Claude si při hraní Pokémonů pletl cestu kvůli vlastní chybné poznámce
Claude si uložil špatnou polohu orientačního bodu a při hraní Pokémon Red se opakovaně vracel na už prošlou trasu. Anthropic popsal, jak kontrola poznámky podle přepisu hry změnila další postup. Jeho srovnání úsporné a podrobné paměti ale zahrnuje po jednom průchodu každého modelu.

Vchod do jeskyně Mt. Moon je na západě, východ vede dál k dalšímu městu. Claude si však do poznámek zapsal, že budova PokéCenter u vchodu stojí na východní straně. Od té chvíle při plánování cesty vycházel z chybného údaje. Případ popsali výzkumníci Anthropicu v rozboru paměti agentů zveřejněném 6. listopadu.
Pamětí tu firma myslí poznámky, které si agent uchová mezi pracovními sezeními a může si je později přečíst. Nejde o změnu parametrů samotného modelu ani o shrnutí starší části právě probíhajícího rozhovoru. Agent, tedy program využívající model k plnění úkolu pomocí nástrojů, dostane složku se soubory. Co si do ní uloží, ovlivní jeho další rozhodování.
Chybná poloha ho třikrát poslala zpět
U vchodu do Mt. Moon leží jednosměrný sráz. Hráč po něm může seskočit na předchozí trasu, zpátky nahoru ale cesta nevede. Claude po odchodu z PokéCentra pokládal průchod horou za hotový. Seskočil dolů a jeho navigační nástroj mu výškový rozdíl neukázal. Model si návrat vysvětlil tak, že jen zašel příliš daleko na západ.
S neopravenou poznámkou se do stejné situace dostal třikrát. Nakonec zamířil zpět do dřívějšího města Pewter City a běh skončil, aniž dosáhl cílového Cerulean City. Anthropic pak nechal Claude porovnat uložené poznámky s původním přepisem sezení. Agent chybu našel a polohu opravil. V běhu s opraveným záznamem se vrátil do jeskyně a do Cerulean City dorazil.
Firma této dodatečné práci s pamětí říká dreaming. Model při ní prochází dřívější záznamy, opravuje omyly a přeuspořádává poznámky. Název odkazuje ke zpracování vzpomínek ve spánku; tady jde o další výpočty nad uloženým textem. Podobnou myšlenku přípravy kontextu ještě před příštím dotazem rozpracovala už práce Sleep-time Compute z dubna 2025, na kterou Anthropic odkazuje.
Sonnet spravoval poznámky místo hraní
Jiná část listopadového rozboru porovnává soubory modelů Claude Sonnet 3.7 a Claude Fable 5 při hraní Pokémon Red. Každý mohl svou složku číst i měnit. Zhruba po 10 000 krocích vypadal jejich postup výrazně odlišně:
| Model | Uložené poznámky | Získané odznaky |
|---|---|---|
| Claude Sonnet 3.7 | 413 souborů ve 225 složkách | 1 |
| Claude Fable 5 | 9 souborů ve dvou složkách a soubor global.md | 4 |
Odznaky ve hře označují postup hráče. Údaje pocházejí z měření Anthropicu, který srovnal jeden průchod každého modelu. The Decoder na tento malý vzorek výslovně upozorňuje. Liší se i samotné modely, takže z tabulky nelze oddělit vliv způsobu zapisování od jejich ostatních schopností.
Sonnet si vedl podrobný archiv soubojů, nalezených předmětů a setkání s postavami. Zapisoval i údaje, které mohl znovu vyčíst z obrazovky, například aktuální peníze nebo polohu. Stav hry se ovšem měnil a poznámky zastarávaly. V jednom úseku vytvořil během 17 kroků šest souborů a devět jiných smazal, aniž ve hře provedl jedinou akci.
Fable ukládal především plány cest, strategie a pravidla odvozená z předchozího hraní. Soubor global.md mu držel aktuální cíl i plán dalšího postupu. Menší složka tak obsahovala hlavně informace, které by při novém sezení z pouhého pohledu na hru nezískal.
Opravená paměť vzniká vedle původní
Dreaming je podle dokumentace Claude Managed Agents stále výzkumná zkouška s přístupem na žádost. Úloha dostane existující paměť a přepisy jednoho až sta sezení. Vytvoří nové úložiště, do kterého sloučí duplicity a promítne opravy. Původní úložiště nemění, takže výsledek lze před použitím zkontrolovat.
Dodatečná kontrola má náklady: účtuje se podle běžných sazeb za tokeny zvoleného modelu. Anthropic také připouští, že průběžné zapisování odvádí agenta od úkolu a pozdější zpracování dodá opravy se zpožděním. Ani poznámka, kterou si model jednou ověřil, nemusí zůstat platná, když se změní prostředí.
U Mt. Moon měl agent k dispozici přepis, podle kterého mohl polohu znovu ověřit. Právě ten umožnil odhalit rozdíl mezi tím, co se ve hře stalo, a tím, co si o události uložil. Samotné další čtení chybné poznámky ho z opakovaného návratu nevysvobodilo.
Zdroje
- Anthropic: The components of agent memory, 6. listopadu 2026.
- The Decoder: rozbor pokusů Anthropicu a jejich omezení, 16. listopadu 2026.
- Kevin Lin a spoluautoři: Sleep-time Compute: Beyond Inference Scaling at Test-time, duben 2025.
- Claude Platform Docs: Dreams, dostupnost a podmínky služby ověřené 17. listopadu 2026.