Meta AI hat ein neues System vorgestellt, das die Leistung von KI-Agenten bei komplexen Aufgaben durch den Einsatz eines separaten „Gedächtnis-Agenten“ um bis zu 8,3 Prozentpunkte verbessert. Dieses Modul soll verhindern, dass Haupt-KIs bereits diagnostizierte Fehler vergessen oder gescheiterte Schritte wiederholen.
Das Problem der KI-Vergesslichkeit
Bei der Bearbeitung langer Aufgaben zeigen KI-Agenten häufig eine Art „Vergesslichkeit“. Sie übersehen Einschränkungen, wiederholen fehlgeschlagene Befehle oder diagnostizieren Fehler neu, die sie bereits erkannt hatten. Die Forscher von Meta AI bezeichnen dieses Phänomen als „Behavioral State Decay“ (Verfall des Verhaltenszustands). Dabei zerstreut sich der Zustand, der die Entscheidungen des Agenten leitet, über eine wachsende Aufgabenhistorie. Diese Informationen können tief im Kontextfenster — dem Bereich, den die KI aktuell verarbeitet — vergraben werden oder sogar ganz daraus verschwinden. Selbst wenn die Informationen im Transkript oder Kontextfenster verbleiben, beeinflussen sie das Verhalten des Agenten nicht mehr zuverlässig.
Meta AI weist darauf hin, dass die einfache Verlängerung der Historie, auf die Agenten zugreifen können, das Problem nicht löst. Bestehende Gedächtnissysteme, die sich auf das Speichern, Aktualisieren und Abrufen von Informationen konzentrieren, eignen sich zwar gut für Personalisierung und Abruf über verschiedene Sitzungen hinweg. Doch bei der Bearbeitung einer laufenden Aufgabe ist entscheidend, wann eine Erinnerung nützlich genug ist, um sie wieder einzubringen. Zu wenige Erinnerungen führen zu wiederholten Fehlern, während zu viele Latenzzeiten verursachen, Tokens verbrauchen und den Agenten von seiner aktuellen Arbeit ablenken können.
Funktionsweise des Gedächtnis-Agenten
Das von Meta AI vorgeschlagene System kombiniert einen unveränderten „Aktions-Agenten“ mit einem separaten „Gedächtnis-Agenten“. In festen Intervallen überprüft der Gedächtnis-Agent ein gleitendes Fenster der jüngsten Schritte und aktualisiert eine strukturierte Gedächtnisbank. Anschließend entscheidet er, ob er der nächsten Anweisung des Aktions-Agenten eine kurze Erinnerung hinzufügt oder stumm bleibt. Dieses Modul kann als Plug-and-Play-Komponente mit bestehenden Agenten und Architekturen eingesetzt werden. Es bietet ausschließlich gedächtnisbasierte Erinnerungen und keine umfassende strategische Beratung.
Die Gedächtnisbank besteht aus drei Sektionen:
- Privater Status: Verfolgt den Fortschritt und ausstehende Risiken und wird dem Aktions-Agenten nie angezeigt.
- Wissensgedächtnis: Speichert stabile Fakten wie Anforderungen, Dateipfade und Konfigurationen.
- Prozedurales Gedächtnis: Protokolliert, was der Agent versucht hat und was geschah, einschließlich fehlgeschlagener Befehle, erfolgreicher Korrekturen und verworfener Hypothesen.
Bei jedem Gedächtnisschritt kann der Agent die Bank nur über vordefinierte Werkzeugaufrufe aktualisieren, anstatt ihre Inhalte frei zu überschreiben. Die Entscheidung, nicht zu intervenieren, ist ebenfalls Teil der Strategie.
Ergebnisse der Leistungsanalyse
Die Forscher testeten das System auf dem Terminal-Bench 2.0, das autonome Agenten in realistischen Kommandozeilenumgebungen bewertet, sowie auf dem tau2-Bench, das die Nutzung von Konversationstools in den Bereichen Luftfahrt, Einzelhandel und Telekommunikation prüft. Als Gedächtnis-Agent diente dabei Claude Opus 4.6, während ein älterer Claude Sonnet 4.5 als Aktions-Agent fungierte.
Mit dem Gedächtnis-Agenten löste das System 46 Prozent der Terminal-Bench-Aufgaben beim ersten Versuch, verglichen mit 38 Prozent der Baseline. Auf dem tau2-Bench stieg der aufgabenbezogene Durchschnitt von 55 auf 62 Prozent. Insgesamt verbesserte sich die Leistung über beide Benchmarks um bis zu 8,3 Prozentpunkte. Die Zuwächse variierten je nach Domäne: Die Punktwerte für Aufgaben in der Luftfahrt und im Einzelhandel stiegen jeweils um etwa 10 Prozentpunkte, während sich die Telekommunikation nur um 3 Punkte verbesserte. Die Forscher führen dies darauf zurück, dass der Gedächtnis-Agent je nach Aufgabe unterschiedlich stark eingreift.
Auch stärkere Agenten profitierten: Claude Opus 4.6 zeigte eine Verbesserung von 2,4 Prozentpunkten auf Terminal-Bench und 2,5 Punkten auf tau2-Bench. Dies deutet darauf hin, dass das Gedächtnissystem mehr leistet, als nur die begrenzte Kapazität eines schwächeren Modells auszugleichen.
Das vollständige Design, das eine gepflegte Gedächtnisbank mit selektiven Erinnerungen kombiniert, erzielte die besten Ergebnisse. Es übertraf auch Mem0, eine Produktions-Gedächtnisschicht, die Datensätze durch Suche abruft. Ein Beispiel aus dem tau2-Bench-Bereich „Airline“ verdeutlicht dies: Während eine Baseline einem Nutzer mit behauptetem Goldstatus eine Entschädigung gewährte, erinnerte der Gedächtnis-Agent daran, sich auf die verifizierten Tool-Daten zu verlassen. Die meisten verbleibenden Fehler betrafen die Kalibrierung und nicht das Gedächtnis.
Ausblick und offene Fragen
Meta AI listet mehrere offene Fragen auf, darunter das gemeinsame Training von Gedächtnis- und Aktions-Agenten, die Entwicklung eines Systems, das das Gedächtnis bei Bedarf anstatt nach einem festen Zeitplan aufruft, und die Bestimmung, wann wörtliche Erinnerungen besser funktionieren als aufgabenspezifische Abstraktionen.
Meta ist mit diesem Problem nicht allein; die Branche hat noch keinen Standardansatz gefunden. So verwenden beispielsweise das Open-Source-Framework Mastra und das GAM-System ähnliche Ansätze, um „Kontextverfall“ in langen Konversationen zu verhindern.
Thema: Meta AI. Quelle/Inspiration: The Decoder.