arxiv arXiv cs.CL · há 6 h · research

Agensh escala a inteligência organizacional para 1.024 agentes

Traduzido do English → Português (BR)

Pesquisadores apresentam o Agensh, um arnês multiagente auto-organizado e escalável que elimina o gargalo do orquestrador central ao permitir que trabalhadores concorrentes reivindiquem sub-tarefas assincronamente e mesclam o progresso.

O sistema depende de uma infraestrutura de espaço de trabalho compartilhado, interface de mensagens e contexto compartilhado. Avaliações em tarefas do ProgramBench usando GPT-5.6-sol (high) mostram que escalar de 1 para 128 agentes melhora a taxa média final de aprovação de testes de 19,31% para 28,78%. Na tarefa pandoc, escalar para 1.024 agentes eleva a taxa de aprovação de 33,89% para 55,06%, com organizações maiores alcançando resultados comparáveis mais cedo.

Os autores argumentam que a contagem de agentes é uma nova dimensão de escala para organizações multiagente, oferecendo uma solução prática para tarefas complexas sob restrições rígidas de latência.

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

Ler original

AIDE^2 permite autoaperfeiçoamento recursivo de agentes de pesquisa com IA

Pesquisadores apresentam o AIDE^2, um sistema que implementa um ciclo de autoaperfeiçoamento recursivo para um agente de pesquisa com IA ao otimizar seu próprio código. O sistema propõe alterações em sua lógica interna, avalia versões modificadas em tarefas de P&D de IA e retém apenas as melhorias que obtêm o melhor desempenho em avaliações ocultas.

arxiv arXiv cs.AI · há 3 h · 12 visualizações

Growing Harness transforma o controle recorrente de agentes em código reutilizável por meio de treinamento guiado por falhas

Os autores apresentam o Growing Harness, um paradigma de treinamento que aprende a estrutura de controle de um agente a partir do feedback da tarefa, em vez de depender de harnesses padrão com grande carga contextual. Ao converter decisões de controle recorrentes em código executável e reservar chamadas de LLM para raciocínio semântico, o método visa criar agentes especialistas reutilizáveis.

arxiv arXiv cs.LG · há 4 h · 11 visualizações

AIDE^2 permite autoaperfeiçoamento recursivo de agentes de pesquisa com IA

Pesquisadores apresentam o AIDE^2, um sistema que implementa um ciclo de autoaperfeiçoamento recursivo para um agente de pesquisa de IA de ponta, otimizando seu próprio código. O sistema propõe alterações em sua lógica interna, avalia versões modificadas em tarefas de P&D de IA e retém apenas as atualizações que obtêm o melhor desempenho em avaliações ocultas.

arxiv arXiv cs.CL · há 2 d · 10 visualizações

TrialAtlas: sistema multiagente melhora a avaliação de riscos no planejamento de ensaios clínicos

Pesquisadores apresentaram o TrialAtlas, uma organização de pesquisa multiagente com memória aprimorada, projetada para auxiliar no planejamento do desenvolvimento clínico (CDP). O sistema coordena agentes especializados para síntese de literatura, inteligência competitiva e análise regulatória, a fim de antecipar riscos no desenvolvimento.

arxiv arXiv cs.AI · há 8 d · 24 visualizações

Prévia do Atria Dawn: modelo de linguagem agêntico fundamental para pesquisa científica

O Atria Dawn Preview é um modelo de linguagem agêntico fundamental projetado para fluxos de trabalho de pesquisa científica e engenharia, treinado por meio de um Pipeline de Experiência Verificável que conecta interações mediadas por ferramentas a ambientes executáveis. Em 16 benchmarks que abrangem pesquisa do mundo real, engenharia e trabalho digital, o modelo é competitivo em relação aos agentes de ponta e alcança a maior pontuação relatada em cinco deles.