MetaClaw: Agent, der sich selbst weiterentwickelt – kontinuierliches Meta‑Lernen

In der Welt der großen Sprachmodelle (LLMs) werden Agenten zunehmend für komplexe Aufgaben eingesetzt. Oft bleiben diese Agenten jedoch statisch und passen sich nicht an die sich wandelnden Bedürfnisse der Nutzer an. MetaClaw löst dieses Problem, indem es ein kontinuierliches Meta‑Learning‑Framework einführt, das sowohl die Basis‑LLM‑Policy als auch eine Bibliothek wiederverwendbarer Verhaltensfähigkeiten gleichzeitig weiterentwickelt.

Das System nutzt zwei ergänzende Mechanismen. Durch die „Skill‑Driven Fast Adaptation“ analysiert ein LLM‑Evolver Fehler‑Trajektorien und erzeugt sofort neue Fähigkeiten – ohne Ausfallzeiten. Gleichzeitig optimiert die „Opportunistic Policy Optimization“ die Policy mittels cloud‑basiertem LoRA‑Fine‑Tuning und Reinforcement Learning mit einem Process Reward Model (RL‑PRM). Diese Optimierung wird in nutzerinaktiven Zeiten vom Opportunistic Meta‑Learning Scheduler (OMLS) ausgelöst, der Systemstillstand und Kalenderdaten überwacht.

Die beiden Prozesse verstärken sich gegenseitig: Eine verbesserte Policy liefert bessere Trajektorien für die Skill‑Synthese, während reichhaltigere Skills hochwertigere Daten für die Policy‑Optimierung bereitstellen. Durch ein Versionsmanagement werden Support‑ und Query‑Daten getrennt, um Datenkontamination zu verhindern. Die proxy‑basierte Architektur ermöglicht die Skalierung auf produktionsreife LLM‑Modelle, ohne lokale Ressourcen zu belasten.