KI-Agenten sollen Fortschritt statt Gesprächsverlauf speichern

Ein anderer Ansatz für lange Aufgaben

KI-Agenten, die über viele Schritte hinweg an einer Aufgabe arbeiten, müssen mit wachsendem Kontext umgehen: Neben dem erreichten Zwischenstand enthält dieser auch die Interaktionen, die zu ihm geführt haben. CarryOn setzt an der möglichen Doppelung an. Ist etwa ein Dokument bereits bearbeitet oder sind Messwerte in einen Bericht eingetragen, kann der aktuelle Arbeitsstand die Ergebnisse enthalten, während der Verlauf zusätzlich beschreibt, wie sie entstanden sind. Nach Darstellung der Autoren müssen Agenten dadurch wiederholt Informationen verarbeiten, die in ihrem Arbeitszustand bereits verfügbar sind. [2]

Das Forschungsteam um Yuchen Lu, Julian McAuley und Lei Zhang von der University of California, San Diego, schlägt deshalb vor, den Kontext lang laufender Agenten um wiederverwendbare Aufgabenobjekte herum zu organisieren. CarryOn ist eine Laufzeitumgebung für diesen Ansatz: Sie soll Fortschritt für spätere Arbeitsschritte nutzbar machen, ohne die Interaktionshistorie als primäre Grundlage für jede Fortsetzung zu behandeln. [1][2]

• Die Arbeit berichtet Verbesserungen bei zwei Benchmarks für Computerbedienung und mehrstufige Informationssuche. [2]
• Die genannten Einsparungen betreffen den gesamten Tokenverbrauch in den Tests, nicht allein die Länge eines einzelnen Prompts. [2]

Kontext ist mehr als ein kürzerer Verlauf

CarryOn ist nicht lediglich ein Verfahren, das vergangene Dialoge zusammenfasst. Die Autoren unterscheiden zwischen dem Verlauf früherer Interaktionen und den nutzbaren Ergebnissen, die daraus hervorgegangen sind. Bestehende Ansätze zur Kompression, Auswahl oder Zusammenfassung von Verlauf sollen den Kontextumfang zwar reduzieren; wenn sie den Fortschritt aber nur als rekonstruierte Beschreibung festhalten, kann diese Beschreibung vom Zustand abweichen, den der Agent unmittelbar prüfen und bearbeiten kann. [2]

Der vorgeschlagene Ansatz verschiebt daher die zentrale Frage: Nicht nur, welche Gesprächsteile sich kürzen oder entfernen lassen, sondern welche Arbeitsergebnisse sich in späteren Schritten erneut verwenden lassen. Diese Unterscheidung ist für Aufgaben relevant, deren Resultate in Dateien, Anwendungszuständen oder belegten Erkenntnissen liegen. [2]

Drei Bausteine für die Fortsetzung

Die aktive Kontextansicht besteht in CarryOn aus drei Teilen. Erstens halten sogenannte Continuation Carriers – Fortschrittsträger – wiederverwendbare Inhalte oder Verweise auf Aufgabenobjekte fest. Zu jedem Träger gehören Bedingungen dafür, wann und wie der gespeicherte Fortschritt wiederverwendet werden kann. Zweitens bewahrt der Ausführungskontext Informationen, die nicht in diesen Objekten stecken, etwa aktive Ziele, geltende Vorgaben, offene Fragen und noch ausstehende Arbeit. Drittens enthält der Live Tail die Interaktionen seit der letzten erfolgreichen Überführung des Verlaufs in die strukturierte Kontextansicht. [2]

Die Fortschrittsträger können unterschiedliche Formen annehmen. Externe Objekte sind etwa bearbeitbare Dateien wie Dokumente oder Tabellen. Informationsprodukte speichern wiederverwendbare Erkenntnisse einschließlich ihrer Belege. Situierte Zustände bezeichnen Fortschritt, der in einer bestimmten Anwendung, Sitzung oder einem bestimmten Arbeitsablauf verankert ist und nur dort erneut genutzt werden kann. Ein Arbeitsauftrag kann mehrere solcher Träger kombinieren. [2]

• Ein Fortschrittsträger hält Inhalte oder einen Objektverweis samt Nutzungsbedingungen fest. [2]
• Der Ausführungskontext bewahrt offene Ziele und Beschränkungen, die nicht durch ein Arbeitsergebnis abgedeckt sind. [2]
• Der Live Tail hält jüngste Interaktionen bis zur nächsten erfolgreichen Überführung verfügbar. [2]

Warum Objekte und Verlauf zusammenwirken

Die drei Komponenten erfüllen unterschiedliche Aufgaben. Eine fertige Datei kann beispielsweise bereits erledigte Bearbeitungsschritte verkörpern, sagt aber nicht zwingend, welche Anforderungen noch offen sind oder welche Prüfung als Nächstes erfolgen muss. CarryOn soll deshalb wiederverwendbare Ergebnisse und den für die Fortsetzung nötigen Arbeitskontext gemeinsam pflegen, während neuere Interaktionen zunächst im Live Tail verbleiben. [2]

Die Autoren illustrieren das Prinzip mit Aufgaben aus OSWorld 2.0: Bei einer Präsentationsaufgabe tragen die bearbeitete Präsentation und exportierte Bilder den erledigten Fortschritt, während verbleibende Vorgaben und eine Speicherprüfung explizit bleiben. Bei einer Laborbericht-Aufgabe enthält das Arbeitsdokument bereits erledigte Änderungen; offene Berechnungen bleiben im Ausführungskontext sichtbar. [2]

So aktualisiert CarryOn den gespeicherten Fortschritt

Die Überführung des jüngsten Verlaufs in eine strukturierte Kontextansicht nennt die Arbeit einen Fold. Der Prozess beginnt damit, dass ein Tracker mögliche Fortschritte identifiziert, die später wiederverwendbar sein könnten. Ein Kandidat kann etwa eine Dateiänderung, eine aus Quellen abgeleitete Erkenntnis oder einen Anwendungszustand betreffen. Ist er noch nicht reif für die Fortsetzung, bleibt er für spätere Überprüfungen vorgemerkt. [2]

Vor der Aktualisierung bindet CarryOn die Kandidaten an die für sie vorgesehenen Belege. Bei Informationsprodukten wird geprüft, ob das Material mit den aufgezeichneten Quellen übereinstimmt. Bei externen Objekten und situierten Zuständen können Referenzen auf das entsprechende Objekt sowie schreibgeschützte Umgebungsprüfungen einbezogen werden, sofern solche Prüfungen verfügbar sind. Auf dieser Grundlage schlägt ein Compiler Änderungen an den Fortschrittsträgern und zugleich eine Überarbeitung des Ausführungskontexts vor. [2]

Diese gemeinsame Aktualisierung soll verhindern, dass ein Ergebnis doppelt im Kontext abgelegt wird, während noch offene Anforderungen verloren gehen. Der Compiler bearbeitet nur die ausgewählten Fortschrittskandidaten, berücksichtigt bei der Überarbeitung des Ausführungskontexts aber den gesamten Live Tail. Nicht betroffene Träger werden weitergeführt, statt ihre Inhalte bei jeder Überführung neu zu rekonstruieren. [2]

• Kandidaten identifizieren: Der Tracker markiert möglichen wiederverwendbaren Fortschritt. [2]
• Belege vorbereiten: Quellen und, soweit möglich, relevante Umgebungszustände werden gebunden oder geprüft. [2]
• Gemeinsam aktualisieren: Compiler und Ausführungskontext werden auf Grundlage der Kandidaten, Belege und jüngsten Interaktionen angepasst. [2]
• Validieren und übernehmen: Nur eine erfolgreiche Überprüfung führt dazu, dass die abgedeckten Interaktionen aus dem aktiven Kontext entfernt werden. [2]

Validierung ist keine Prüfung des Aufgabenerfolgs

Vor der Übernahme prüft CarryOn unter anderem, ob Änderungen zu den aktuellen Kandidaten- und Trägerversionen passen und mit den dafür zugelassenen Belegen vereinbar sind. Außerdem kontrolliert das System Identitäten, Referenzen und Ausgabevorgaben. Eine erfolgreiche Überführung setzt laut Arbeit mindestens eine Änderung an einem Fortschrittsträger voraus; eine alleinige Überarbeitung des Ausführungskontexts reicht nicht aus. [2]

Die Autoren grenzen die Bedeutung dieser Kontrollen ausdrücklich ein: Sie sollen inkonsistente oder nicht hinreichend gestützte Aktualisierungen verhindern, überprüfen aber nicht, ob die Aufgabe inhaltlich korrekt erledigt wurde. Bei fehlgeschlagener Validierung bleiben die bestehende Kontextansicht und der Live Tail unverändert. Bei Erfolg werden die Änderungen gemeinsam übernommen; in der beschriebenen Implementierung umfasst eine erfolgreiche Überführung den gesamten Live Tail. [2]

Benchmark-Ergebnisse und Versuchsaufbau

Die Autoren untersuchten CarryOn mit Claude Opus 4.7 als Host-Agent sowie für Tracker und Compiler. Für OSWorld 2.0 nutzten sie den vollständigen Benchmark und ein Limit von 500 Handlungsschritten je Aufgabe. Für BrowseComp-Plus wählten sie zufällig 100 Fragen aus; der Agent rief Dokumente mithilfe von BM25 ab. Gemessen wurden bei OSWorld 2.0 Teil- und Binärbewertungen, bei BrowseComp-Plus die Antwortgenauigkeit. [2]

Auf OSWorld 2.0 stieg der berichtete Teilerfolg des Host-Agenten von 43,9 auf 49,7 Prozent, also um 5,8 Prozentpunkte. Die Binärbewertung verbesserte sich laut Arbeit um 3,7 Prozentpunkte. Auf BrowseComp-Plus erhöhte sich die Antwortgenauigkeit von 49 auf 56 Prozent, eine Differenz von sieben Prozentpunkten. Die abschließenden Antworten im BrowseComp-Plus-Test bewertete Qwen3-32B anhand der offiziellen Bewertungsaufforderung des Benchmarks. [2]

Zusätzlich berichten die Autoren von einem um 51,9 Prozent niedrigeren Gesamtverbrauch an Tokens auf OSWorld 2.0 und um 22,9 Prozent auf BrowseComp-Plus. Die Gesamtkosten pro Aufgabe seien um 35,9 beziehungsweise 7,1 Prozent gesunken. In die Effizienzmessung flossen laut Versuchsaufbau sowohl Aufrufe des Agenten als auch Aufrufe für das Kontextmanagement ein. [2]

• OSWorld 2.0: 43,9 auf 49,7 Prozent Teilerfolg; 51,9 Prozent weniger Tokens und 35,9 Prozent geringere Kosten pro Aufgabe, jeweils laut Studie. [2]
• BrowseComp-Plus: 49 auf 56 Prozent Antwortgenauigkeit; 22,9 Prozent weniger Tokens und 7,1 Prozent geringere Kosten pro Aufgabe, jeweils laut Studie. [2]

Vergleich mit Kompression und Zusammenfassung

Die Arbeit stellt CarryOn nicht nur einem Verlauf ohne die vorgeschlagene Verwaltung gegenüber. Nach Darstellung der Autoren reicht eine Kompression der Interaktionshistorie allein nicht aus, um die Fortsetzung vergleichbar zu verbessern. Die Organisation um wiederverwendbaren Fortschritt übertraf generische Kompression; die vollständige Laufzeitumgebung schnitt außerdem besser ab als eine wiederholte Zusammenfassung, die dieselben Grundprinzipien umsetzt. Die Fortschrittsträger und der Ausführungskontext trugen demnach komplementär zum Ergebnis bei. [2]

Diese Aussagen beschreiben die von den Forschern durchgeführten Benchmark-Vergleiche. Die bereitgestellten Quellen enthalten keine unabhängige Replikation der Ergebnisse; die Zahlen sollten deshalb als Studienergebnisse und nicht als Nachweis eines allgemeinen Leistungsvorteils für beliebige Modelle oder Unternehmensaufgaben gelesen werden. [1][2]

Bedeutung für den Unternehmenseinsatz

Für Unternehmen ist vor allem die Trennung zwischen Arbeitsstand und Interaktionsprotokoll relevant. Wenn ein Agent über längere Zeit Dokumente bearbeitet, Informationen recherchiert oder in einer Anwendungsschleife arbeitet, können bereits erzeugte Dateien, belegte Erkenntnisse oder wieder aufrufbare Anwendungszustände als Fortsetzungsgrundlage dienen. CarryOn beschreibt ein Verfahren, das solche Ergebnisse mit Bedingungen für ihre Wiederverwendung verbindet und offene Aufgaben separat sichtbar hält. [2]

Als Analyse lässt sich daraus ableiten, dass ein solcher Ansatz besonders dort interessant sein kann, wo Agenten wiederholt auf persistente Arbeitsergebnisse zugreifen und lange Verläufe hohe Tokenkosten verursachen. Die berichteten Benchmarks stützen diese Möglichkeit für die untersuchten Aufgaben, belegen aber keine entsprechenden Einsparungen in einer konkreten Unternehmensumgebung. Dafür wären eigene Tests mit den eingesetzten Modellen, Daten, Werkzeugen und Prüfanforderungen erforderlich. [2]

Auch die Validierungsgrenze ist für den Betrieb entscheidend: Das Verfahren prüft die Konsistenz bestimmter Aktualisierungen und Belege, nicht die fachliche Richtigkeit des Gesamtergebnisses. CarryOn ersetzt damit nach der Beschreibung der Arbeit keine unabhängige Qualitätskontrolle der erledigten Aufgabe. In sicherheitskritischen oder regulierten Abläufen müsste eine solche Kontrolle weiterhin gesondert geplant werden. [2]

• Die Studie evaluiert Computerbedienung und mehrstufige Suche, nicht sämtliche denkbaren Agentenaufgaben. [2]
• Die BrowseComp-Plus-Auswertung basiert auf einer zufälligen Teilstichprobe von 100 Fragen und einer Bewertung durch Qwen3-32B. [2]
• Die Autoren weisen darauf hin, dass die Validierung des Folds keine Prüfung der inhaltlichen Aufgabenkorrektheit darstellt. [2]

Einordnung der Evidenz

Die auf Hugging Face veröffentlichte Paper-Seite fasst CarryOn und die zentralen Benchmarkwerte zusammen; die ausführlichere arXiv-Fassung liefert die Angaben zum Verfahren und zum Versuchsaufbau. [1][2] Die Leistungs- und Effizienzzahlen stammen aus den Experimenten der Autoren. Eine unabhängige Bestätigung oder ein Nachweis für den Einsatz unter Produktionsbedingungen ist in den hier verfügbaren Quellen nicht enthalten. [1][2]

Damit ist CarryOn zunächst ein Forschungsansatz für das Kontextmanagement lang laufender Agenten. Die Resultate sprechen dafür, dass die Wiederverwendung von Arbeitsfortschritt in den getesteten Szenarien sowohl den Tokenverbrauch senken als auch die gemessene Aufgabenleistung erhöhen kann. Wie stark dieser Effekt bei anderen Modellen, Aufgabenarten und betrieblichen Prüfanforderungen ausfällt, bleibt anhand der vorliegenden Ergebnisse offen. [2]

Quellen

1. [1] Paper page - Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents — https://huggingface.co/papers/2610.18784 (abgerufen am 2026-10-19)
2. [2] Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents — https://arxiv.org/html/2610.18784v2 (abgerufen am 2026-10-19)