arxiv arXiv cs.CL · há 1 h · research

Living-Harness autoevolui para melhorar o Pass@1 em ~10 pontos

Traduzido do English → Português (BR)

Pesquisadores propõem o Living-Harness, um harness de agente que se autoevolui e converte trajetórias concluídas e sinais do avaliador em evidência posterior para atualizações limitadas do harness. Guiado por um Evolution-SOP, o sistema extrai abstrações de episódios e evidências estruturadas de atualização para escrever memória episódica e grafos de estado.

O Living-Harness registra condições de gatilho, padrões de falha e ações de recuperação como memória episódica.
Ele mantém um grafo de estado com nós, arestas de reparo e regras de transição para reparos procedurais.
O estado do harness atualizado é recuperado para guiar interações futuras enquanto as ferramentas e o contexto base permanecem congelados.
Em oito ambientes interativos derivados do τ²-Bench e MultiWOZ-2.4, ele melhora o Pass@1 médio em relação à linha de base mais forte em 10,07 e 9,91 pontos percentuais, respectivamente.

O estado do harness evoluído suporta reutilização apenas por recuperação entre diferentes backbones de modelo, permitindo que os reparos procedurais se acumulem ao longo dos ciclos de evolução.

Importância 2/3 Novo ambiente de avaliação com diferenciais arXiv cs.CL AI agents Research paper

Artigos relacionados

media Hugging Face Forums · há 2 d

Três artigos de 2026 argumentam que ecossistemas de agentes distribuídos superam modelos monolíticos

Três recentes artigos acadêmicos do Google, Harvard & MIT e Imperial College & Huawei convergem na conclusão de que a próxima explosão de inteligência da IA será impulsionada por sistemas distribuídos em vez de modelos únicos maiores. Os autores argumentam que a inteligência é fundamentalmente plural, emergindo da interação de agentes especializados ou estruturas societárias internas.

arxiv arXiv cs.CL · há 2 d

AgentOmnia escala modelos agênticos em aplicações de cenários completos

Pesquisadores apresentam o AgentOmnia, um framework para escalonamento agêntrico de cenários completos que coordena a definição do espaço de tarefas, síntese de dados, pós-treinamento, avaliação e melhoria em aplicações To-Consumer, To-Business e To-Employee. O sistema utiliza uma taxonomia extensível e constrói 5.018 ambientes com estado contendo 255.375 ferramentas e 52.361 tarefas para permitir diagnóstico fino por meio do OmniaBench.

lab NVIDIA Research · há 2 d · 1 visualização

Pesquisadores da NVIDIA propõem experimentos de campo em torneios de Rocket League

Pesquisadores da NVIDIA estão abordando a dificuldade de agendar jogos competitivos em grupo e recriar ambientes de laboratório adotando a metodologia de experimentação de campo. Essa abordagem integra a experimentação diretamente nas estruturas dos torneios, criando torneios-experimento híbridos.

lab NVIDIA Research · há 6 d

Framework AITE descobre autonomamente algoritmos sem fio via busca orientada por LLM

Pesquisadores apresentam o The AI Telco Engineer (AITE), um framework que utiliza busca evolutiva orientada por modelos de linguagem grandes para projetar autonomamente algoritmos para problemas complexos de comunicação, navegando os trade-offs entre desempenho e complexidade.

arxiv arXiv cs.AI · há 6 d · 3 visualizações

AREX apresenta agentes de pesquisa profunda que se auto-melhoram recursivamente

Pesquisadores apresentam o AREX, uma família de agentes de pesquisa profunda Recursivamente Auto-Melhoráveis (RSI) projetados para abordar a assimetria entre descoberta e verificação em consultas complexas. O AREX alterna entre um loop interno que coleta evidências e constrói respostas provisórias, e um loop externo que audita restrições para guiar o refinamento direcionado.