Resumo Técnico: O Mundo é uma Hipótese

Declaração do Problema

Agentes de modelo de mundo executáveis transformam históricos de interação em programas executáveis que podem ser simulados e pesquisados. No entanto, o acordo preditivo entre um modelo e quadros observados não garante correção causal, adequação de planejamento ou revisão oportuna. Um agente pode possuir um modelo que reproduz perfeitamente transições registradas, mas codifica o mecanismo causal errado, ou um procedimento de busca que esgota todos os estados alcançáveis sob uma teoria incompleta e conclui incorretamente que não existe solução.

No contexto do ARC-AGI-3, um agente deve descobrir significados de objetos, inferir objetivos e planejar dentro de um orçamento de ações limitado sem instruções em linguagem natural. A métrica de Eficiência de Ação Humana Relativa (RHAE) do benchmark penaliza tanto a cobertura incompleta quanto a exploração ineficiente. O desafio central é a revisão seletiva: determinar quando um agente deve abandonar seu caminho operacional atual para revisar sua teoria versus quando deve persistir, evitando tanto o endurecimento de proxies coincidentes em fatos quanto a destruuição de contexto causal útil através de deliberação excessiva.

Metodologia: THEA

O artigo introduz o THEA (Agentes Epistêmicos de Hipótese Tipada), um método de controle que trata o modelo de mundo executável como uma teoria de tarefa falsificável em vez de uma representação estabelecida. O sistema é construído sobre um "caminho rápido" aumentado por uma política de revisão definida por prompt.

Arquitetura Central

1. O Caminho Rápido (Agente Pai):

   • Um único agente pai mantém o contexto causal completo e detém autoridade exclusiva sobre as ações do ambiente.
   • Ele opera em um loop: Observar (quadro estabelecido), Reconstruir (estado interno), Revisar (atualizar dinâmica/objetivos), Verificar (reproduzir histórico), Planejar e Agir.
   • A verificação é rigorosa: a teoria executável deve reproduzir o quadro estabelecido completo, incluindo regiões fora do objeto controlado, a menos que se apliquem exceções específicas de "gatilho de evidência".

2. Escalação Epistêmica (Especialistas):

   • A revisão não é contínua, mas disparada por modos de falha observáveis ou checkpoints declarados.
   • Especialistas Limitados (subagentes) são ativados para realizar tarefas epistêmicas específicas. Eles nunca agem no ambiente; eles retornam evidências, hipóteses rivais, sondagens ou vereditos.
   • Papéis de Especialista:
     • Curador de Enquadramento (Framing Curator): Verifica indicadores errôneos ou contradições após ações exploratórias.
     • Crítico de Generalização (Generalization Critic): Identifica sobreajuste (overfitting) ou casos especiais quando a complexidade cresce.
     • Investigador de Política (Policy Investigator): Reexamina frames brutos/animações quando o planejamento falha repetidamente.
     • Desafiador Epistêmico (Epistemic Challenger): Formula hipóteses rivais que diferem em um único eixo (ex: ator, efeito de controle) e declara uma sonda discriminatória.
     • Reindutor (Reinductor): Tenta comprimir uma teoria de exceções acumuladas em uma lei geral mais simples.
     • Observador de Transição (Transition Observer): Fornece uma leitura independente de ordens de eventos visuais ambíguos.

3. Artefatos Tipados e Contratos:

   • Desvios críticos de decisão são externalizados em artefatos tipados (ex: challenge.toml).
   • Esses artefatos declaram explicitamente hipóteses concorrentes, a observação necessária para discriminar entre elas e o veredito.
   • O sistema distingue entre Fidelidade do Modelo de Mundo (o modelo reproduz o histórico?), Adequação do Planejador (o planejador encontra uma rota?) e Confirmação de Objetivo (o ambiente real termina conforme previsto?).

4. Fidelidade Seletiva Baseada em Evidência:

   • O sistema permite o "mascaramento" de regiões de exibição irregulares (ex: HUDs) apenas após evidência positiva provar que elas não são terminais. Isso evita que o agente gaste ações modelando pixels cosméticos enquanto garante que as regiões causais permanam sob verificação exata.

Principais Contribuições

1. Política de Revisão Definida por Prompt: Um método para tornar a revisão de teorias de tarefas executáveis explícita, falsificável e auditável usando artefatos tipados e especialistas limitados, em vez de depender de rastros conversacionais opacos.
2. Taxonomia Empírica de Falhas: Uma classificação de loci de falha através de modelagem, inferência de objetivo, observação, planejamento, implementação e tempo, apoiada por arquivos de cadeias de predição-observação-revisão.
3. Camada de Controle para Sistemas Orquestrados: Uma demonstração de como um agente pai pode reter o contexto causal e a autoridade de ação enquanto delega tarefas epistêmicas específicas para especialistas, criando um grafo dinâmico de controle epistêmico.

Resultados

Os autores avaliaram o THEA nos 25 jogos públicos do ARC-AGI-3 usando um portfólio histórico de trajetórias de linha de desenvolvimento final.

• Desempenho: O THEA resolveu completamente 22/25 jogos com uma média de 92,63 RHAE.
• Eficiência de Custo: O custo agregado equivalente à API foi de US$ 5.007,85, representando uma redução de 19,52% em comparação ao agente mais forte publicado (Executable World Models v1.5, que resolveu 20/25 jogos com 82,01 RHAE e custo de US$ 6.222,18).
• Distribuição de Economia: As economias de custo concentraram-se nos cinco jogos que o agente v1.5 deixou incompletos. Inversamente, alguns jogos tratáveis incorreram em custos mais altos sem melhorar a cobertura, destacando que a deliberação adicional não é uniformemente benéfica.
• Estudos de Caso: A análise de trajetórias específicas revelou:
  • g50t: A reprodução exata de frames falhou em detectar um proxy causal errado; a inspeção de frame bruto foi necessária.
  • s5i5: A busca exaustiva fechou sob um sistema de transição incompleto; uma transição ausente foi identificada via teste de predição de carga.
  • bp35: Um modelo de mundo verificado alimentou um planejador inválido devido a omissões de chave no estado de busca.
  • ls20: Contradições ambientais aparentes foram rastreadas até erros de implementação (reuso de variáveis) dentro do próprio código do agente.
  • lf52: Uma teoria correta foi derivada apenas após perda irreversível de recursos, demonstrando que a tempestividade é uma restrição sobre o valor da revisão.

Significância e Limitações

Significância:
O artigo argumenta que, para agentes de modelo de mundo executáveis, "o mundo é uma hipótese". A principal contribuição é uma camada de controle que torna o processo científico de revisão de hipóteses inspecionável. Ao separar o caminho operacional rápido da revisão especializada e baseada em evidências, o THEA expõe onde a revisão tem sucesso, falha e incorre em custo. Ele demonstra que a correção causal é distinta da concordância preditiva e que mecanismos de revisão explícitos e tipados podem melhorar tanto a cobertura quanto a eficiência em ambientes interativos complexos.

Limitações:

• Generalização: Os resultados baseiam-se em um benchmark público (ARC-AGI-3) e não reivindicam generalização para tarefas privadas ou não vistas.
• Estocasticidade: O estudo utiliza uma única trajetória por jogo para o portfólio final, limitando a capacidade de estimar a variância ou a probabilidade de recorrência de falhas.
• Especificidade de Domínio: O método depende da natureza discreta e reproduzível da interface ARC. A transferência para controle contínuo, sensores ruidosos ou dinâmicas não determinísticas requer novos protocolos.
• Heterogeneidade de Custo: Embora os custos agregados tenham sido menores, a pilha epistêmica completa às vezes pagou caro demais em jogos tratáveis, indicando que a política de escalonamento atual ainda não é ideal para todos os cenários.

Os autores concluem que, embora o THEA forneça um framework robusto para revisão auditável, o desafio permanece em calibrar quando uma afirmação merece mais trabalho epistêmico sem perder o rastro de auditoria ou incorrer em custos desnecessários.