Imagine um mundo onde programas de computador não apenas seguem um manual de instruções rígido escrito por um humano, mas podem realmente aprender com seus erros e reescrever suas próprias regras para melhorar. Este é o sonho dos "agentes autoevolutivos". Pense neles como um personagem de videogame que, após perder uma batalha contra um chefe, não apenas reinicia; ele faz uma pausa, entende por que perdeu, altera seu próprio guia de estratégia e tenta novamente. Por muito tempo, os cientistas acreditaram que, para isso funcionar, um humano tinha que construir uma receita muito específica e passo a passo para o computador seguir. Essa receita era como um treinador rigoroso dizendo ao jogador exatamente quando olhar para o placar, quando mudar sua arma e quando parar de praticar. Mas, à medida que os computadores se tornaram mais inteligentes — tornando-se "modelos de fronteira" capazes de raciocínios complexos — os pesquisadores começaram a se perguntar: ainda precisamos desse treinador rigoroso? Ou o computador pode descobrir sua própria rotina de prática se apenas lhe dermos um objetivo e um orçamento?

Este artigo, intitulado "Rethinking Self-Evolving Agents" (Repensando Agentes Autoevolutivos), mergulha justamente nessa questão. Os pesquisadores, Hui Xue e Fan Yang, da Microsoft Research, montaram um experimento fascinante para ver se uma IA superinteligente pode organizar seu próprio processo de aprendizagem sem um roteiro pré-escrito. Eles compararam o método da velha guarda, onde a estrutura (o "treinador") dita cada etapa do processo de melhoria, contra um novo método chamado "Otimização de Código Aberto" (OEO - Open-Ended Optimization). No OEO, a IA recebe um objetivo claro, uma lista de movimentos permitidos e um limite de quanto "energia" (ou tokens) ela pode gastar, mas ela decide como usar essa energia para melhorar. É como dar a um chef uma lista de ingredientes e um limite de tempo, mas deixá-lo decidir se vai assar um bolo ou fazer um refogado, em vez de forçá-lo a seguir uma receita específica.

Os resultados foram surpreendentemente claros. Ao usar uma IA de alto nível (GPT-5.5) como o "chef", a abordagem de código aberto foi tão boa, e muitas vezes muito melhor, do que as receitas rígidas e pré-escritas. Na verdade, em 14 testes diferentes, a IA de código aberto venceu 12 vezes, empatou uma vez e perdeu por uma margem mínima (0,21 pontos percentuais) apenas uma vez. Mais impressionante ainda, ela fez isso usando apenas cerca de 34,3% do orçamento de "energia" que o método rígido exigiu. Acontece que, se a IA for inteligente o suficiente, ela não precisa de um treinador para dizer como praticar; ela consegue descobrir a melhor maneira de aprender sobre a marcha.

No entanto, o artigo também traça uma linha muito importante na areia. Essa liberdade só funciona se a IA for verdadeiramente capaz. Quando os pesquisadores testaram o sistema com uma IA de nível "médio" ou "fraco", a abordagem de código aberto falhou. As IAs mais fracas ficaram confusas, não conseguiram entender o que fazer a seguir e produziram resultados quebrados. Nesses casos, a receita rígida e pré-escrita (o "treinador") foi essencial para manter as coisas em movimento. O estudo sugere que as regras rígidas nem sempre são necessárias, mas atuam como um andaime útil para cérebros menos capazes. A principal lição não é que devemos jogar fora todas as regras, mas que devemos deixar as IAs mais inteligentes conduzirem seu próprio aprendizado, mantendo os rodinhas de treinamento rígidas para aquelas que ainda estão aprendendo a andar.

A Descoberta Central: Quem Deve Dirigir o Ônibus?

A principal descoberta deste artigo é que, para modelos de IA altamente capazes, o "pipeline de otimização prescrito" — aquele plano rígido e passo a passo que os humanos costumavam escrever para o computador — não é mais um requisito para o sucesso. No passado, sistemas como o SKILLOPT (que usa um pipeline de treinamento em estágios e passos) e o GEPA (que usa uma busca evolutiva reflexiva) eram o padrão ouro. Eles funcionavam como uma linha de montagem de fábrica: a estrutura decidia exatamente como coletar evidências, como editar o código e quando parar.

Os pesquisadores introduziram a Otimização de Código Aberto (OEO) para testar se a IA poderia assumir o volante. No OEO, a estrutura ainda define as regras da estrada (o objetivo, o orçamento e quais dados são permitidos), mas a IA decide a rota. Ela pode escolher coletar evidências, reescrever suas próprias instruções ou parar sempre que achar que terminou.

Quando colocaram o OEO impulsionado pelo GPT-5.5 contra os métodos rígidos, os resultados foram marcantes. Em 8 configurações de benchmark diferentes, o OEO venceu ou empatou com o método rígido SKILLOPT em todos os casos. Contra o método GEPA, o OEO venceu 5 de 6 vezes, sendo a única derrota de uma margem microscópica de 0,21 pontos percentuais. Talvez a parte mais emocionante seja a eficiência: o OEO usou uma mediana de apenas 34,3% do orçamento de tokens que o SKILLOPT estava configurado para usar. Isso significa que a IA não apenas melhorou; ela melhorou usando menos da metade do "combustível" do método antigo.

Descartando o "Caminho Fácil"

Antes de celebrar, os pesquisadores precisavam ter certeza de que não estavam sendo enganados. Eles perguntaram: "A IA está apenas tendo sorte porque já sabia a resposta?" ou "Ela apenas reescreveu o código uma vez e deu o trabalho por encerrado?".

Para testar isso, eles realizaram um controle de "zero interação". Eles deram à IA a habilidade inicial e pediram que ela a reescrevesse apenas uma vez, sem qualquer prática ou ciclos de feedback. Os resultados mostraram que essa reescrita de "um disparo" (one-shot) não foi suficiente. Em algumas tarefas, a reescrita de um disparo até piorou o desempenho da IA. Em outras, melhorou a pontuação, mas ainda ficou atrás do sistema OEO por margens significativas (por exemplo, na tarefa LiveMath, a reescrita de um disparo ficou mais de 30 pontos percentuais atrás do OEO interativo). Isso prova que os ganhos não vieram apenas do conhecimento pré-existente da IA; eles vieram do loop interativo onde a IA pôde aprender, adaptar e refinar sua estratégia ao longo do tempo.

O Limite de Capacidade: Quando Precisamos de um Treinador?

O artigo também descobriu um limite crucial para essa liberdade. A abordagem de "código aberto" não é uma solução mágica que funciona para toda e qualquer IA. Os pesquisadores testaram o sistema com otimizadores de nível "médio" e "fraco" (modelos menos capazes).

Aqui, a história mudou. Quando o otimizador era de capacidade apenas "média", o pipeline rígido SKILLOPT na verdade teve um desempenho melhor que o OEO. Quando o otimizador era "fraco", o sistema OEO completamente quebrou; a IA fraca não conseguiu sequer produzir uma ação válida através da interface aberta, e nenhum progresso foi feito. Em contraste, o pipeline rígido manteve a IA fraca em movimento, mesmo que não fosse o mais eficiente.

Isso sugere que o pipeline rígido e pré-escrito atua como um "andaime". Para uma IA de nível genial, o andaime é desnecessário e pode até atrapalhar. Mas para um aprendiz que ainda está encontrando seu equilíbrio, esse andaime é essencial para evitar que ele caia do penhasco.

O Caminho vs. O Destino

Finalmente, os pesquisadores olharam "sob o capô" para ver como a IA estava aprendendo. Eles compararam a "jornada" (as edições e mudanças específicas que a IA fez) com o "destino" (a pontuação de desempenho final).

Eles descobriram que os dois métodos seguiam caminhos muito diferentes. O sistema OEO fez mudanças maiores e mais ousadas e reescreveu seu próprio histórico com mais frequência do que o sistema rígido SKILLOPT. No entanto, apesar dessas rotas drasticamente diferentes, eles frequentemente resolviam os mesmos problemas. Em muitos casos, as habilidades finais produzidas por ambos os métodos estavam corretas no mesmo conjunto de perguntas de teste, embora o texto das habilidades parecesse muito diferente.

Isso nos diz que não existe apenas um único caminho "certo" para resolver um problema. O pipeline rígido força a IA por um caminho estreito e seguro, enquanto a abordagem de código aberto permite que ela explore um cenário mais amplo e caótico. Ambos podem levar ao mesmo destino, mas a abordagem de código aberto chega lá com mais flexibilidade e menos combustível, desde que o motorista seja habilidoso o suficiente para lidar com a estrada aberta.

A Conclusão

O artigo conclui que devemos repensar como construímos agentes autoevolutivos. Não precisamos forçar toda IA a entrar em uma caixa rígida e pré-escrita. Em vez disso, devemos adotar uma abordagem "adaptável à capacidade". Se a IA for inteligente o suficiente (um modelo de "fronteira"), podemos entregar as chaves e deixá-la compor seu próprio processo de aprendizagem online. Só precisamos manter as proteções no lugar: os objetivos, o orçamento e as regras de engajamento. Mas para modelos menos capazes, o antigo coaching rígido ainda é a melhor maneira de garantir que eles aprendam de forma eficaz. É uma mudança do "um tamanho serve para todos" para o "ferramenta certa para o cérebro certo".