Seja você um cientista debatendo ideias de pesquisa ou um CEO esperando automatizar uma tarefa em recursos humanos ou finanças, você descobrirá que as ferramentas de inteligência artificial estão se tornando os assistentes que você não sabia que precisava. Em particular, &nbsp;muitos profissionais estão <a href="https://www.globenewswire.com/news-release/2025/05/20/3084932/0/en/72-of-professionals-report-using-AI-at-work-compared-to-just-48-in-2024.html" target="_blank">aproveitando os talentos</a> de sistemas de software semi-autônomos chamados agentes de IA, que podem recorrer à IA em pontos específicos para resolver problemas e completar tarefas.<br><br>Agentes de IA são particularmente eficazes quando usam Large Language Models (LLMs) porque esses sistemas são poderosos, eficientes e adaptáveis. Uma maneira de programar tal tecnologia é descrevendo em código o que você quer que seu sistema faça (o “fluxo de trabalho”), incluindo quando ele deve usar um LLM. Se você fosse uma empresa de software tentando reformular seu código antigo para usar uma linguagem de programação mais moderna para melhores otimizações e segurança, você poderia construir um sistema que usa um LLM para traduzir o código um arquivo por vez, testando cada arquivo à medida que avança.<br><br>Mas o que acontece quando os LLMs cometem erros? Você vai querer que o agente retroceda para fazer outra tentativa, incorporando lições aprendidas com erros anteriores. Codificar isso pode levar tanto esforço quanto implementar o agente original; se o seu sistema para traduzir um código contivesse milhares de linhas de código, então você estaria fazendo milhares de linhas de mudanças ou adições de código para suportar a lógica de retrocesso quando os LLMs cometem erros.&nbsp;
Para economizar tempo e esforço dos programadores, pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT e da Asari AI <a href="https://arxiv.org/pdf/2512.03571" target="_blank">desenvolveram uma estrutura chamada “EnCompass”.</a>&nbsp;
Com o EnCompass, você não precisa mais fazer essas mudanças sozinho. Em vez disso, quando o EnCompass executa seu programa, ele retrocede automaticamente se os LLMs cometerem erros. O EnCompass também pode fazer clones do tempo de execução do programa para fazer múltiplas tentativas em paralelo em busca da melhor solução. Em sua totalidade, o EnCompass pesquisa os diferentes caminhos possíveis.
Fonte: MIT News AI
Publicado em 2026-02-05