A Anthropic publicou um estudo técnico detalhando a arquitetura de memória persistente para agentes baseados no Claude. Inspirando-se em como o hipocampo humano consolida experiências no neocórtex durante o sono, a equipe formalizou o uso de dreaming (computação em períodos ociosos) para manter o conhecimento entre sessões independentes.

Hierarquia de memória em quatro camadas proposta pela Anthropic para agentes autônomos. Fonte: Anthropic.

Consolidação offline em quatro camadas

Em vez de depender apenas de janelas de contexto descartáveis ou ajustes caros de pesos, o sistema estrutura a retenção de conhecimento em camadas complementares:

  • Transcripts: Histórico bruto e pesquisável de eventos e comandos de cada sessão.
  • Memory Notes: Anotações ativas gravadas pelo próprio modelo contendo teorias, regras aprendidas e hipóteses testadas.
  • Memory Representations: Sínteses estruturadas em formato de wikis hiperconectadas, geradas offline durante as pausas de execução (dreaming).
  • Injected Context: Informações essenciais pré-carregadas no início de cada nova conversa.

Nos testes com o benchmark CL-Bench 1.0, o modelo Claude Opus 5 foi o primeiro a fechar o ciclo completo de aprendizado contínuo, formulando regras após erros e elevando sua taxa de sucesso de 0,564 para 0,828 ao consultar a pasta de memória persistente.

O relatório completo e os benchmarks de avaliação estão disponíveis no portal de pesquisa da Anthropic.