AI-agenter lär sig återanvända gamla erfarenheter mer effektivt
Forskare har identifierat ett förbisett problem i AI-agenter (program som självständigt utför komplexa uppgifter): det räcker inte att hitta en relevant tidigare erfarenhet – agenten måste också veta hur den ska anpassas till nya omständigheter. Deras metod, QCR, testad på 2 391 uppgifter i tre olika miljöer, nådde 62,3% framgångsgrad – 10,7 procentenheter bättre än att bara ge agenten hela den gamla sekvensen – och använde samtidigt 48,9% färre tokens (beräkningsenheter). Det intressanta är att enkla, strukturerade anteckningar om vad som kan återanvändas slår råa loggdumpar, särskilt när uppgifterna blir längre.
Djupdykning
De flesta diskussioner om AI-agenter fastnar vid *retrieval* – alltså hur man hittar rätt tidigare erfarenhet ur ett minne – men den här forskningen pekar på att det är fel problem att optimera. När en agent väl hittat en relevant tidigare "körning" (en sekvens av handlingar mot ett mål) uppstår ett nytt problem: hur använder den den informationen när användaren, verktygen eller miljön har förändrats sedan dess? Forskarna kallar detta *reuse-steget*, och visar att det är en flaskhals i sig. Deras lösning, QCR (query-conditioned reuse), är avsiktligt enkel: istället för att dumpa hela den gamla aktionssekvensen rakt in i agentens kontext, destillerar man den till ett strukturerat anteckningsformat som beskriver proceduren, vilka värden som behöver bytas ut för det nya målet, och vad som ska verifieras. Tänk det som skillnaden mellan att ge någon ett gammalt recept med exakt de ingredienser du hade hemma, kontra ett recept som förklarar tekniken och säger "byt ut X mot vad du har tillgängligt." Resultaten är tydliga: 10,7 procentenheters förbättring jämfört med att bara ge agenten hela den gamla trajektorin, och nästan hälften så många tokens förbrukade online – vilket direkt påverkar kostnad och latens i verkliga system. Att analysen visar att långa trajektorier och förändrade variabelvärden är precis de situationer där rå trajektorieinjektion tappar mest, är inte förvånande men viktigt att kvantifiera. Det de flesta missar här är att detta egentligen är ett designfilosofiproblem: vi har byggt agentsystem som behandlar minne som ett sökproblem när det i grunden är ett *abstraktionsproblem*. Precis som erfarna programmerare inte kopierar gammal kod rakt av utan abstraherar ut det generella mönstret, behöver agenter lära sig att generalisera erfarenheter innan de återanvänds – inte efter.