GenericAgent: A Token-Efficient Self-Evolving LLM Agent via Contextual Information Density Maximization (V1.0)
Het paper introduceert GenericAgent, een zelfevoluerend LLM-agent-systeem dat lange-termijnprestaties verbetert door de informatiedichtheid in de context te maximaliseren via een hiërarchisch geheugen, zelfgemaakte SOP's en compressie, waardoor het betere resultaten behaalt met minder tokens dan bestaande systemen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een zeer slimme, maar vergeetachtige assistent hebt. Deze assistent is een kunstmatige intelligentie (een LLM) die complexe taken voor je moet uitvoeren, zoals het zoeken van informatie op internet, het schrijven van code of het plannen van een reis.
Het probleem met deze assistent is dat hij een zeer kort geheugen heeft. Als je hem te veel informatie tegelijk geeft, raakt hij in de war. Het is alsof je iemand probeert te vertellen wat hij moet doen, terwijl je tegelijkertijd een heel boek voorleest, de weersvoorspelling van gisteren reciteert en de menukaart van een restaurant uit 2010 laat zien. De assistent vergeet dan snel wat de belangrijkste opdracht was.
Dit is precies het probleem dat GenericAgent (GA) oplost. Hier is hoe het werkt, vertaald naar alledaagse taal:
1. Het Grote Probleem: De "Overvolle Tafel"
Stel je een bureau voor dat je gebruikt om te werken.
- Huidige systemen: Ze gooien alles op dat bureau. Elke e-mail, elke notitie, elke oude schets en elke tool die ze hebben, ligt erop. Het bureau is zo vol dat je geen ruimte meer hebt om je eigen werk te doen. De assistent kijkt naar de stapels papier en denkt: "Waar moet ik beginnen?"
- Het gevolg: De assistent raakt in de war, maakt fouten en verliest de draad.
2. De Oplossing: "Alles wat je nodig hebt, en niets meer"
GenericAgent werkt met één simpele regel: Houd je bureau zo schoon en overzichtelijk mogelijk. Het wil niet dat je meer ruimte hebt, maar dat je slimmer met de ruimte omgaat die je hebt.
Ze doen dit met vier slimme trucs:
A. De "Mini-Werkset" (Minder gereedschap)
Stel je voor dat je een timmerman bent.
- Andere systemen: Ze hebben een werkplaats vol met 100 verschillende hamers, 50 soorten schroevendraaiers en 200 soorten lijmen. Ze moeten eerst zoeken welk gereedschap ze nodig hebben, wat tijd kost en verwarring schept.
- GenericAgent: Ze hebben slechts 9 essentiële gereedschappen. Maar deze zijn zo slim ontworpen dat je er alles mee kunt doen. Ze hoeven niet te zoeken; ze pakken direct de juiste hamer. Dit houdt hun "bureau" (het geheugen) leeg voor de eigenlijke klus.
B. Het "Slaapkamer-systeem" (Slim geheugen)
Stel je voor dat je geheugen een huis is.
- Andere systemen: Ze slaan alle herinneringen (wat je gisteren at, wie je ontmoette, oude chats) direct in de woonkamer op. De woonkamer wordt snel volgepropt.
- GenericAgent: Ze hebben een kleine woonkamer (werkgeheugen) waar alleen de huidige taak ligt. Alles wat belangrijk is, maar niet nu nodig is, wordt netjes in de slaapkamer (langdurig geheugen) opgeborgen.
- Als de assistent iets nodig heeft, loopt hij even naar de slaapkamer om het op te halen, en legt het daarna weer netjes weg. De woonkamer blijft altijd leeg en overzichtelijk.
C. De "Samenvattingsspecialist" (Zelf-evolutie)
Stel je voor dat je een klus hebt gedaan die erg lastig was.
- Andere systemen: Als je dezelfde klus de volgende keer doet, moeten ze opnieuw alles uitproberen, opnieuw fouten maken en opnieuw alles uitzoeken. Ze leren niet echt van hun fouten.
- GenericAgent: Na een succesvolle klus schrijft de assistent een korte, duidelijke handleiding (een SOP) of een automatisch script op. De volgende keer dat die klus moet, hoeft hij niet meer na te denken; hij volgt gewoon de handleiding.
- Vergelijking: Het is alsof je eerst een recept uit je hoofd moet bedenken, en daarna een keer kookt. De volgende keer gebruik je gewoon het geschreven recept. Je wordt sneller en maakt minder fouten.
D. De "Prunende Tuinman" (Informatie verdichten)
Als de assistent lang aan het werk is, groeit de hoeveelheid tekst enorm.
- GenericAgent: Een digitale tuinman komt langs en knipt alle onnodige takken weg. Hij vat lange gesprekken samen tot één zin. Hij verwijdert oude, nutteloze details. Zo blijft de "tuin" (het geheugen) klein, maar groeien de belangrijke bloemen (de feiten) er nog steeds.
Waarom is dit zo cool?
Het paper laat zien dat GenericAgent beter presteert dan de huidige toppers (zoals Claude Code of OpenClaw), maar dan met veel minder moeite en kosten.
- Minder kosten: Het gebruikt veel minder "tokens" (dit is de munteenheid die AI-bedrijven rekenen voor elke woord dat de AI leest of schrijft).
- Sneller: Omdat het niet hoeft te zoeken in een berg rommel, werkt het sneller.
- Slimmer: Het wordt naarmate het meer doet, beter. Het leert van zijn ervaringen en maakt die ervaringen tot automatische routines.
De Grootste Les
De belangrijkste boodschap van dit onderzoek is: Meer ruimte is niet altijd beter.
Als je een assistent een enorm geheugen geeft, wordt hij vaak lui en verward. Als je hem juist dwingt om alleen het allerbelangrijkste te onthouden en alles anders netjes op te slaan, wordt hij een super-efficient machine. GenericAgent is die machine: een slimme, zelflerende assistent die zijn eigen bureau schoonhoudt zodat hij zich kan focussen op wat echt telt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.