Experience Compression Spectrum: ein Architekturrahmen, der Gedächtnis, Fähigkeiten und Regeln in LLM-Agenten vereint

Was ist das Experience Compression Spectrum?

Ein neues arXiv-Preprint vom 17. April 2026 schlägt einen vereinheitlichten theoretischen Rahmen dafür vor, wie LLM-Agenten Erfahrungen in langfristigen, mehrphasigen Deployments verarbeiten. Anstatt Gedächtnis, Fähigkeiten und Regeln als separate Architekturkomponenten zu behandeln, positionieren die Autoren Xing Zhang und Kollegen sie auf einer einzigen Achse zunehmender Kompression:

• Episodisches Gedächtnis — rohe Aufzeichnungen dessen, was geschehen ist, Kompression 5–20×
• Prozedurale Fähigkeiten — parametrisierte Routinen, die aus Mustern gelernt wurden, 50–500×
• Deklarative Regeln — allgemeine Aussagen, die kontextübergreifend gelten, 1000×+

Die Idee ist einfach, aber kraftvoll: All das sind verschiedene Stufen desselben Prozesses — die Kompression von Erfahrung in wiederverwendbares Wissen. Der Unterschied liegt darin, wie viel Kontext zugunsten größerer Kompaktheit verloren geht.

Was zeigt die Analyse bestehender Systeme?

Die Autoren identifizieren drei systemische Probleme:

1. Fixe Kompressionsstufe. Die meisten Agenten arbeiten an einem Punkt des Spektrums — manche merken sich alles, andere extrahieren Regeln. Aber echte Erfahrung ist nicht einheitlich — manche Dinge verdienen detailliertes Gedächtnis (Grenzfälle), andere extreme Kompression (stabile Prozeduren). Systeme ohne adaptive Flexibilität zahlen an einem oder dem anderen Ende einen Preis.

2. Gedächtnis und Fähigkeiten kommunizieren nicht. Forschungsgemeinschaften, die an Gedächtnis (Langzeitkontext, RAG, Episode Replay) und Fähigkeiten (Skill Learning, Program Synthesis) arbeiten, tauschen keine Ergebnisse aus. Die Autoren argumentieren, dass beides im Wesentlichen dasselbe ist — Kompression von Erfahrung — nur in Silos entwickelt.

3. Die Evaluation unterscheidet sich je nach Ebene. Wie misst man „gutes Gedächtnis” vs. „gute Fähigkeit” vs. „gute Regel”? Jede Ebene hat ihre eigenen Benchmarks, was den Vergleich von Systemen, die auf verschiedenen Spektrumsstufen arbeiten, erschwert.

Welche Designprinzipien gelten für Full-Spectrum-Agenten?

Die Arbeit schlägt keine konkrete Implementierung vor, sondern Prinzipien für Agenten, die das gesamte Spektrum abdecken:

• Dynamische Positionierung — der Agent wählt selbst die Kompressionsstufe für jede Erfahrung, abhängig von Musterhäufigkeit und Konfidenz
• Bidirektionale Bewegung — aus Gedächtnis können Fähigkeiten destilliert werden, aus Fähigkeiten Regeln; aber auch umgekehrt: wenn eine Regel versagt, muss der Agent bis zum episodischen Detail „dekomprimieren” können
• Lifecycle-Management — Regeln und Fähigkeiten veralten, der Kontext ändert sich, Erfahrung braucht einen Revisionsmechanismus, nicht nur Akkumulation

Warum ist das wichtig?

Long-Horizon-Agenten — solche, die wochenlang oder monatelang im gleichen Kontext arbeiten (Kundensupport, technischer Support, persönliche Assistenten, Programmierung) — brauchen Erfahrung. Aber reines Auswendiglernen skaliert nicht (das Kontextfenster wächst, die Kosten steigen), und zu frühzeitige Kompression verliert Informationen. Die Arbeit argumentiert, dass Kompression ein Spektrum ist, keine binäre Wahl, und dass die nächste Generation von Agenten mit diesem Gedanken entworfen werden sollte.

Implikationen für Entwickler

Für Teams, die Produktionsagenten entwickeln, lautet die Botschaft architektonisch: Statt separater Module für Gedächtnis, Fähigkeiten und Regeln sollte man über eine einzige Gedächtnishierarchie mit Mechanismen zur Beförderung und Herabstufung über Ebenen nachdenken. Mechanismen wie Zusammenfassungs-Pipelines, Skill-Extraktoren und Regelinduktoren sind Teile desselben Systems — sie arbeiten nur auf verschiedenen Kompressionsstufen.

Die Arbeit ist ein Preprint ohne experimentelle Ergebnisse neuer Modelle — es ist eher ein Positionspapier, das eine gemeinsame Sprache für das Feld definiert. Aber genau darin liegt sein Wert: Teams, die derzeit langfristige Agenten entwickeln, können es als Leitfaden beim Entwurf ihrer Gedächtnisarchitektur nutzen.