Pesquisadores criam “Red Queen Gödel Machine” para IA que evolui com avaliadores

Pesquisadores propuseram a “Red Queen Gödel Machine”, um método para agentes de IA autoaperfeiçoados melhorarem de forma recursiva ao testar e ajustar seu próprio código sem esbarrar no limite imposto por avaliadores e benchmarks fixos. A abordagem faz o agente e o avaliador evoluírem juntos, elevando progressivamente a dificuldade da avaliação conforme o sistema melhora, o que mantém o ciclo ancorado em checagens confiáveis.

Em tarefas como escrita e revisão de artigos científicos, o framework elevou taxas de aceitação em 1,78× a 1,86× com um painel de “agente como juiz”, e aumentou em 9% a acurácia em relação ao ground truth para avaliadores coevoluídos. O trabalho também aponta redução de custos ao combinar modelos abertos com ferramentas mais caras, como o uso de NVIDIA Nemotron 3 Ultra junto ao ChatGPT-5.5, reduzindo em cerca de 13 vezes os custos de search-token; o método está em pré-print no arXiv e deve ser open sourced.