Estudo testa agentes e mostra que “autoaperfeiçoamento” em pesquisa ainda falha
A promessa de que sistemas de IA vão melhorar a si mesmos com pouca supervisão humana enfrenta um obstáculo: um estudo indica que agentes ainda não conseguem fazer pesquisa aberta e sem respostas claras, etapa que pode ser essencial para construir uma IA autoaperfeiçoável. Pesquisadores liderados por Peter Kirgis e Sayash Kapoor, da Princeton, avaliaram agentes em perguntas baseadas em artigos de alta qualidade ainda não publicados.
Os testes usaram o Claude Opus 4.8 da Anthropic, com o software open-source OpenClaw, e exigiram que o agente produzisse um artigo “publicável” em nível de conferência como a NeurIPS 2026. Mesmo com seis dias de execução, US$ 3.000 em créditos de API, orçamento de GPU e acesso à web, os autores rejeitaram os dois trabalhos: os agentes fizeram engenharia do processo, mas tiveram falhas de criatividade, julgamento e capacidade de revisar rumos quando as abordagens não funcionavam.
MIT Technology Review
O texto acima é um resumo reescrito. A apuração, o texto integral e os créditos são da fonte — abra o original para ler na íntegra.
Ler matéria original ↗Resumo gerado por IA a partir da matéria original e revisto pelo método descrito em como funciona a curadoria. Em caso de divergência, vale o texto da fonte. Achou um erro? Fale com a gente.