Команда Anthropic представила результаты исследования, в котором модель Claude научилась анализировать собственный опыт в периоды бездействия — процесс, который разработчики прямо сравнивают со сном человека. По их словам, именно в «фазе отдыха» нейросеть упорядочивает накопленную информацию, закрепляет полезные знания и, что важно, находит и исправляет собственные ошибки без внешних подсказок. Сопроводительная визуализация демонстрирует обе стороны этого подхода: модель исследует реальную сцену в дополненной реальности и одновременно структурирует полученные данные в граф знаний.

Проблема памяти: между «помойкой» и чистым листом

Исходная задача, с которой столкнулись инженеры, оказалась неочевидной: если бот записывает каждый свой шаг, его память со временем превращается в «помойку» из избыточных данных. Но если не хранить важные детали, то в следующей сессии придётся начинать с нуля. Найти баланс между полным протоколированием и точечным запоминанием — ключ к тому, чтобы модель действительно накапливала опыт, а не просто копировала его.

Тест в Pokémon Red: точность против объёма

Чтобы проверить подходы на практике, исследователи отправили Claude проходить Pokémon Red — игру, в которой нужно исследовать мир и собирать значки. Результаты после 10 000 игровых шагов оказались показательными. Модель Sonnet 3.7 хранила абсолютно всё: 413 файла в 225 папках, почти 978 000 символов, — и при этом получила лишь один значок. Claude Fable 5 действовала точечно: всего 10 файлов в 3 папках (около 43 400 символов) и четыре значка. Fable 5 записывала главное — стратегии, выводы и текущие цели, не тратя ресурсы на то, что и так видно на экране, и не теряя открытий между сессиями.

«Сны» как механизм исправления галлюцинаций

В Anthropic подчёркивают: если ИИ сохранил ложный факт, то в последующих разговорах он воспринимает его как правду. Именно «сны» — периоды бездействия — помогли избавиться от такой «галлюцинации». В одном из тестов в Pokémon Red бот неверно записал координаты Покецентра у горы Мун и из-за этого постоянно бродил вокруг, прыгал через односторонние уступы и возвращался к началу маршрута. В режиме простоя Claude сверил свои заметки с полным текстом прошедшей игры и обнаружил ошибку.

От игры к реальным задачам: 420 миллионов токенов

Эффективность «ночного размышления» проверили на больших массивах данных. Claude поручили проработать 350 000 внутренних документов компании Stainless общим объёмом около 420 миллионов токенов. За 128 периодов бездействия модель самостоятельно создала полноценную викисистему со структурированными данными и перекрёстными ссылками. Точность ответов на 25 сложных тестовых вопросов выросла с 13 до 48 процентов. В другом эксперименте, связанном с документами о слиянии компаний, база знаний, созданная в период бездействия, позволила отвечать с точностью до 87 процентов, тогда как обычный поиск в документах давал лишь 73 процента.

Ограничения: вычислительная цена «сна»

Разработчики честно указывают на пределы подхода: такие сеансы анализа требуют значительных вычислительных ресурсов, а избыточное количество информации в памяти способно перегружать последующие сессии работы модели. Тем не менее продемонстрированный механизм — самокоррекция во время простоя — рассматривается как один из путей к более устойчивой и «чистой» памяти ИИ-агентов.