![\"Architekturdiagramm](\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/03\/Just-Talk-An-Agent-That-Meta-Learns-and-Evolves-in-the-Wild-x5.png\")
<\/a>MetaClaw verbindet sich \u00fcber die OpenClaw-Plattform mit verschiedenen LLM-Anbietern und nutzt drei Idle-Signale, um Trainingszeiten zu finden. | Bild: Xia et al.\nAus Fehlern werden neue Verhaltensregeln<\/p>\n
Der erste Mechanismus greift, sobald der Agent an einer Aufgabe scheitert. Dann analysiert ein separates Sprachmodell die gescheiterte Interaktion und leitet daraus eine kompakte Verhaltensregel ab. Diese wird direkt in den System-Prompt des Agenten eingef\u00fcgt und gilt ab sofort f\u00fcr alle folgenden Aufgaben. Das Modell selbst wird dabei nicht ver\u00e4ndert, es gibt keine Unterbrechung des Dienstes.<\/p>\n
Laut dem Paper<\/a> entstehen so vor allem drei Typen von Regeln: Zeitformate korrekt normalisieren, vor zerst\u00f6rerischen Dateioperationen ein Backup anlegen und Namenskonventionen einhalten. Weil solche Regeln nicht an eine einzelne Aufgabe gebunden sind, kann ein einziger Fehler Verbesserungen bei strukturell ganz anderen Folgeaufgaben bewirken.<\/p>\n System checkt freie Zeitfenster<\/p>\n Der zweite Mechanismus aktualisiert die Modellgewichte per Reinforcement-Learning \u00fcber Cloud-basiertes LoRA-Feintuning. Da ein solches Update den Agenten kurzzeitig unterbricht, darf es nicht w\u00e4hrend aktiver Nutzung laufen.<\/p>\n Daf\u00fcr haben die Forscher einen Hintergrundprozess namens OMLS (Opportunistic Meta-Learning Scheduler) entwickelt, der drei Signale \u00fcberwacht: konfigurierbare Schlafenszeiten, Tastatur- und Maus-Inaktivit\u00e4t auf Betriebssystemebene sowie die Belegung des Google-Kalenders. Sitzt der Nutzer laut Kalender in einem Meeting, \u00f6ffnet sich ein Trainingsfenster. Der Trainer kann pausieren und fortsetzen, sodass auch kurze Inaktivit\u00e4tsphasen nutzbar sind.<\/p>\n Das System unterscheidet strikt zwischen Daten, die vor einer Regelanpassung gesammelt wurden, und solchen danach. Nur letztere flie\u00dfen ins Training ein. Andernfalls w\u00fcrde das Modell f\u00fcr Fehler bestraft, die die neue Verhaltensregel bereits behoben hat.<\/p>\n Beide Mechanismen verst\u00e4rken sich laut den Forschern gegenseitig: Ein besseres Modell produziert aufschlussreichere Fehler, aus denen sich bessere Regeln ableiten lassen. Bessere Regeln wiederum erzeugen hochwertigere Trainingsdaten f\u00fcr die n\u00e4chste Gewichtsaktualisierung.<\/p>\n Schw\u00e4cheres Modell schlie\u00dft fast zum st\u00e4rkeren auf<\/p>\n Die Forscher evaluieren MetaClaw auf einem eigens entwickelten Benchmark mit 934 Fragen \u00fcber 44 simulierte Arbeitstage, getestet mit GPT-5.2<\/a> und Kimi-K2.5<\/a>. Die Verhaltensregeln allein verbessern die Genauigkeit von Kimi-K2.5 um bis zu 32 Prozent relativ. Das vollst\u00e4ndige Framework hebt Kimi-K2.5 von 21,4 auf 40,6 Prozent und erreicht damit fast das GPT-5.2-Ausgangsniveau von 41,1 Prozent. Die Rate vollst\u00e4ndig gel\u00f6ster Aufgaben steigt um den Faktor 8,25.<\/p>\n Das Muster ist laut dem Paper konsistent: Schw\u00e4chere Modelle profitieren deutlich st\u00e4rker, weil ihnen prozedurales Wissen fehlt, das die Regel-Bibliothek explizit bereitstellt. GPT-5.2 startet bereits von einem h\u00f6heren Niveau und hat weniger Spielraum nach oben.<\/p>\n Um zu pr\u00fcfen, ob MetaClaw auch au\u00dferhalb von CLI-Aufgaben funktioniert, setzen die Forscher das Framework zus\u00e4tzlich in AutoResearchClaw ein. Diese Pipeline durchl\u00e4uft autonom 23 Schritte, von der Literaturrecherche \u00fcber Experimente bis zum fertigen Paper. Allein durch die eingespeisten Verhaltensregeln, ohne jedes Modell-Training, sinkt die Wiederholungsrate einzelner Schritte um 24,8 Prozent und die Zahl der Verfeinerungszyklen um 40 Prozent.<\/p>\n Simulierter Benchmark mit Einschr\u00e4nkungen<\/p>\n Die Forscher r\u00e4umen ein, dass ihr Benchmark eine Simulation ist und keine echten Nutzersitzungen abbildet. Die absoluten Zahlen seien daher nicht direkt auf Produktionsumgebungen \u00fcbertragbar. Zudem h\u00e4ngt die Erkennung inaktiver Zeitfenster von der Konfiguration des Nutzers ab. Der Code ist auf GitHub verf\u00fcgbar<\/a>. MetaClaw ben\u00f6tigt keine lokale GPU und arbeitet \u00fcber eine Proxy-Architektur mit Cloud-Endpunkten.<\/p>\n<\/a>MetaClaw mit dem vollst\u00e4ndigen Framework (RL+Skills, blau gestrichelt) erreicht seinen gr\u00f6\u00dften Vorsprung in den mittleren Tagen, bevor die Aufgabenschwierigkeit alle Varianten nach unten dr\u00fcckt. Anmerkung: Das Paper spricht konsequent von GPT-5.2, nicht 5.1. | Bild: Xia et al.<\/p>\n<\/a>Die Regeln verbessern vor allem das Wissen des Agenten. Dass er Aufgaben auch fehlerfrei zu Ende bringt, schafft erst das zus\u00e4tzliche Modell-Training. | Bild: Xia et al.<\/p>\n