Gleiches KI-Gedächtnis, weniger Token: Wie ein neuer Ansatz ein führendes Agentensystem bei einem Bruchteil der Kosten schlägt

Wichtige Punkte

• ALTK-Evolve entspricht oder übertrifft das ACE-Agent-Memory-System in einer 168-Task-Benchmark, während es nur ein Siebtel der Computing-Token pro Task benötigt.
• Bei DeepSeek-V3.2, einem starken KI-Modell, erreichte ALTK-Evolve 89,3% Task-Abschluss gegenüber ACEs 80,4%, zu etwa 40% von ACEs Token-Kosten.
• Bei einem schwächeren Modell, gpt-oss-120b, war die Genauigkeit zwischen den beiden Systemen nahezu identisch, aber ALTK-Evolve verwendete etwa 116.000 Token pro Task gegenüber ACEs 777.000.
• Beide Systeme vermeiden es, die gelernten Lektionen eines Agenten in eine kurze Zusammenfassung zu komprimieren, unterscheiden sich aber stark darin, wie diese Lektionen zum Modell bei der Entscheidungsfindung gelangen.
• Die Arbeit wurde von dem ALTK-Evolve-Team auf Hugging Face geteilt.

Stellen Sie sich vor, einen neuen Mitarbeiter nicht durch ein Handbuch, sondern durch das Zulassen von Fehlern und dann das Zeigen genau dessen, was schiefgelaufen ist, zu unterrichten. Das ist in etwa das, was beide KI-Systeme tun. Der Unterschied besteht darin, ob Sie dem Mitarbeiter jede jemals geschriebene Notiz geben oder nur die, die für die heutige Aufgabe relevant sind.

Welches Problem lösen diese Systeme?

KI-Agenten, Software, die mehrstufige Aufgaben eigenständig ausführt, scheitern auf charakteristische Weise. Sie kennen normalerweise die Regeln. Sie wenden sie nur unzuverlässig an.

Geben Sie einem KI-Agenten eine Aufgabe wie die Aufteilung einer Rechnung auf mehrere simulierte Apps, und er könnte die falsche Funktion aufrufen, den Datensatz der falschen Person abrufen oder eine Antwort zurückgeben, wenn keine Antwort gefordert wurde. Der Agent hat das Wissen. Er hat noch nicht gelernt, wie man es sauber anwendet.

Sowohl ACE (Agentic Context Engineering) als auch ALTK-Evolve beheben dies, indem sie die eigenen früheren Versuche des Agenten nach Lektionen durchsuchen und diese Lektionen dann beim nächsten Einsatz an den Agenten zurückfüttern. Keine menschlichen Labels. Kein Umtraining des zugrundeliegenden Modells. Nur Gedächtnis, verwendet im Moment der Entscheidung.

Wo sind sich die beiden Systeme uneinig?

Sie sind sich in der Lieferung uneinig, und dort kommt der Kostenunterschied her.

ACE behält ein großes, sorgfältig gepflegtes Playbook und injiziert es vollständig in den Kontext des Agenten, den Textblock, den das Modell vor dem Handeln liest, bei jedem einzelnen Schritt. Das ist gründlich. Es ist auch teuer.

ALTK-Evolve behandelt die Lieferung als anpassbar. Bei einem starken Modell mit viel Spielraum kann es den vollständigen Lektionssatz senden. Bei einem schwächeren Modell wählt es nur die Lektionen aus, die für die aktuelle Aufgabe am relevantesten sind, behält einen festen Kern hochzuverlässiger Richtlinien bei und lagert den Rest ein. Die gleichen Lektionen existieren in beiden Fällen. Weniger von ihnen gelangen zum Modell.

Die Ergebnisse der AppWorld-Benchmark, ein Test von 168 realistischen Multi-App-Aufgaben, werden unten angezeigt.

Modell	System	Task-Abschluss	Token pro Task
DeepSeek-V3.2 (stark)	ACE	80,4%	634.000
DeepSeek-V3.2 (stark)	ALTK-Evolve	89,3%	263.000
gpt-oss-120b (schwächer)	ACE	54,8%	777.000
gpt-oss-120b (schwächer)	ALTK-Evolve	56,0%	116.000

Token sind die Texteinheiten, die ein KI-Modell liest und schreibt. Mehr Token bedeuten mehr Rechenzeit und höhere Kosten.

Warum funktioniert das Senden von weniger Lektionen manchmal besser?

Bei schwierigeren Aufgaben muss der Agent die richtige Lektion auswählen, nicht alle durchsuchen. Bei einfachen Aufgaben mit einem schwächeren Modell gibt ein umfassendes Playbook einen kleinen Vorteil, da die Antwort nah an der Oberfläche liegt und mehr Kontext hilft. Bei schwierigen Aufgaben behindert dieser gleiche Kontextfluss.

Ein stärkeres Modell absorbiert mehr Kontext, ohne den Faden zu verlieren. Ein schwächeres Modell kann darin ertrinken.

Beide Systeme stimmen einem wichtigen Prinzip zu: Komprimieren Sie keine Lektionen in eine kurze Zusammenfassung. Eine Lektion, die in fünf separaten Aufgaben auftauchte, ist bedeutungslos anders als eine, die nur einmal auftauchte. Diese zusammenzuquetschen verliert diese Unterscheidung. ALTK-Evolve verfolgt, wie viele unabhängige Episoden jede Lektion hervorgebracht haben. ACE behält pro Artikel eine hilfreich-versus-schädlich-Zählung bei. Unterschiedliche Labels, gleiche zugrunde liegende Logik.

Was kommt als Nächstes?

Das ALTK-Evolve-Team sagt, dass die Frage, genau wie viele Lektionen zu senden sind und wie das über Modelle unterschiedlicher Stärken skaliert, Gegenstand ihres nächsten Beitrags ist. Die technische Bibliothek und ein vollständiger Bericht sind bereits für Forscher verfügbar, die den Ansatz testen möchten.

Für alle, die KI-Agent-Systeme bauen oder bezahlen, ist die praktische Schlussfolgerung einfach: Was einem Modell zum Zeitpunkt der Entscheidung mitgeteilt wird, formt sowohl die Genauigkeit als auch die Kosten, und diese beiden Dinge müssen sich nicht gegenseitig ausschließen.

Häufig gestellte Fragen

Bedeutet das, dass ACE ein schlechtes System ist?

Nein. ACE und ALTK-Evolve lösen das gleiche Problem und stimmen in den schwierigen Teilen überein. ACEs eigene Effizienzgeschichte konzentriert sich darauf, wie billig es seinen Speicher aufbaut. ALTKs Effizienzvorteil-Evolve kommt vom Bereitstellen weniger Lektionen pro Schritt, was eine völlig andere Achse ist.

Betrifft dies normale Benutzer direkt?

Noch nicht in einem Produkt, das Sie herunterladen können. Die Arbeit befindet sich im Forschungsstadium und wurde in einer Benchmark mit simulierten Aufgaben getestet. Aber die Kosteneinsparungen, auf die sie hinweist, sind wichtig für jedes Unternehmen, das KI-Agenten im großen Maßstab betreibt, und niedrigere Betriebskosten führen normalerweise im Laufe der Zeit zu niedrigeren Preisen.