ANNEAL: Neuro-symbolischer Agent eliminiert wiederkehrende Fehler durch kontrollierte Patches
ANNEAL wandelt wiederkehrende Agentenfehler in typisierte, bewertete Bearbeitungen eines Prozess-Wissensgraphen um — mit symbolischen Sicherheitsschranken, Canary-Tests, vollständiger Provenienz und deterministischem Rollback. Über 4 Domänen und 27 Ausführungen hinweg ist es das einzige System der Studie, das persistente strukturelle Korrekturen vornimmt. ReAct und Reflexion zeigen auf denselben wiederkehrenden Fehlern 72–100 % Ausfälle im Holdout; ANNEAL senkt diese auf 0 %. Wird die kontrollierte Patch-Komponente entfernt, verliert das System bis zu 26,7 Prozentpunkte beim Aufgabenerfolg.
Warum das wichtig ist
ANNEAL schafft ein architektonisches Vorbild für Agenten, die aus ihren eigenen Fehlermustern lernen, ohne Neutraining zu erfordern — auf Basis eines strukturierten Wissensgraphen statt unkontrollierter Prompt-Injektion. Die Provenienz- und Rollback-Mechanismen schließen die Vertrauenslücke, die selbstmodifizierende Agenten heute im Produktionsbetrieb unpraktikabel macht.