この記事のポイント
- 社内エージェントの記憶を設計する方には、何を残し、毎回何を読ませるかを分ける研究事例が参考になります。
- ログを後から振り返り記憶を整理するドリーミングを検証。毎回読む層は小さく保つ設計です。
- 同社の評価では、モデルの能力によって適した指示が異なる結果でした。自律性を増やせば一律に改善する話ではありません。
Anthropicは2026年11月6日、AIエージェントの長期記憶を扱う研究記事を公開しました。セッションをまたぐ記憶をどう整理し、使うかという設計と、同社の評価結果を解説しています。
記憶は4つの階層に分けて管理する
記事が扱う「記憶」は、セッションをまたいで保持し、後から読める知識に限られます。モデルの重み更新や、会話中だけの要約処理は対象外です。構成は下から順に4階層あります。検索可能なログ(トランスクリプト)、Claudeが書くメモ、リンクで結ばれたwikiのようなページ群、毎セッション読み込む注入文脈です。
ログを後から振り返り、誤りの修正やメモ・ページ群の整理をする処理を「ドリーミング」と呼びます。注入文脈は、次の作業を始めるたびに先に読ませる情報です。毎回読み込むため、文字を処理する単位であるトークンを消費します。誤りを毎回持ち込む恐れもあるため、この最上層は小さく保つ必要がある、と記事は指摘しています。
何を記憶するかの指示は、モデルの能力で変わる
記事では、ポケモンを題材にした評価が紹介されています。約1万手進めた各1回の実行を比べています。Sonnet 3.7は大量の情報を記録しました。Fable 5は少数の戦略的なメモでより先へ進みました。画面で毎回分かる情報より、試して分かったルールを残す例です。別のデータベース問題では、強いモデルに「失敗した行動だけ記録する」と固定ルールを課しました。すると、記憶による性能向上が弱まる場合がありました。
一方、Sonnet 4.6は記憶を読まないことがあり、原因の仮説の検証も不十分でした。CL-Benchのデータベース課題では、記憶を読んでから答え、仮説を検証するよう促すと、記憶ありの課題の評価値(平均報酬)が0.364から0.641へ上がりました。これは同社の特定課題での評価値です。
社内文書や契約資料では、整理の仕方も検証
応用例もいくつか挙げられています。約35万ファイルの社内文書をwiki形式に整理する例や、法務文書を使う評価課題(Harvey LAB)です。wikiには、複数資料から情報を集める課題で効果がありました。一方、単一文書の検索で足りる課題では明確な改善がない例もありました。複数のエージェントが同じファイルへ同時に書き込むと、情報が消える問題がありました。この問題には、契約ごとに個別のページを作り、条文を原文どおり引用させる方式で対処しています。
記事自身も、記憶を継続的に点検する現実的な方法や、整理処理の頻度といった未解決の課題を認めています。
まとめ
長く使う社内エージェントを設計する方には、記憶の階層と、モデルに任せる判断の範囲を分ける材料になります。
Copilot Studioの共有メモリ先行展開は共有範囲を、Claude Skillsの段階読み込みは常時読む情報量を考える関連記事です。今回の評価を一律の運用ルールにせず、自社の質問で検索だけの場合と比べ、記憶の誤りや更新の負担も確かめると、残す情報を選びやすくなるでしょう。
※2026年11月9日に確認した公開元の情報に基づきます。
