Anthropic: ‘dromen’ maakt geheugen van Claude-agents beter

Anthropic heeft op 6 november uitgebreid onderzoek gepubliceerd over hoe AI-agents dingen onthouden tussen werksessies. De kern is een techniek die het bedrijf “dreaming” noemt: Claude leest achteraf zijn eigen logboeken terug en ordent daarna zijn notities opnieuw. Volgens de cijfers in het onderzoeksartikel van Anthropic scoren agents met zo’n geheugen flink beter dan agents die elke sessie blanco beginnen.

Geheugen in lagen

Anthropic-onderzoeker Lance Martin vergelijkt het met het menselijk brein. De hippocampus legt ervaringen snel vast en tijdens de slaap wordt een deel daarvan omgezet in kennis voor de lange termijn. Bij Claude werkt het in vier lagen. Onderaan staan doorzoekbare transcripten van eerder werk. Daarboven komen notities die Claude zelf schrijft, dan grotere structuren zoals een interne wiki, en bovenaan een klein stuk context dat in elke nieuwe sessie wordt geladen.

Bij “dromen” gaat Claude buiten de taak om terug naar de transcripten. Het model verbetert fouten in oude notities, maakt nieuwe pagina’s aan en bepaalt wat de volgende sessie direct moet weten. De functie zelf is niet nieuw: Techzine meldde in mei al dat dreaming als research preview beschikbaar kwam in Claude Managed Agents. Nieuw zijn de meetresultaten en de uitleg over wat wel en niet werkt. OpenAI bracht eerder dit jaar een vergelijkbaar dreaming-geheugen naar ChatGPT.

Wat de cijfers laten zien

Op een databasetaak uit CL-Bench steeg de gemiddelde score van Claude Opus 5.5 van 0,655 zonder geheugen naar 0,838 met geheugen. Bij het oudere Claude Opus 4.7 ging het van 0,383 naar 0,700. Sonnet 4.6 profiteerde nauwelijks (van 0,330 naar 0,364), omdat dat model zijn geheugen vaak niet eens raadpleegde. Pas met een prompt die het daar expliciet om vroeg, kwam het op 0,641.

Opvallend is dat vaste regels averechts werkten. Wie sterke modellen opdroeg alleen mislukkingen te noteren, zag de winst van geheugen bij Opus 5 met 0,234 punt dalen. “Voor sterkere modellen werkte het beter om ze zelf te laten beoordelen wat belangrijk is”, schrijft Anthropic.

Een tweede test draaide om een interne codebase van ongeveer 350.000 bestanden. Na 128 droomsessies haalde een door Claude gebouwde wiki 48 procent van de beoordelingscriteria, tegen 13 procent aan het begin. Wiki en zoekfunctie samen kwamen op 61 procent, terwijl zoeken alleen op 53 procent bleef. Bij vragen over fusiedocumenten van juridisch AI-bedrijf Harvey scoorde de wiki 87 procent tegen 73 procent voor alleen zoeken.

Beperkingen die Anthropic zelf noemt

Het bedrijf is open over de zwakke plekken. Een foute notitie kan in latere sessies blind worden vertrouwd. Dromen kost rekenkracht, en een wiki kan groter worden dan het bronmateriaal: in één test 203 kB tegen een corpus van 115 kB. Bij vragen over één enkel document leverde de wiki geen duidelijke winst op. De proeven waarin Claude het spel Pokémon Red speelde, zijn telkens één run per model en zijn de meeste tests interne opstellingen van Anthropic zelf.

Wat betekent dit

Agents die dagenlang aan een klus werken, zoals de Notion-agents die meer dan 24 uur doorgaan of Teammates van Perplexity, staan of vallen met goed geheugen. Het onderzoek laat zien dat dit minder een kwestie van opslag is dan van onderhoud: notities moeten worden nagelopen en bijgewerkt. Voor bedrijven die agents inzetten is de les praktisch. Laat een sterk model zelf kiezen wat het onthoudt, controleer regelmatig of die herinneringen nog kloppen en verwacht geen wonderen bij simpele, losse vragen. Het past in het beeld dat METR deze week schetste: Anthropic gebruikt zijn eigen AI steeds meer om zijn AI beter te maken.