💬 NLP

TodoEvolve: Learning to Architect Agent Planning Systems

O TodoEvolve é um novo paradigma de meta-planejamento que utiliza o *PlanFactory* e uma técnica de otimização de preferência (IGPO) para sintetizar e revisar autonomamente arquiteturas de planejamento personalizadas, superando métodos manuais em eficiência e desempenho em tarefas complexas.

Autores originais: Jiaxi Liu, Yanzuo Jiang, Guibin Zhang, Zihan Zhang, Heng Chang, Zhenfei Yin, Qibing Ren, Junchi Yan

Publicado 2026-02-10

📖 3 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Jiaxi Liu, Yanzuo Jiang, Guibin Zhang, Zihan Zhang, Heng Chang, Zhenfei Yin, Qibing Ren, Junchi Yan

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

🧠 O Problema: O "Robô com Receita de Bolo"

Imagine que você tem um robô de cozinha super avançado. Ele é incrível, mas tem um problema: ele só sabe seguir receitas fixas. Se você der a ele uma receita de bolo de chocolate, ele faz um bolo perfeito. Mas, se você pedir para ele "preparar um jantar de gala para 10 pessoas com ingredientes que sobraram na geladeira", ele trava. Ele não sabe se deve picar os legumes primeiro, se deve ferver a água ou se precisa de uma estratégia diferente para cada ingrediente.

Atualmente, os Agentes de IA (sistemas que tentam resolver tarefas complexas na internet ou no computador) são assim. Eles usam "planos de ação" que os humanos escreveram à mão. Se a tarefa muda um pouco, o plano falha porque o robô não sabe "mudar a estratégia" — ele só sabe seguir o trilho que foi colocado nele.

🚀 A Solução: O "TodoEvolve" (O Arquiteto de Estratégias)

Os pesquisadores criaram o TodoEvolve. Em vez de dar um plano pronto para a IA, eles deram à IA uma caixa de ferramentas de arquitetura e a ensinaram a ser uma Arquiteta de Planos.

Agora, quando você dá uma tarefa difícil para o sistema, ele não tenta resolver de cara. Primeiro, ele para e pensa: "Para este problema específico, qual é a melhor estrutura de trabalho?"

Se a tarefa é uma linha reta (como seguir uma receita passo a passo), ele cria um plano linear.
Se a tarefa é complexa e tem várias frentes (como organizar uma festa), ele cria um "mapa de rede" (um gráfico), onde várias coisas acontecem ao mesmo tempo e se conectam depois.
Se algo dá errado no meio do caminho, ele não desiste; ele redesenha o mapa na hora.

🛠️ Como eles fizeram isso? (A analogia do Treinamento)

Para ensinar a IA a ser essa arquiteta, eles usaram um método chamado IGPO (Otimização de Preferência Guiada por Impedância). Imagine o seguinte:

Eles colocaram a IA em um simulador e deram milhares de tarefas.

O Teste de Eficiência: Se a IA criasse um plano que resolve o problema, mas que demora 10 horas e gasta muita energia (muitos "tokens"), ela era "repreendida".
O Teste de Inteligência: Se ela criasse um plano que resolve o problema de forma rápida, elegante e barata, ela era "premiada".

O objetivo não era apenas "acertar a resposta", mas "acertar o método mais inteligente de chegar lá". É a diferença entre um aluno que decora a resposta para passar na prova e um aluno que entende a lógica para resolver qualquer problema.

🏆 Por que isso é importante? (Os Resultados)

O artigo mostra que o TodoEvolve é um "turbinador" de IAs.

Ele pegou sistemas que já existiam (como o Smolagents) e os tornou muito mais espertos (melhorando o desempenho em até 16%).
Ele funciona com diferentes "cérebros" de IA (como o GPT ou o DeepSeek). É como se você desse um cérebro de mestre estrategista para qualquer robô, e ele passasse a trabalhar muito melhor.

📝 Resumo em uma frase:

O TodoEvolve transforma a IA de uma simples "executora de ordens" em uma "estrategista de processos", capaz de desenhar o próprio mapa de trabalho para cada problema que encontra.

Resumo Técnico: TodoEvolve

1. O Problema: A Rigidez dos Sistemas de Planejamento de Agentes

Atualmente, agentes baseados em Grandes Modelos de Linguagem (LLMs) dependem de estruturas de planejamento (scaffolds) que são, em sua maioria, fixas e projetadas manualmente (ex: listas lineares, grafos acíclicos dirigidos - DAGs, ou estruturas de árvore).

O problema central é que não existe uma estrutura de planejamento "tamanho único" que funcione para todos os problemas. Diferentes tarefas exigem diferentes "priors" estruturais: uma tarefa de pesquisa web pode se beneficiar de um planejamento linear simples, enquanto uma tarefa de engenharia de software complexa exige uma estrutura de grafo dinâmica com revisões constantes. A tentativa de usar um planejador universal resulta em ineficiência (excesso de tokens/custo) ou falha na execução (falta de flexibilidade).

2. Metodologia: O Paradigma de Meta-Planejamento

Para resolver essa limitação, os autores propõem o TodoEvolve, um paradigma de meta-planejamento que não executa a tarefa diretamente, mas sim sintetiza e revisa a arquitetura de planejamento ideal para uma tarefa específica. A metodologia divide-se em três pilares:

PlanFactory (Espaço de Design Modular): Os autores criaram um framework que padroniza o design de agentes em quatro dimensões fundamentais:
1. ♣ Topologia: A organização estrutural da decomposição da tarefa.
2. ♦ Inicialização: Como a topologia é instanciada inicialmente.
3. ♥ Adaptação: Quando e como a estrutura deve ser revisada durante a execução.
4. ♠ Navegação: O mecanismo que emite comandos para o agente executor.
  Isso permite que o sistema trate diferentes paradigmas de planejamento (como DAGs ou hierarquias) como componentes intercambiáveis.
Treinamento via IGPO (Impedance-Guided Preference Optimization):
O modelo meta-planejador (Todo-14B) é treinado usando uma nova técnica de aprendizado por reforço chamada IGPO. Diferente da otimização de preferência padrão (que foca apenas em acerto/erro), a IGPO introduz o conceito de Impedância Cognitiva ( $I$ ). A função de custo penaliza arquiteturas que são:
- Incorretas (falha na tarefa).
- Ineficientes (alto custo de tokens ou latência).
- Instáveis (muitos erros de execução).
  Isso força o modelo a aprender a criar planejadores que sejam não apenas eficazes, mas também econômicos e estáveis.
Pipeline de Dados (Bootstrap-and-Filter): O treinamento utiliza um processo de quatro fases: padronização de ferramentas, amostragem evolutiva de planejadores, verificação baseada em execução real (apenas arquiteturas que funcionam entram no dataset) e construção de pares de preferência para o IGPO.

3. Principais Contribuições

PlanFactory: Um repositório de código unificado e modular que permite o estudo sistemático de diversas arquiteturas de planejamento de agentes.
Todo-14B: Um meta-planejador capaz de instanciar topologias, cadências de revisão e estratégias de navegação personalizadas para qualquer tarefa ou backbone de LLM.
Novo Objetivo de Otimização (IGPO): Uma técnica de aprendizado de preferência que equilibra desempenho, estabilidade e eficiência de tokens.

4. Resultados Experimentais

Os testes foram realizados em cinco benchmarks de agentes (incluindo GAIA e xBench-DS) e demonstraram:

Ganho de Desempenho: Ao integrar o TodoEvolve ao framework Smolagents, houve um aumento de até 16,37% no benchmark GAIA.
Generalização Robusta: O sistema funciona com diferentes modelos (GPT-5-mini, DeepSeek V3.2, Kimi K2), provando que o raciocínio arquitetural é transferível e independente do modelo executor.
Eficiência de Pareto: O TodoEvolve consegue superar modelos proprietários caros usando modelos de pesos abertos (open-weights) mais econômicos, simplesmente ao fornecer uma estrutura de planejamento superior.
Superação de Baselines Estáticos: O meta-planejador superou frameworks especializados (como Flash-Searcher e OAgents) em diversos cenários, provando que a adaptação dinâmica é superior ao design estático.

5. Significância

O trabalho do TodoEvolve marca uma mudança de paradigma: deixar de projetar agentes para projetar sistemas que projetam agentes. Ao transformar o design de arquitetura de uma tarefa de engenharia manual em um processo de síntese autônoma, o TodoEvolve abre caminho para agentes de "longo horizonte" que podem enfrentar problemas de mundo aberto com a mesma flexibilidade e eficiência de um especialista humano.