AIエージェントの複雑なタスクでの失敗は、知識不足ではなくAPI使用時のミスや誤った人物の特定に起因することが多い。ACEとALTK-Evolveシステムは、エージェントが過去の経験から学び、再利用するための異なるアプローチを提供する。両システムとも教訓の圧縮方法で一致している：教訓を数え、圧縮する。

ACEは失敗モードを「短縮バイアス」と「コンテキスト崩壊」と定義し、これらを防ぐために豊富なプレイブックを使用する。一方、ALTK-Evolveは各教訓のサポート数を追跡し、類似した教訓を統合する。これらのアプローチは、同じ教訓を異なるコンテナで保存することとして定義できる。

ALTK-EvolveはACEと同等またはより優れたパフォーマンスを、より少ないトークンで実現した。強力なモデルでは、ALTK-EvolveはACEの使用コストの約40%でより良い結果を得た。弱いモデルでは、ALTK-EvolveはACEとほぼ同じ正確性をより低いコストで提供した。