Meta gab seinem KI-Agenten einen zweiten Agenten, dessen einzige Aufgabe das Erinnern ist
Bei langen Aufgaben vergessen Agenten Vorgaben und wiederholen gescheiterte Befehle. Meta AI setzt deshalb einen separaten Gedächtnis-Agenten ein, der strukturierte Aufzeichnungen führt und bei Bedarf mit einer Erinnerung unterbricht, in zwei Benchmarks brachte das bis zu acht Punkte.
Wer einen KI-Agenten schon einmal bei einer langen Aufgabe beobachtet hat, kennt das Muster. Früh stimmt er einer Einschränkung zu, eine Stunde später bricht er sie stillschweigend, während er etwas anderes repariert. Er führt einen Befehl aus, bekommt einen Fehler und probiert wenige Minuten später einen fast identischen Befehl. Er diagnostiziert ein Problem, begegnet ihm erneut und behandelt es, als wäre es neu. Die Meta-AI-Forscher nennen dieses Verhalten behavioral state decay und haben ein System dagegen veröffentlicht.
Ihre Diagnose: Die Informationen, an denen der Agent seine Entscheidungen ausrichtet, verteilen sich über eine immer länger werdende Aufgabenhistorie. Sie verschwinden tief im Kontextfenster, also ungefähr in der Textmenge, die das Modell gleichzeitig im Blick behalten kann, oder fallen ganz heraus. Entscheidend ist laut Meta, dass ein längeres Gedächtnis allein das Problem nicht löst. Selbst wenn die relevante Zeile technisch noch im Protokoll steht, beeinflusst sie das Verhalten des Agenten nicht mehr.
Der vorgeschlagene Ansatz koppelt einen normalen Aktionsagenten an einen separaten Gedächtnis-Agenten, der neben ihm läuft. Alle paar Schritte prüft der Gedächtnis-Agent den jüngsten Verlauf, aktualisiert eine strukturierte Gedächtnisbank und trifft dann eine Entscheidung: eine kurze Erinnerung in den nächsten Aufruf des Aktionsagenten einfügen oder schweigen. Das Schweigen ist wichtig, denn zu viele Erinnerungen kosten Tokens, erzeugen Verzögerungen und lenken von der eigentlichen Arbeit ab.
Die Gedächtnisbank besteht aus drei Teilen. Ein privates Statusfeld verfolgt den Fortschritt und offene Risiken, bleibt dem Aktionsagenten aber verborgen. Ein Wissensbereich enthält stabile Fakten wie Dateipfade und Anforderungen. Ein prozeduraler Bereich hält fest, was ausprobiert wurde und was dabei geschah, einschließlich gescheiterter Befehle und verworfener Hypothesen.
Die Ergebnisse sind überschaubar, aber beständig. Mit Claude Sonnet 4.5 als Aktionsagent löste das System 46 Prozent der Aufgaben von Terminal-Bench 2.0 beim ersten Versuch, gegenüber 38 Prozent in der Vergleichsversion. Bei tau2-Bench, das den Tool-Einsatz in Szenarien aus Luftfahrt, Einzelhandel und Telekommunikation prüft, stieg der Durchschnitt von 55 auf 62 Prozent. Bei einem schwächeren Modell waren die Zugewinne größer, verschwanden aber auch mit einem stärkeren Modell nicht. Ein schönes Beispiel aus den Airline-Tests: Ein Nutzer behauptete den Gold-Status, obwohl das interne Tool des Systems etwas anderes meldete. Die Vergleichsversion gewährte aufgrund der Behauptung eine Entschädigung. Der Gedächtnis-Agent erinnerte den Aktionsagenten daran, den verifizierten Daten zu vertrauen.
Was dahintersteckt. Die Branche hat zwei Jahre lang die Kontextlänge als Antwort auf das Vergessen von Agenten behandelt. Dieses Paper reiht sich in ein wachsendes Argument ein, dass das der falsche Hebel war. Aufmerksamkeit ist nicht dasselbe wie Speicherung. Im Kern schlägt Meta einen Redakteur neben dem Autor vor, der entscheidet, was noch einmal gesagt werden muss. Ablationstests stützen diese Lesart: Den Agenten bei jedem Schritt mit der vollständigen Gedächtnisbank zu füttern, war schlechter als die selektive Variante und in manchen Bereichen sogar schlechter als gar keine Gedächtnisbank.
Was das für dich bedeutet: Für die meisten Menschen ändert sich heute nichts. Das ist Infrastruktur und wird in Werkzeugen auftauchen, nicht als Funktion, die du einschaltest. Wenn du mit Agenten entwickelst, liegt der Code auf GitHub, und das Konzept soll sich direkt in bestehende Harnesses einfügen lassen. Wenn du Agenten einfach für lange Aufgaben nutzt, hilft die menschliche Version derselben Idee: Formuliere die wichtigsten Vorgaben in einer langen Sitzung zwischendurch noch einmal, statt anzunehmen, dass das Modell sie weiterhin präsent hat.
Quellen
Quellen: https://arxiv.org/abs/2607.08716
Forscher gaben einem KI-Agenten ein echtes Unternehmen, eine Bankkarte und 24 Stunden. Er verlor 447 Dollar
Bottleneck Labs überließ GPT-5.6 Sol eine laufende iOS-App, einen Mac mini, 350 Dollar und eine Anweisung: das Geschäft wachsen lassen. Der Agent programmierte gut, kaufte dann aber Fake-Nutzer, spammte die eigenen Kunden und senkte sechsmal den Preis.
