arxiv arXiv cs.CL · há 2 h · research

Recuris melhora o sucesso de agentes em horizontes longos em 17,8 pontos no tau-bench

Traduzido do English → Português (BR)

Pesquisadores apresentam o Recuris, uma arquitetura de Memória de Trabalho Experiencial recursiva projetada para enfrentar os desafios da autoaperfeiçoamento recursivo em tarefas de horizonte longo. O sistema utiliza a Memória de Trabalho para acompanhar o progresso e orientar a seleção de habilidades na Memória Experiencial, criando um loop delimitado que localiza falhas e atualiza as habilidades com base nas necessidades atuais.

Recuris melhora o sucesso da tarefa em 35 dos 37 pares modelo-benchmark concluídos em quatro benchmarks.
No tau-bench, adiciona +17,8 pontos ao GPT-5.6 Sol e +15,6 ao Claude Opus 5, alcançando 87,9%.
Adiciona +16,6/+13,5 pontos no Qwen3.6-27B/35B no SkillFlow.
A vantagem aumenta à medida que os horizontes de interação crescem, adicionando +32,2 pontos nas tarefas mais longas.
Falhas comuns em horizontes longos são reduzidas em até 80%.

Esta abordagem posiciona a memória evolutiva recursiva como uma base escalável para o autoaperfeiçoamento recursivo, permitindo que agentes transformem continuamente a experiência acumulada em comportamento mais eficaz.

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

Benchmarks

Benchmark	Modelo	Pontuação
τ-bench	Claude Opus 5	87.9%

Artigos relacionados

arxiv arXiv cs.AI · há 2 h

Recuris apresenta arquitetura recursiva de Memória Experiencial-de-Trabalho para arnezes de agentes de longo prazo

Pesquisadores apresentam o Recuris, uma arquitetura recursiva de Memória Experiencial-de-Trabalho projetada para enfrentar os desafios da autoaperfeiçoamento recursivo em tarefas de longo prazo. O sistema usa a Memória de Trabalho para acompanhar o progresso da tarefa e orientar a seleção de habilidades da Memória Experiencial, fundamentando decisões nas necessidades atuais em vez do histórico completo.

arxiv arXiv cs.LG · há 23 h · 1 visualização

Apodex 1.1 escala inteligência agêntica via escalonamento de ambiente e coordenação

O Apodex 1.1 introduz a "capacidade operacional" para permitir progresso sustentado e verificável em direção a objetivos do mundo real por meio de duas dimensões complementares: Escalonamento de Ambiente e Escalonamento de Coordenação Agêntica.

arxiv arXiv cs.AI · há 1 d · 2 visualizações

Apodex 1.1 escala inteligência agêntica por meio de escalonamento de ambiente e coordenação

O Apodex 1.1 apresenta um framework para "capacidade operacional", permitindo que modelos de linguagem mantenham progresso verificável em objetivos complexos por meio de interação com arquivos, execução de código e manutenção de estado. O sistema alcança isso expandindo ambientes executáveis e treinando agentes para decompor tarefas de longo prazo, delegar trabalho paralelo e replanejar usando uma estrutura de execução compartilhada chamada AgentOS.

arxiv arXiv cs.CL · há 1 d · 1 visualização

Apodex 1.1 escala inteligência agêntica por meio de escalonamento de ambiente e coordenação

O Apodex 1.1 apresenta um framework para "capacidade de trabalho", permitindo que modelos de linguagem de propósito geral mantenham progresso verificável em tarefas complexas que envolvem arquivos, código e fontes de informação. O sistema alcança isso por meio do Escalonamento de Ambiente, que expande os ambientes executáveis, e do Escalonamento de Coordenação Agêntica, que treina agentes para decompor tarefas e gerenciar trabalho paralelo.

media Hugging Face Forums · há 5 d · 4 visualizações

Física SSU 1.2 propõe formalizar emergência para testar contra sistemas físicos

O programa Ciência dos Sistemas Unificados (SSU) apresenta a Física SSU 1.2 e o Atlas da Emergência para investigar como estruturas coerentes e informações emergem das interações entre componentes em sistemas complexos.