Anthropic이 꿈과 중요성 기법으로 AI 메모리를 탐구하다

Anthropic은 AI 에이전트의 메모리 시스템 설계에 관한 새로운 통찰력을 발표하였습니다. 이는 Claude 모델이 세션 간에 지식을 유지하고 조직하는 방법에 중점을 두고 있습니다. 연구는 "에이전트 메모리 구성 요소"라는 제목으로 2026-11-06에 발표되었으며, 메모리 기능을 향상시키기 위한 "꿈꾸기"와 중요성 태깅과 같은 전략을 제시하고 있습니다.

인간 인지에서 영감을 받은 메모리 조직화

이 연구는 인간의 메모리 프로세스와 AI 메모리 시스템 간의 유사점을 끌어내고 있습니다. 인간에서는 해마가 실시간으로 경험을 포착하고, 수면과 같은 오프라인 기간이 뇌가 이러한 경험을 장기적인 지식으로 통합할 수 있게 합니다. 이와 유사하게, Anthropic은 Claude를 위해 "꿈꾸기" 프로세스를 사용하여 모델이 유휴 기간 동안 세션 로그를 반영하여 실수를 수정하고, 노트를 작성하며 메모리를 위키와 같은 연결된 표현으로 재조직합니다.

Anthropic의 Dreams API는 기존 메모리 저장소와 세션 기록을 소비하여 원본 데이터를 변경하지 않고 세련된 출력을 생성함으로써 이 프로세스를 촉진합니다. 이 비동기 작업은 하나에서 100의 세션 기록을 포함할 수 있으며, 모델이 정보를 효과적으로 통합하고 검증할 수 있게 합니다.

Claude의 메모리 기능 평가

Anthropic은 CL-Bench(1.0) 및 기타 벤치마크를 사용하여 Claude의 메모리 시스템을 테스트했습니다. 한 실험에서 Claude는 데이터베이스 쿼리에 응답하고, 향후 성과를 향상시키기 위해 메모리 노트를 작성하는 작업을 부여받았습니다. Claude Opus 5 및 Opus 5.5와 같은 고급 모델은 검증된 규칙을 기록하고 잠재적인 문제를 식별함으로써 학습 루프를 닫는 능력을 보여주었고, Sonnet 4.6 및 Opus 4.7와 같은 이전 버전에 비해 더 나은 성능을 보였습니다.

별도의 평가에서는 Claude의 Pokémon Red 플레이 능력을 사용하여 메모리에 무엇을 저장할지를 판단하는 테스트를 진행했습니다. Sonnet 3.7와 같은 모델은 세부적이지만 과도한 메모리 파일을 작성하여 비효율성을 초래했지만, Fable 5는 중요한 정보를 우선시하여 더 나은 성능을 발휘했습니다. Fable 5는 아홉 개의 메모리 파일로 네 개의 배지를 얻었고, Sonnet 3.7는 하나의 배지와 413 파일을 가졌습니다.

꿈꾸기가 성능에 미치는 영향

Anthropic은 또한 위키 구축 실험을 통해 꿈꾸기가 메모리 통합에 미치는 영향을 탐구했습니다. 약 350,000 내부 문서를 사용하여 연구는 꿈꾸기 세션 수를 두 개에서 128로 증가시킴으로써 평가 기준에서 성과가 13%에서 48%로 향상됨을 보여주었습니다. 또 다른 예에서 꿈꾸기는 게임 탐색 작업 중에 잘못된 메모리 노트를 수정하여 Claude가 다른 설정이 실패한 곳에서 진행할 수 있도록 했습니다.

AI 실무자를 위한 주요 정리

이 연구는 지속적인 저장소만으로는 효과적인 AI 메모리에 부족하다는 점을 강조합니다. 메모리 시스템은 장기적인 작업 성과를 지원하기 위해 증거 확인, 수정, 조직화 및 선택적 검색을 통합해야 합니다. Anthropic의 발견은 실시간 작업 요구와 미래의 유용성을 균형있게 조정하는 메모리 프로세스 설계의 중요성을 강조하며, AI 능력 향상을 위한 귀중한 통찰을 제공합니다.