satu arah dan kembali ke rute awal, tiga kali, sampai akhirnya menulis bahwa ia akan berhenti mencoba. Setelah dreaming memeriksa folder memori itu dengan transkrip sesi, Claude menemukan kesalahannya, memperbaiki catatan, lalu berjalan lurus kembali ke Mt. Moon dan akhirnya sampai ke Cerulean City.

Eksperimen terbesar memakai sekitar 350.000 dokumen internal perusahaan Stainless — kira-kira 420 juta token — yang diubah Claude menjadi wiki lewat 128 sesi dreaming. Pada 25 pertanyaan tentang dokumen itu, skor jawaban dari wiki saja naik dari 13 persen menjadi 48 persen kriteria yang dinilai. Dipadukan dengan pencarian langsung, skor naik dari 54 persen menjadi 61 persen, dibanding 53 persen bila hanya memakai pencarian, dengan penghematan sekitar 20.000 token per pertanyaan. Pada soal merger yang menuntut Claude menggabungkan informasi dari banyak dokumen, jawaban dari wiki mencapai 87 persen berbanding 73 persen dari pencarian saja. Bahkan pada tugas menyusun brief kontrak, wiki yang dibangun dengan instruksi yang diperbaiki — satu agen per halaman kontrak, mengutip ketentuan kata per kata — memenuhi 100 persen kriteria, naik dari 41 dari 57 fakta sebelumnya.

Anthropic juga menjelaskan hierarki memorinya: catatan penting diangkat ke lapisan atas dan dimuat di awal setiap sesi, supaya Claude tidak perlu tahu dulu apa yang harus dicari. Lapisan itu harus tetap kecil — Claude Code, misalnya, hanya memuat 200 baris pertama atau 25 KB dari berkas MEMORY.md sebagai indeks. Dreaming sendiri butuh komputasi, dan sebagian eksperimen di atas memakai satu run per model, jadi angkanya perlu dibaca sebagai evaluasi internal Anthropic, bukan pengukuran independen.

Bagi pengguna Claude di Indonesia, riset ini menjelaskan apa yang terjadi di balik layar saat asisten itu mengerjakan proyek panjang: ia bisa belajar dari sesi sebelumnya tanpa dilatih ulang, tapi catatannya juga bisa salah dan perlu dirapikan di waktu luang. Anthropic menutup tulisannya dengan pertanyaan yang masih terbuka — kapan Claude sebaiknya membuat memori, dan seberapa sering dreaming perlu dijalankan — karena jawaban keduanya menentukan apakah agen makin pintar atau justru makin terbebani ingatannya sendiri.

Sumber

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Scroll to Top