11月17日、The Decoderが「Anthropic says the key to agent memory is knowing what to forget, not how much to store」と題した記事を公開した。この記事では、Anthropicがエージェントのメモリ戦略に関する実験結果を公開し、「何を記録するか」より「何を忘れるか」が重要であることを示した研究について詳しく紹介されている。
AIエージェントがセッションをまたいで知識を保持する方法は、実用的なエージェント開発における未解決の課題だ。Anthropicは研究ポストで、Claudeがセッション間でどのように知識を保持するかを実験した結果を公開した。基本的な仕組みは単純で、Claudeがノートをフォルダに書き込み、次のセッションで読み返すというものだ。しかしそのシンプルな仕組みの中に、見落とされがちな核心的な問題がある。
「全部保存」は機能しない——ポケモンの実験
Anthropicはポケモン赤を使った実験でこの問題を鮮明に示した。
旧モデルのClaude Sonnet 3.7はゲームプレイ中に「すべてが重要かもしれない」と判断し、約1万ステップで413ファイル、225フォルダを生成した。戦闘ごと、アイテムごとに個別フォルダを作るという具合だ。しかしゲームの状態は常に変化するため、蓄積されたアーカイブはすぐに陳腐化する。モデルがゲームを進める代わりにノートの整理だけをし続ける状態に陥ることもあり、最終的に取得したバッジはわずか1個だった。
一方、より新しいモデルはメモリを少数のファイルに限定し、4個のバッジを獲得した。その戦略は明快で、画面上で確認できる情報は記録せず、自分でテストした計画・戦略・ルールだけを書き留めた。結果としてファイル数10、約4万3000文字と、Sonnet 3.7の約978,000文字と比べて大幅に小さいメモリで、より遠くまで進んだ。
上図はSonnet 3.7(左)と比較モデル(右)のメモリ構造を可視化したトレーマップだ。Sonnet 3.7が膨大な細粒度ファイルを生成しているのに対し、比較モデルは少数のファイルに情報を集約していることが一目でわかる。
Anthropicはこの実験から、メモリの使い方についてClaudeにメモリの目的を説明し、モデル自身に判断させるアプローチを推奨している。「失敗だけを記録せよ」のような硬直した指示は、強力なモデルの性能を大きく損なうことが判明した。逆に旧モデルでは、「毎回必ずノートを読んでから回答せよ」のような明示的な指示が有効だった。モデルの能力に応じて指示の粒度を変える必要があるということだ。
誤ったノートを修正する「Dreaming」
より深刻なリスクは、エージェントが誤ったノートを盲目的に信頼し続けることだ。これを解決するために導入されたのが「Dreaming」だ。LettaとUCバークレーの研究を元にしたアイデアで、人間が睡眠中に記憶を整理するプロセスに着想を得ている。アイドル時間中にClaudeが過去のセッションのトランスクリプトを読み返し、ノートの内容と照合して誤りを検出・修正する。
ポケモンの実験では、Claudeが山の目印の位置を左右逆に記録してしまったケースがあった。その誤ったノートを信じて崖を3回繰り返して落ち、目的地への到達を諦めかけた。Dreaming実行後、Claudeはトランスクリプトとノートのズレを検出して誤りを修正し、正しいルートを発見した。
上図はDreamingあり・なしでのCerulean City到達状況を比較したものだ。Dreaming未適用のエージェントが誤ったメモリに引きずられて停滞しているのに対し、Dreaming適用後は正確なルートを辿って目的地に到達できていることが示されている。
Dreamingはより大規模なナレッジベースの構築にも応用されている。AnthropicがAPI開発ツールを提供するソフトウェアカンパニー・Stainlessから引き継いだ約35万件の内部ドキュメントから、ClaudeがリンクされたWikiを構築した実験では、WikiとSearch(全文検索)の組み合わせが最も有効で、質問への正答率が**54%から61%**に向上した。
また別の法律文書を使ったテストでは、複数のドキュメントにまたがる回答が必要な質問でWikiが特に効果を発揮し、Wikiあり87% vs 検索のみ**73%**という差が出た。
課題も正直に認める
Anthropicは同時に未解決の問題も率直に認めている。
- タスク中のノート取りはエージェントの集中を妨げる
- Dreamingは追加の計算コストが発生し、結果が出るまでに遅延がある
- Wikiやノートはメンテナンスしないとエラーやハルシネーションが蓄積する
- 過去のメモリを自動的に大量ロードするのは逆効果——コンテキストを圧迫し、誤ったノートをすべての将来のセッションに伝播させる
なお、Dreamingは2025年5月にClaude Managed Agentsの研究プレビューとして導入されており、現時点でClaude Opus 4.7とSonnet 4.6のみをサポートしている。
競合の動向
「Dreaming」という名称はOpenAIも使っており、6月にリニューアルしたChatGPTのメモリ機能に同名のアプローチを採用している。こちらはユーザープロファイルをバックグラウンドで維持し、古い情報を自動修正するもので、時間的な正確性が**52.2%から75.1%**に向上したとされる。
GoogleとGoogle DeepMindもエージェントにDreamingを適用しているが、こちらは「Dream-RSI」と呼ばれる手法で、メモリ修正ではなくエージェントの探索戦略の改善に使っている点が異なる。またGoogleはAnthropicのシステムと同様に、生のトランスクリプト・蒸留された知識・具体的な指示を別レイヤーで管理する「WikiSkill」も構築している。WikiSkillはエージェントが過去の成功・失敗から学んだ知識を構造化してWiki形式で保持する仕組みで、Anthropicの実験で得られたWiki有効性の知見と方向性を同じくする。
今回の実験はすべてAnthropicによるものであり、外部での再現はまだない。ただ、「多く保存するほど良い」という直感に反して、選択的な記録と事後修正の組み合わせがエージェントメモリの実用的な設計原則として浮かび上がっている点は、エージェント開発に携わるエンジニアにとって参照価値のある知見だ。
詳細はAnthropic says the key to agent memory is knowing what to forget, not how much to storeを参照していただきたい。

