Dreaming 드리밍

무엇인가

AI 에이전트는 한 세션(한 번의 작업 묶음)이 끝나면 대화 내용을 잊는다. 그래서 검증된 해결법이나 이어서 할 일을 노트로 남겨 두고 다음 세션에서 다시 읽는다. 이것을 에이전트 메모리라고 부른다. 드리밍은 세션 중에 바로 쓰는 기록과 달리, 세션 사이 남는 시간에 쌓인 로그와 메모를 돌아보며 정리하는 단계다. Anthropic은 연구 글에서 Letta와 UC Berkeley가 제안한 '수면 시간 연산(sleep-time compute)', 곧 상호작용 사이의 빈 시간에 기존 컨텍스트를 다시 정리하는 생각을 메모리 정리에 적용한 것이 드리밍이라고 설명했다.

어떻게 작동하나

에이전트는 일하는 동안 중요한 사건에 표시를 남기거나 메모리 도구로 노트를 저장한다. 다만 이 순간에는 앞으로 무엇이 필요할지 모르는 채로 중요도를 판단해야 한다. 드리밍 단계에서는 메모를 원본 대화 로그와 맞춰 보며 틀린 내용을 고치고, 여러 세션에 흩어진 노트를 주제별로 연결한다. 관련 내용을 위키처럼 묶어 나중에 찾기 쉽게 만들 수도 있다. 다음 세션에는 꼭 필요한 메모만 자동으로 불러오고, 자세한 내용은 필요할 때 찾아 읽게 할 수 있다.

왜 주목받나

에이전트가 오래 일할수록 기억을 어떻게 쌓고 고치느냐가 성능을 크게 좌우한다. Anthropic은 내부 문서 평가에서 원문 검색에 드리밍으로 만든 위키를 더하자 채점 기준 충족률이 53%에서 최대 61%로 올랐고, 질문 하나에 약 2만 토큰을 아꼈다고 밝혔다. 또 이 연구는 에이전트 메모리를 다른 방식과 구분한다. 학습으로 모델 가중치를 바꾸는 것, 한 대화 안에서만 배우는 인컨텍스트 학습, 오래된 대화를 요약으로 바꾸는 컨텍스트 압축(compaction)은 에이전트 메모리에 넣지 않는다. 드리밍은 모델을 다시 학습시키지 않고 경험을 쌓게 하는 방법이라서 주목받는다.

알아 둘 점

드리밍이 늘 이득인 것은 아니다. Anthropic은 한 문서 안에서 답을 찾을 수 있는 과제에서는 위키의 이득이 뚜렷하지 않았다고 밝혔다. 틀리거나 오래된 메모가 다음 세션까지 넘어갈 수 있다는 점도 문제다. 무엇을 얼마나 자주 검증할지, 그 비용을 어떻게 감당할지는 아직 풀어야 할 설계 과제로 남아 있다. 지금(2026년 11월 기준)은 Anthropic이 연구 글로 실험 결과를 공개한 단계다. 한편 월드 모델 연구에서도 'dreaming'이라는 표현이 다른 맥락으로 쓰이니, 글마다 어떤 뜻인지 확인해야 한다.

예시

Claude 같은 에이전트에 메모리 폴더를 주고 여러 세션에 걸쳐 일을 맡기는 장면을 떠올려 보자. 첫날 에이전트는 고객사 데이터베이스를 다루며 '이 표의 날짜 칸은 형식이 다르다' 같은 노트를 여러 파일에 흩어 적는다. 세션이 끝나면 드리밍 과정이 돌아간다. 이 노트들을 원래 대화 로그와 맞춰 보고, 확인된 사실과 추측을 나눈 뒤 'DB 주의 사항'이라는 한 문서로 묶는다. 다음 날 새 세션은 그 요약만 먼저 읽고 바로 일을 시작한다. 자세한 근거가 필요할 때만 위키를 찾아본다.

함께 보면 좋은 용어

에이전트 메모리 AI 에이전트 컨텍스트 엔지니어링 컨텍스트 윈도 하네스 RAG

참고

• 에이전트 메모리 설계 - 무엇을 기억하고, 잘못된 기억은 어떻게 고칠까 (GeekNews)
• The Components of Agent Memory (Hacker News)
• Context Compaction for World Models (arxiv.org)
• Anthropic gives Claude agents a ‘dreaming’ mode to tidy up their memories (Crypto Briefing)
• Anthropic: Claude ‘Dreaming’ Took Wiki Score From 13% to 48% (FourWeekMBA)
• Anthropic Explores AI Memory with Dreaming and Salience Techniques (Blockchain News)