Meta FAIR Paper: System A/B/M Architecture für autonomes Lernen von Agenten

Ein neues Meta-FAIR-Paper schlägt eine radikale Neuausrichtung für KI-Agenten vor: Statt statischer Modelle, die nach dem Deployment nichts mehr lernen, sollen Agenten wie Menschen und Tiere lernen können – durch Beobachtung, aktives Handeln und metakognitive Steuerung. Die System A/B/M Architecture definiert eine Roadmap für post-deployment learning, meta-control und die Integration mit V-JEPA 2.1.

Das Problem: Warum KI-Systeme nicht lernen

Kinder lernen von Geburt an. Sie wählen flexibel, worauf sie achten, was sie lernen, wann sie handeln oder beobachten, und wie sie zwischen verschiedenen Lernmodi wechseln (Quelle: arXiv). Ein Kleinkind, das mit einem neuen Spielzeug spielt, erkundet es zufällig (Lernen durch Handlung), beobachtet einen Spielkameraden und versucht zu imitieren (Lernen durch Beobachtung), folgt verbalen Anweisungen (Lernen durch Kommunikation) oder denkt einfach darüber nach, wie es das Spielzeug nutzen könnte (Lernen durch Imagination).

Im Gegensatz dazu lernen aktuelle KI-Modelle nach dem Deployment praktisch nichts mehr. Ihr Betriebsmodus ist fixiert; wenn sie nicht an ihre Umgebung angepasst sind, muss ein neues Modell von menschlichen Experten mit neuen Daten neu erstellt werden (Quelle: arXiv). Die verschiedenen Lernmodi, die bei Kindern zu beobachten sind, sind in der Regel in verschiedene Machine-Learning-Paradigmen isoliert (z.B. self-supervised learning, supervised learning, reinforcement learning), die jeweils spezifische Datenkuratierungs-Pipelines und Trainingsrezepte erfordern.

Die Lösung: System A, B und M

Das Paper “Why AI systems don’t learn and what to do about it: Lessons on autonomous learning from cognitive science” (FAIR at Meta, EHESS, NYU, UC Berkeley, 16. März 2026) schlägt eine dreiteilige Architektur vor:

System A: Lernen durch Beobachtung

System A repräsentiert das passive, beobachtungsbasierte Lernen. Ähnlich wie ein Kind, das zuschaut, wie ein Erwachsener eine Aufgabe erledigt, sammelt System A Informationen aus der Umgebung ohne aktive Interaktion. Dies entspricht heutigen Self-Supervised- und Supervised-Learning-Ansätzen, aber mit der Fähigkeit, kontinuierlich und autonom zu lernen, während der Agent im Einsatz ist.

System B: Lernen durch aktives Handeln

System B verkörpert das aktive, explorative Lernen. Der Agent interagiert mit seiner Umgebung, führt Aktionen aus, beobachtet die Ergebnisse und passt sein Verhalten an – ähnlich wie Reinforcement Learning, aber mit einer viel breiteren Palette von Verhaltensweisen und der Fähigkeit, zwischen Exploration und Exploitation zu wechseln.

System M: Metakognitive Steuerung

System M ist das Herzstück der Architektur – ein Meta-Control-System, das zwischen System A und B wechselt, Lernziele setzt, den Fortschritt überwacht und die Lernstrategie anpasst. Es entscheidet, wann es besser ist zu beobachten (A) und wann zu handeln (B), basierend auf internen Metriken, Unsicherheit und Langzeitzielen.

V-JEPA 2.1 Integration: Das visuelle Rückgrat

Ein Schlüsselelement der vorgeschlagenen Roadmap ist die Integration mit V-JEPA 2.1 (Video Joint Embedding Predictive Architecture), Meta’s State-of-the-Art-Modell für visuelles Verständnis durch zeitliche Vorhersage.

V-JEPA 2.1 könnte als sensorisches Frontend für System A dienen, das kontinuierlich visuelle Beobachtungen verarbeitet und daraus abstrakte Repräsentationen lernt. Indem es vorhersagt, was als nächstes in einem Video passieren wird, entwickelt es ein tiefes Verständnis von Kausalität und physikalischen Gesetzen – genau die Art von Weltwissen, die System A für effektives beobachtungsbasiertes Lernen benötigt.

REA: Eine praktische Umsetzung bei Meta

Parallel zu diesem theoretischen Paper demonstriert Meta bereits konkrete Umsetzungen mit dem Ranking Engineer Agent (REA), einem autonomen KI-Agenten, der den end-to-end Machine-Learning-Lifecycle für Ads-Ranking-Modelle antreibt (Quelle: Engineering at Meta).

REA zeigt wichtige Aspekte der System A/B/M-Architektur in Aktion:

Autonome Hypothesengenerierung und Experimentausführung
Hibernate-and-Wake-Mechanismus für asynchrone Workflows über Tage bis Wochen
Menschliche Aufsicht nur an strategischen Entscheidungspunkten

Laut Meta’s Engineering-Blog erzielte REA in seiner ersten Produktions-Rollout beeindruckende Ergebnisse (Quelle: Engineering at Meta):

2× höhere Modellgenauigkeit gegenüber Baseline über sechs Modelle
5× höhere Engineering-Output: Drei Ingenieure lieferten Verbesserungen für acht Modelle – Arbeit, die nach Angaben von Meta historisch zwei Ingenieure pro Modell erforderte

Roadmap für die Agenten-Entwicklung

Das Paper skizziert eine klare Entwicklungs-Roadmap:

Phase 1: Hybridisierung bestehender Paradigmen

Kombination von Self-Supervised, Supervised und Reinforcement Learning in einem einheitlichen Framework, das sowohl Beobachtungs- als auch Handlungsdaten verarbeiten kann.

Phase 2: Implementierung von System M

Entwicklung von Meta-Control-Mechanismen, die Lernmodi basierend auf Umweltkomplexität, Unsicherheit und Langzeiterfolg auswählen.

Phase 3: Kontinuierliches Lernen nach Deployment

Agenten, die ihre Leistung im Feld kontinuierlich verbessern, ohne dass menschliche Experten neue Modelle trainieren müssen.

Phase 4: Emergentes Verhalten und Kreativität

Agenten, die durch die Interaktion von System A, B und M völlig neue Lösungsstrategien entwickeln.

Implikationen für OpenClaw und die KI-Agenten-Community

Die System A/B/M-Architektur hat tiefgreifende Implikationen für OpenClaw und ähnliche Agenten-Frameworks:

1. Dynamische Skill-Entwicklung

Agenten könnten neue Skills durch Beobachtung menschlicher Bediener oder anderer Agenten erlernen, anstatt auf manuelle Implementierung durch Entwickler zu warten.

2. Adaptive Tool-Nutzung

System M könnte entscheiden, wann ein Tool verwendet werden sollte und wann der Agent eine Aufgabe auf andere Weise lösen kann, basierend auf bisherigen Erfolgsraten.

3. Persönliches Langzeitgedächtnis

Durch kontinuierliches Lernen könnten Agenten tiefes, personalisiertes Wissen über ihre Benutzer und deren Präferenzen entwickeln.

4. Multi-Agenten-Lernen

Agenten könnten voneinander lernen – sowohl durch Beobachtung (System A) als auch durch kooperative Interaktion (System B).

Herausforderungen und offene Fragen

Trotz des vielversprechenden Rahmens identifiziert das Paper mehrere kritische Herausforderungen:

Katastrophales Vergessen

Wie können Agenten kontinuierlich lernen, ohne früheres Wissen zu verlieren?

Sicherheit und Alignment

Wie stellt man sicher, dass autonomes Lernen nicht zu unerwünschtem oder gefährlichem Verhalten führt?

Evaluationsmetriken

Wie misst man den Fortschritt bei autonomen Lernsystemen, wenn herkömmliche Benchmarks unzureichend sind?

Ressourceneffizienz

Kontinuierliches Lernen erfordert erhebliche Rechenressourcen – wie macht man es praktikabel?

Fazit: Ein Paradigmenwechsel in Sicht

Das Meta-FAIR-Paper markiert einen potenziellen Wendepunkt in der KI-Agenten-Entwicklung. Statt Agenten als statische, nach dem Deployment unveränderliche Systeme zu betrachten, skizziert es eine Zukunft, in der Agenten wie biologische Organismen lernen – durch eine flexible Kombination von Beobachtung, Handlung und metakognitiver Steuerung.

Die Integration mit V-JEPA 2.1 und praktischen Umsetzungen wie REA zeigt, dass Meta diese Vision nicht nur theoretisch erforscht, sondern auch konkrete Schritte zu ihrer Realisierung unternimmt.

Für die OpenClaw-Community bedeutet dies eine aufregende Roadmap: Die nächste Generation von Agenten könnte tatsächlich lernfähig sein – nicht nur während des Trainings, sondern während ihrer gesamten Lebensdauer. Die System A/B/M-Architektur bietet einen klaren Rahmen, um dieses Ziel zu erreichen, und setzt neue Standards für das, was wir von intelligenten Systemen erwarten können.

Quellen: arXiv:2603.15381, Engineering at Meta: REA

Meta FAIR Paper: System A/B/M Architecture für autonomes Lernen von Agenten