Abruf nach Nutzen statt nach Ähnlichkeit

Agenten, die sich selbst verbessern sollen, legen Erkenntnisse aus abgeschlossenen Läufen ab, um sie später wiederzuverwenden. Ob aus diesem Vorrat je Handlung wird, entscheidet sich beim Abruf: An jedem Entscheidungspunkt muss genau der Eintrag auftauchen, der den Agenten weiterbringt. Übliche Verfahren suchen an dieser Stelle nach semantischer Ähnlichkeit — sie beantworten die Frage, worum es geht, und nicht die Frage, ob ein Eintrag den gerade anstehenden Engpass auflöst.

Der Prototyp InsightEmb setzt dort an. Er lernt Embeddings nach einem kontrastiven Verfahren, das zweierlei gleichzeitig einübt: konkrete Situationen mit abstrakt formulierten Heuristiken in Deckung zu bringen, und Lösungswege mit ähnlichem Fortschrittsmuster zusammenzuführen. Die entstehende Anordnung im Vektorraum richtet sich damit nach dem zu erwartenden Fortschritt statt nach Themennähe.

Bemerkenswert ist das Trainingsmaterial: ausschließlich öffentlich verfügbare Daten aus mathematischen Denkaufgaben, ohne eine einzige Trajektorie aus den späteren Zielumgebungen. Geprüft wurde anschließend an dynamischen Agentenaufgaben und an einem statischen Benchmark für den Abruf von Fertigkeiten. Nach eigener Messung liegt das Verfahren dort durchgehend vor bestehenden Reasoning-Embedding-Modellen. Die Arbeit schließt daraus, dass sich die Geometrie des Abgleichs zwischen Zustand und Erkenntnis über Domänengrenzen hinweg übertragen lässt.

Einordnung

Wer einen Erfahrungsspeicher für Agenten baut, greift reflexhaft zum Standard-Embedding und zur Kosinus-Ähnlichkeit. Dieser Befund stellt den Reflex in Frage, ohne teuer zu werden: Lässt sich die passende Geometrie aus öffentlichen Denkaufgaben lernen, entfällt genau der Posten, der solche Speicher für kleine Teams bislang unattraktiv machte — das Sammeln und Annotieren eigener Trajektorien in jeder neuen Umgebung.

Zwei Einschränkungen bleiben. Es handelt sich um einen Preprint ohne Begutachtung, und der berichtete Vorsprung stammt aus der Auswertung der Autorengruppe selbst. Schwerer wiegt eine praktische Hürde: Ein Abrufverfahren nützt erst, wenn es überhaupt etwas abzurufen gibt. Vor der Frage nach der richtigen Geometrie steht die unspektakuläre Vorarbeit, Läufe so zu protokollieren, dass sich brauchbare Einträge daraus destillieren lassen.