AI BriefingAnthropic, 에이전트 메모리 정의 및 드레밍 기법으로 성능 향상 입증
·2026.11.06 09:00
핵심 내용
Anthropic이 에이전트 메모리 개념을 정의하고 드레밍 기법으로 성능 향상을 입증했다
자세히 보기
- Anthropic 연구진은 에이전트 메모리를 세션 간 유지되는 경험 기반 지식으로 정의하고, 모델 가중치나 컨텍스트 내 학습과 구별하며, 유휴 시간에 컨텍스트를 재구성하는 '드레밍(dreaming)' 개념을 도입함
- CL-Bench 1.0에서 메모리 접근이 평균 보상 점수를 크게 향상시켰으며, Claude Opus 5.5는 0.655에서 0.838로, Claude Sonnet 5.5는 0.644에서 0.833로 상승한 반면 Sonnet 4.6 등 구형 모델은 0.330에서 0.364로 미미한 개선만 보임
- 포켓몬 레드 게임 플레이에서 Claude Fable 5는 전략 규칙만 기록(10개 파일)하여 4개 배지를 획득한 반면, Claude Sonnet 3.7은 무차별적으로 기록(413개 파일)하여 1개 배지만 획득함
- '드레밍'은 전사본을 교차 참조하여 메모리 오류를 수정하며, 포켓몬 테스트에서 수정된 메모리는 액션 1,935에서 세레니안 시티에 도달했으나 미수정 메모리는 실패함
- 드레밍을 통해 '위키' 표현을 구축하면 25문항 Stainless 코퍼스 평가에서 성능이 향상되었으며, 위키 단독 사용 시 세션이 2에서 128로 확장되면서 점수가 13%에서 48%로 상승하고, 검색 도구와 결합하면 54%에서 61%로 올라 검색 단독(53%)보다 우월하며 문항당 약 20,000 토큰을 절감함
- 스티어링 전략에서 프론티어 모델이 중요도를 판단하도록 하는 방식이 고정 규칙보다 우수했으며, Sonnet 4.6 같은 구형 모델에는 메모리 읽기를 명시적으로 지시하면 벤치마크 점수가 거의 두 배(0.330에서 0.641)로 상승함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.