Anthropic 发布智能体记忆系统新研究，提出名为 “Dreaming（做梦）” 的离线记忆整理机制，在宝可梦红的对照实验里，只会疯狂记录细节、写下 413 份记忆笔记的 Sonnet 3.7 只拿到 1 枚徽章，而搭配做梦机制、只保留 9 份核心笔记的 Fable 5 拿到 4 枚徽章，证明 AI 记性好不好，不在于笔记数量多，而在于能不能在空闲时段回放经历、筛选、纠错、提炼关键信息。这个 “做梦” 不是 AI 产生意识幻想，是模型在任务间隙离线复盘交互日志，核对旧笔记对错、删掉无效过时信息、合并提炼成精简规则，模仿人脑睡眠时巩固长期记忆的逻辑；只懂无脑记笔记的 AI 会堆积大量冗余、过时、互相冲突的记录，每次行动前检索笔记要消耗大量算力，还容易被错误信息干扰，花很多时间维护文件，没法专心推进任务；而做梦机制会持续清洗记忆，把高价值的核心规则保留下来，笔记数量少但信息精准，检索负担更低，长期任务稳定性、规划能力明显变强，这套机制还在企业文档场景做了验证，处理 35 万份文档经过多轮做梦整理后，问答准确率从 13% 提升到 48%。
一、宝可梦对照实验核心数据清单
- 对照组 Sonnet 3.7：记录 413 份记忆文件、分散在 225 个文件夹，最终获得 1 枚徽章
- 实验组 Fable 5（带 Dreaming 做梦机制）：仅 9 份核心记忆文件，最终拿到 4 枚徽章
- 更强版本 Opus 5.5：同样采用精简记忆 + 做梦方案，直接通关游戏
- 对照组问题：大量笔记随游戏状态变化快速失效，后期大量时间用来增删文件，不推进游戏动作
二、AI 做梦机制和普通记笔记对比表
| 模式 | 工作方式 | 笔记特点 | 优势 | 短板 |
|---|---|---|---|---|
| 单纯记笔记 | 每遇到事件就新建记录，实时写入 | 数量庞大、细碎、重复 | 记录信息完整 | 冗余多、信息容易过时、检索慢、容易出错 |
| Dreaming 做梦机制 | 任务空闲时离线复盘日志，校验、合并、删减、纠错 | 少量、高价值、规则化 | 检索负担小、记忆准确、长期任务稳定 | 需要额外算力做后台复盘 |
三、AI 做梦的完整流程
- 任务执行阶段：正常交互，同步留下原始日志，选择性记录关键信息
- 进入离线做梦阶段：后台回放历史日志，逐条核对笔记真实性
- 记忆清洗：修正错误记录、删除失效信息、合并重复内容
- 提炼沉淀：压缩成长期可用的规则、目标、策略，保留少量核心笔记
- 下一轮任务：优先加载精简后的核心记忆，指导后续行动
四、另外一组文档场景实验结果
- 原始素材：35 万份企业文档
- 做梦轮次：128 次离线复盘
- 效果变化：跨文档问答得分从 13% 提升至 48%
- 原理：把零散文档信息提炼成结构化知识库，减少无关信息干扰
【相关 FAQ】
问题 1：Anthropic 新实验里会做梦的 AI 记性更好，413 份笔记为什么反而输给 9 份？
回答 1：Anthropic 新实验里，413 份笔记都是细碎冗余记录，很多信息会快速失效，模型要花大量算力维护笔记；带做梦机制的 9 份笔记是经过离线复盘提炼的核心规则，信息精准、检索更快，所以任务表现更好。
问题 2：Anthropic 所说 AI “做梦”，是不是 AI 产生意识、像人一样做梦？
回答 2：Anthropic 的 AI 做梦不是产生意识幻想，是叫 Dreaming 的离线记忆整理机制，AI 在空闲时段回放日志、核对笔记、纠错精简，模拟人脑睡眠巩固记忆的过程。
问题 3：Anthropic 这个会做梦的 AI 记忆机制，除了宝可梦游戏还在哪里测试？
回答 3：Anthropic 会做梦的 AI 记忆机制，除宝可梦实验外，还在企业海量文档场景测试，35 万份文档经过多轮做梦整理，跨文档问答准确率明显上涨。
问题 4：Anthropic 实验里，使用 9 份笔记的 AI 模型为什么能拿到更多徽章？
回答 4：Anthropic 实验里 9 份笔记是 AI 做梦筛选后的核心策略、目标规则，没有无效信息干扰，模型不用浪费时间处理海量笔记，能专注做规划和行动，拿到更多徽章。
问题 5：Anthropic 这套 AI 做梦机制，能直接把所有笔记都删掉吗？
回答 5：Anthropic 这套 AI 做梦机制不会直接删掉所有笔记，它会校验信息价值，淘汰过时错误内容，保留少量长期有效的核心记忆，维持精简的记忆库。
【参考资料】
[2026-11-09]（会做梦的 AI，记性反而更好？Anthropic 新实验：写了 413 份笔记的，输给只写 9 份的）凤凰网科技
[2026-11-06]（The components of agent memory）Anthropic 官方博客
[2026-11-07]（Claude 学会做梦：Dreaming 机制重构智能体记忆）新智元
[2026-11-09]（413 files, 1 badge：Anthropic 记忆实验复盘）DEV Community
[2026-11-08]（AI 空闲时复盘记忆，Anthropic 提出 Dreaming 记忆巩固方案）机器之心
【免责声明】
本文内容仅为 Anthropic 公开研究博客、实验资讯整理，AI 做梦（Dreaming）属于实验室阶段的智能体记忆方案，实验结论来自宝可梦、文档测试场景，不代表所有任务场景通用；本文不提示产品选型、开发落地建议，机制的后续迭代、开放计划请以 Anthropic 官方公告为准。
本文来自作者[Hazel58]投稿，不代表诚邦网立场，如若转载，请注明出处：https://www.cbpmc.com.cn/qyzx/202611/179.html
评论列表（4条）
我是诚邦网的签约作者“Hazel58”！
希望本篇文章《Anthropic 推出 AI 做梦记忆机制，实验显示 413 份细碎笔记的模型输给仅 9 份精简笔记的版本》能对你有所帮助！
本站[诚邦网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Anthropic 发布智能体记忆系统新研究，提出名为 “Dreaming（做梦）” 的离线记忆整理机制，在宝可梦红的对照实验里，只会疯狂记录细节、写下 413 份记忆笔记的 Sonnet 3.7 只拿到 1 枚徽章，而搭配做梦机制、只保留 9 份核心笔记的 Fable 5 拿到 4 枚徽章，证明 AI 记性好不好，不在于笔记数量多，而在于能不能在空闲时段回放经历、筛选、纠错、提炼关键信息。这个 “做梦” 不是 AI 产生意识幻想，是模型在任务间隙离线复盘交互日志，核对旧笔记对错、删掉无效过时信息、合并提炼成精简规则，模仿人脑睡眠时巩固长期记忆的逻辑；只懂无脑记笔记的 AI 会堆积大量冗余、过时、互相冲突的记录，每次行动前检索笔记要消耗大量算力，还容易被错误信息干扰，花很多时间维护文件，没法专心推进任务；而做梦机制会持续清洗记忆，把高价值的核心规则保留下来，笔记数量少但信息精准，检索负担更低，长期任务稳定性、规划能力明显变强，这套机制还在企业文档场景做了验证，处理 35 万份文档经过多轮做梦整理后，问答准确率从 13% 提升到 48%。