Um novo artigo de pesquisa da OpenAI demonstra como os agentes de inteligência artificial estão mudando fundamentalmente a natureza do trabalho. O estudo destaca a capacidade desses agentes de executar tarefas mais longas e complexas do que era possível anteriormente. Esse avanço tecnológico é creditado por expandir a produtividade em uma ampla variedade de funções profissionais. As descobertas sugerem uma mudança significativa na forma como o trabalho é organizado e realizado por meio da automação. Ao lidar com fluxos de trabalho intricados, os agentes de IA estão permitindo que os usuários alcancem maior eficiência. O artigo serve como evidência do crescente impacto dos sistemas autônomos no emprego moderno.
Pesquisa da OpenAI mostra que agentes de IA estão transformando o trabalho
DisCo destila repositórios do GitHub em mais de 5.000 habilidades de pesquisa com IA
Pesquisadores apresentam o DisCo, um agente autônomo baseado em habilidades, projetado para preencher a lacuna no conhecimento operacional da pesquisa de aprendizado de máquina, destilando expertise de repositórios de código. O sistema condensa projetos de código aberto amplamente utilizados em habilidades reutilizáveis e verificadas por meio de duas formas complementares: destilação agnóstica a tarefas de ecossistemas gerais e geração orientada a tarefas para necessidades específicas.
DisCo destila repositórios do GitHub em habilidades para IA4AI para melhorar o desempenho de agentes de pesquisa
Os autores apresentam o DisCo, um agente de pesquisa baseado em habilidades, projetado para preencher a lacuna no conhecimento operacional ao destilar know-how específico de domínio de fontes externas. O sistema condensa repositórios de aprendizado de máquina amplamente utilizados em habilidades reutilizáveis e verificadas por meio de duas formas complementares: destilação agnóstica à tarefa para utilidade ampla e destilação orientada à tarefa para necessidades específicas.
Otimização de Finalidade Aberta permite que o GPT-5.5 componha seu próprio processo de melhoria
O artigo apresenta a Otimização de Finalidade Aberta (OEO), um framework que permite que um otimizador de modelo de fronteira componha dinamicamente seu processo de melhoria online, em vez de depender de pipelines de otimização prescritos. Os autores comparam o OEO contra duas abordagens em estágios, SkillOpt e GEPA, em 14 comparações diretas entre oito configurações de benchmark-alvo-modelo.
Modelo Astra resolve dez problemas abertos em matemática e ciência da computação teórica
O modelo interno Astra da OpenAI gerou soluções para dez problemas abertos de longa data em matemática e ciência da computação teórica, com os argumentos formalizados em Lean. Esses resultados abrangem geometria de alta dimensão, teoria dos códigos, teoria dos grupos e complexidade quântica, abordando questões que não tinham avanços há pelo menos uma década.
APEx destila a experiência procedural do agente para pesquisa profunda adaptativa
Pesquisadores propõem o APEx, uma estrutura de utilização hierárquica de experiências que organiza o histórico de interações em memórias de trajetória em nível de instância e habilidades procedimentais em nível de categoria para melhorar agentes de pesquisa profunda.