HaMo verbindet Erfahrungsspeicher mit laufender Modellanpassung für KI-Agenten

Auswahl nach zusätzlicher Abdeckung

Für Modellupdates wollen die Autoren nicht jede neu beobachtete Trajektorie verwenden. Mehrere Verläufe können ähnliche Strategien enthalten und dadurch redundante Trainingsbeispiele liefern. HaMo bewertet deshalb, wie breit eine Erfahrung andere Karten bei der Ähnlichkeitssuche unterstützen kann. Dazu bettet das Verfahren die Texte der Erfahrungskarten ein und sucht für jede Karte – unter Ausschluss der Karte selbst – drei nächste Nachbarn. Anschließend wird umgekehrt betrachtet, für welche Suchanfragen eine Karte als Nachbar auftaucht. [2]

Die Auswahl berücksichtigt nicht nur, wie oft eine Karte abgerufen werden könnte, sondern auch, ob sie zusätzliche Fälle abdeckt, die durch bereits ausgewählte Karten noch nicht repräsentiert sind. Das Verfahren ergänzt die Auswahl schrittweise um Karten mit dem größten zusätzlichen Abdeckungsbeitrag. So sollen sowohl häufig wiederverwendbare Strategien als auch weniger häufige, aber andersartige Kontexte berücksichtigt werden. Die Autoren wählen einen Trainingsumfang anhand eines Knickpunkts in der Abdeckungskurve. Die ausgewählten Karten werden dann auf ihre ursprünglichen Trajektorien zurückgeführt und bilden die sogenannten Ankerbeispiele für das aktuelle Update. [2]

Der Auswahlmechanismus betrifft demnach die Trainingsdaten, nicht unmittelbar die Zugriffsrechte auf den Speicher: Auch nicht ausgewählte Erfahrungen bleiben laut Manuskript verfügbar. Für den Betrieb bedeutet das als Analyse, dass Speicherumfang und Trainingsaufwand getrennte Stellschrauben sind. Die Arbeit zeigt damit ein Verfahren zur Auswahl kompakter Trainingsmengen, liefert in den vorliegenden Auszügen aber keine Angaben dazu, wie sich Speicherbedarf, Suchlatenz oder Kosten bei sehr großen Erfahrungsbeständen entwickeln. [2]

Ein einzelner Adapter lernt den Umgang mit Strategien

Auf Modellebene trainiert HaMo das System darauf, Aktionen unter Einbeziehung einer abgerufenen Erfahrung vorherzusagen. Die Trainingsbeispiele kombinieren ausgewählte neue Ankertrajektorien mit historischen Beispielen aus früheren Aufgabenphasen. Dieses Replay soll dem Modell weiterhin frühere Verhaltensweisen zeigen, während es sich an neue Aufgaben anpasst. Die Trainingsaufgabe ist ein erfahrungsbedingtes Behavioral Cloning: Das Modell erhält Aufgabenbeschreibung, Anfangsbeobachtung, Interaktionsverlauf und die passende Erfahrung und lernt, die beobachteten Expertenaktionen nachzuvollziehen. [2]

Die Autoren nutzen dafür einen einzelnen LoRA-Adapter und halten die Parameter des zugrunde liegenden Modells eingefroren. Der Adapter wird von einer Lernphase in die nächste übernommen und weiter trainiert; es entsteht also keine wachsende Sammlung separater Adapter für einzelne Aufgaben. Die Zahl der trainierbaren Parameter bleibt nach Darstellung des Manuskripts damit über den Lernstrom hinweg fest. Daraus folgt jedoch nicht, dass auch der gesamte Rechenaufwand konstant bleibt: Auswahl, Replay und wiederholtes Training sind weiterhin Teil des Verfahrens. [2]

Der Anspruch ist, nicht jede frühere Lösung direkt in Modellgewichte zu übertragen. Stattdessen soll das Modell lernen, strategische Hinweise unter veränderten Beobachtungen und Interaktionsverläufen passend umzusetzen. Zur Laufzeit wird ebenfalls passende Erfahrung in den anfänglichen Dialog eingebracht. Die Studie beschreibt damit eine Architektur, in der externe Erinnerung konkrete Strategien bereitstellt und der Adapter die Fähigkeit zu deren kontextabhängiger Ausführung verbessern soll. [2]

Was die Autoren in den Benchmarks berichten

Die Evaluation umfasst laut Manuskript fortlaufende Aufgabenströme in ScienceWorld, ALFWorld und WebShop. Untersucht wurden sowohl Veränderungen innerhalb eines Aufgabenbereichs als auch Wechsel zwischen Bereichen. WebShop dient als Umgebung für interaktive Web-Agenten; ScienceWorld und ALFWorld sollen zeigen, ob sich der Lernansatz über diesen Bereich hinaus anwenden lässt. [2]

Die Autoren berichten, HaMo übertreffe sowohl Ansätze mit ausschließlich Harness-basierter Anpassung als auch solche mit ausschließlich modellbasierter Anpassung. Sie führen zudem Verbesserungen bei Behalten und Anpassung an. Ihre Beschreibung der Vergleichsverfahren hebt dabei unterschiedliche Schwächen hervor: Ein reiner Erfahrungsspeicher ermögliche schnelle Wiederverwendung, erreiche aber ein Leistungsplateau; reine Modellanpassung könne starke aufgabenspezifische Fähigkeiten aufbauen, verliere unter Verteilungsverschiebungen jedoch zuvor erworbene Kompetenzen. [1] [2]

Die bereitgestellten Auszüge nennen keine konkreten Punktwerte, Konfidenzintervalle, Kostenvergleiche oder Resultate einzelner Ablationen für HaMo. Deshalb lässt sich aus ihnen weder die Größe des berichteten Vorteils quantifizieren noch beurteilen, wie stabil er über Wiederholungen ausfällt. Die qualitative Aussage zum Abschneiden stammt aus dem Abstract und der Einleitung des Manuskripts und ist als Bericht der Autoren einzuordnen, nicht als unabhängige Replikation. [1] [2]

Bedeutung für den Einsatz in Unternehmen

Für Unternehmen ist der Ansatz vor allem dort prüfenswert, wo Agenten wiederholt ähnliche mehrstufige Abläufe ausführen – etwa in Web-Interaktionen oder anderen wiederkehrenden Workflows. Als Analyse lässt sich HaMos Trennung der Lernwege als Architekturentscheidung verstehen: Neue Erfahrungen können schnell extern verfügbar werden, während Modellupdates auf ausgewählte und möglichst ergänzende Beispiele begrenzt werden. Das könnte die Wahl zwischen sofortiger Wiederverwendung und langfristiger Verankerung transparenter machen. Die Studie belegt allerdings keine konkrete Produktivitätssteigerung oder Wirtschaftlichkeit in realen Unternehmensprozessen. [2]

Auch die Auswahl nach Abdeckung ist für den Betrieb nicht automatisch eine Garantie für passende oder verlässliche Empfehlungen. Die beschriebene Ähnlichkeitssuche bestimmt, welche Karten einander nahekommen; ob eine extrahierte Strategie tatsächlich korrekt, aktuell und für einen neuen Geschäftskontext geeignet ist, bleibt eine zusätzliche Qualitätsfrage. Das sind aus der Architektur abgeleitete Einsatzfragen, keine in den vorliegenden Auszügen ausgewiesenen Testergebnisse. [2]

Für eine praktische Bewertung müssten Unternehmen daher nicht nur die Erfolgsquote betrachten, sondern auch die Qualität der extrahierten Karten, die Fehlerfolgen bei falschem Abruf und den Aufwand für Training und Speicherbetrieb messen. Ebenso wäre zu klären, welche sensiblen Informationen in Aufgabenverläufen und daraus erzeugten Karten landen können und wie sie geschützt werden. Die verfügbare Beschreibung macht keine Angaben zu Datenschutz, Zugriffskontrollen oder branchenspezifischen Sicherheitsanforderungen; diese Aspekte sind folglich offen und dürfen nicht als gelöste Eigenschaften des Frameworks verstanden werden.

Ein Forschungsbeitrag, noch kein Einsatznachweis

HaMo adressiert ein konkretes Spannungsfeld: Externe Erinnerung macht neues Wissen rasch verfügbar, Parameteranpassung soll die Fähigkeit zur Nutzung solcher Erinnerung verfestigen. Das Verfahren verbindet beide Ebenen über Erfahrungskarten, eine abdeckungsorientierte Auswahl von Trainingsverläufen und Replay mit einem fortgeschriebenen LoRA-Adapter. Diese technische Beschreibung ist in den Quellen nachvollziehbar; der Umfang des empirischen Vorteils bleibt anhand der bereitgestellten Auszüge dagegen nicht quantifizierbar. [1] [2]

Für Entscheiderinnen und Entscheider ist deshalb eine zurückhaltende Einordnung angebracht. Die Studie liefert einen Benchmark-Bericht zu kontinuierlichem Lernen für langlaufende Agenten, aber die vorliegenden Angaben zeigen weder eine unabhängige Replikation noch Ergebnisse aus realen Unternehmensumgebungen. Ob die Kombination aus dauerhaftem Erfahrungsspeicher und laufender Adapteranpassung im jeweiligen Einsatzfall zuverlässig, kosteneffizient und sicher funktioniert, müsste separat geprüft werden. [2]

Quellen

1. [1] Paper page - Harness-Model Collaboration for Long-Horizon Continual Learning — https://huggingface.co/papers/2610.34724 (abgerufen am 2026-10-28)
2. [2] Harness–Model Collaboration for Long-Horizon Continual Learning — https://arxiv.org/html/2610.34724 (abgerufen am 2026-10-28)