Meta AI lässt einen zweiten KI-Agenten mitschreiben, damit lange Aufgaben nicht entgleisen

Die Autoren nennen dieses Phänomen "behavioral state decay". Der entscheidungsrelevante Zustand ist über eine wachsende Trajektorie verstreut und wird im Kontextfenster begraben oder darüber hinausgeschoben. Wichtig dabei: Die Information kann noch im Transkript oder sogar im Kontextfenster vorhanden sein, übt aber keine verlässliche Kontrolle mehr über das Verhalten aus. Längere Historien verfügbar zu machen, reicht laut Meta AI nicht aus.

Nicht was gespeichert wird, sondern wann es zählt

Bestehende Gedächtnissysteme konzentrieren sich darauf, Datensätze zu speichern, zu aktualisieren und abzurufen. Für Personalisierung und sitzungsübergreifende Erinnerung sei das zentral, so das Paper. Die aktive Ausführung einer Aufgabe stelle jedoch ein anderes Problem dar: Das Gedächtnis müsse entscheiden, wann es eingreift. Zu wenig Erinnerung lasse den Agenten Fehler wiederholen, zu viel erzeuge Latenz, verbrauche Token und lenke vom lokalen Fortschritt ab.

Damit grenzen die Forschenden ihren Ansatz von der reinen Zusammenfassung ab. Ein Zusammenfasser frage, was behalten werden soll. Ihr Gedächtnis frage, ob ein behaltener Ausführungszustand in der nächsten Entscheidung des Agenten aktiv werden soll. Weil Aufgaben sich in ihren Fehlermodi stark unterschieden, könne eine feste Zusammenfassungsregel das nicht leisten.

Ein zweiter Agent läuft nebenher

Das vorgeschlagene System stellt einem unveränderten "Action-Agent" einen separaten "Memory-Agent" zur Seite. In festen Intervallen beobachtet dieser ein gleitendes Fenster der jüngsten Schritte, aktualisiert eine strukturierte Gedächtnisbank und entscheidet, ob er eine knappe, gedächtnisgestützte Erinnerung in den nächsten Aufruf des Action-Agents injiziert oder schweigt.

Das Modul sei plug-and-play mit aktuellen Agenten und bestehenden Harnesses kombinierbar, so die Autoren. Anders als allgemeine Advisor-Modelle sei es auf gedächtnisgestützte Erinnerungen beschränkt und liefere keine breite strategische Beratung.

Der Memory Agent läuft als eigener Prozess neben dem unveränderten Action Agent und entscheidet bei seinen Aufrufen, ob er einen Reminder einspielt oder still bleibt. | Bild: Meta

Die Gedächtnisbank gliedert sich in ein privates Statusfeld, das Fortschritt und offene Risiken verfolgt und dem Action-Agent nie gezeigt wird. Die Knowledge Memory speichert stabile Fakten wie Anforderungen, Dateipfade und Konfigurationen. Die Procedural Memory hält fest, was versucht wurde und was dabei passierte, etwa gescheiterte Befehle, erfolgreiche Fixes oder ausgeschlossene Hypothesen.

In jedem Gedächtnisschritt verwaltet der Agent die Bank zunächst ausschließlich über vordefinierte Tool-Calls und schreibt nicht frei um. Danach entscheidet er, ob ein behaltener Zustand reaktiviert werden soll, und formuliert gegebenenfalls eine gezielte Erinnerung. Schweigen ist dabei eine explizite Aktion, keine bloße Effizienzoptimierung.

In Phase 1 pflegt der Agent seine strukturierte Memory Bank, in Phase 2 entscheidet er, ob überhaupt eine Erinnerung in die nächste Entscheidung des Action Agents einfließen soll. | Bild: Meta

Messbare Gewinne auf zwei Benchmarks

Getestet wurde auf Terminal-Bench 2.0, das autonome Agenten in realistischen Kommandozeilen-Umgebungen prüft, sowie auf τ2-Bench für konversationelle Tool-Nutzung in den Bereichen Airline, Retail und Telecom. Als Memory-Agent diente das mittlerweile mehrfach überholte Claude Opus 4.6.

Mit dem noch älteren Claude Sonnet 4.5 als Action-Agent löste das System auf Terminal-Bench 46 statt zuvor 38 Prozent der Aufgaben im ersten Versuch. Auf τ2-Bench stieg der Wert im aufgabengewichteten Mittel von 55 auf 62 Prozent. Die Unterschiede zwischen den Aufgabenbereichen sind auffällig. Airline und Retail verbesserten sich um je etwa 10 Prozentpunkte, Telecom dagegen nur um 3. Die Forschenden sehen darin einen Hinweis, dass der Memory-Agent je nach Aufgabenbereich unterschiedlich stark eingreift, statt nach einer festen Zusammenfassungsregel zu arbeiten.

Die Gewinne fallen beim schwächeren Agent größer aus, verschwinden aber beim stärkeren nicht. Der leistungsfähigere Opus 4.6 verbesserte sich auf beiden Benchmarks um jeweils 2,4 und 2,5 Prozentpunkte. Das spreche dafür, dass der Nutzen über das bloße Kompensieren begrenzter Kapazität hinausgehe.

Ablationen sprechen für selektives Eingreifen

Um zu prüfen, welche Bestandteile den Effekt tragen, entfernte das Team einzelne Fähigkeiten. Wenn dem Action-Agent bei jedem Schritt die gesamte Gedächtnisbank gezeigt wird, statt gezielt einzugreifen, fällt das System hinter die Vollversion zurück. Eine Variante ohne Schweige-Option, die bei jedem Schritt eine Erinnerung einspielt, ist zwar konkurrenzfähig, aber weniger ausgewogen über die Bereiche hinweg. Eine Advisor-artige Variante ohne persistente Bank hilft in einzelnen Bereichen und schadet in anderen sogar. Am besten schneidet die Kombination aus gepflegtem Gedächtnis und selektivem Eingreifen ab.

Auch gegen die produktive Gedächtnisschicht Mem0, die Datensätze per Suche abruft, setzt sich der Ansatz durch. Der Unterschied liege darin, relevante Datensätze nicht bloß zurückzugeben, sondern zu entscheiden, ob und wie ein Zustand als gezielte Erinnerung in die Schleife einfließen soll.

Wie das in der Praxis aussieht, zeigt ein Beispiel aus der τ2-Bench-Domäne Airline. Ein Nutzer behauptete Gold-Status, während das Tool-Ergebnis ihn als regulären Kunden auswies. Die Baseline gewährte eine Kompensation auf Basis der Behauptung, der gedächtnisgestützte Agent erinnerte dagegen daran, sich auf die verifizierten Daten zu stützen. Die verbleibenden Fehler seien primär Kalibrierungsfehler, keine Speicherfehler, etwa wenn der Memory-Agent eine spekulative Schlussfolgerung zu selbstbewusst einbringe.

Ein erster Schritt zu offenen Gedächtnismodellen

Der Ansatz benötigt kein eigens trainiertes Modell, sondern läuft in der Hauptvariante als geprompteter Agent. Als frühe Exploration prüfte das Team zusätzlich, ob sich die Interventionspolitik auch einem offenen Modell beibringen lässt. Dazu trainierte es ein kleineres Qwen3.5-27B als Memory-Agent, während ein deutlich größeres Modell als Action-Agent eingefroren blieb. Das Ergebnis zeigt vor allem, dass es auf die Kalibrierung ankommt: Ohne Training schadete der kleine Memory-Agent der Leistung sogar. Erst Supervised Fine-Tuning glich diesen Verlust aus, anschließendes Reinforcement Learning verbesserte die Entscheidung, wann ein gespeicherter Zustand eingreifen soll.

Als offene Fragen nennt Meta AI, Gedächtnis- und Action-Agent gemeinsam zu trainieren, den Aufruf des Gedächtnisses zu lernen, statt auf einem festen Zeitplan laufen zu lassen, und zu bestimmen, wann wörtliche Erinnerungen und wann aufgabenspezifische Abstraktionen am wirksamsten sind.

Den Code zum Projekt hat Meta AI auf GitHub veröffentlicht.

Meta ist mit dem Memory-Problem nicht allein, und einen Industriestandard gibt es bisher nicht. Das Open-Source-Framework Mastra setzt auf zwei Hintergrund-Agenten, die die Konversation beobachten und komprimieren, statt den gesamten Verlauf im Kontextfenster zu halten. Das System GAM will den "Context Rot" bei langen Chats verhindern und misst sich dabei wie Meta an der Speicherschicht Mem0. Andere Forschende entwerfen sogar ein lebenslanges KI-Gedächtnis, das aktiv Wissen hinzufügen, ändern und vergessen kann.