Os investigadores afirmam que o GEPA-Curator melhorou os bots de IA em até 21,2% ao ignorar testes mal sucedidos que ensinavam ao sistema a lição errada.
Principais conclusões
O GEPA-Curator melhorou o desempenho dos agentes em até 21,2% em relação a uma referência e em 20,7% em relação a outra
O GEPA-Curator filtra tarefas que geram sinais de aprendizagem pouco fiáveis antes de atualizar os prompts
O método foi testado no GoBrowse, ALFWorld, AppWorld e τ-bench com Gemini 3.1 Pro e Claude Opus 5
O artigo argumenta que muitos ciclos de treino de agentes tratam todas as falhas como igualmente informativas, o que pode prejudicar atualizações posteriores
Os pesquisadores escreveram que o GEPA-Curator filtra tarefas que produzem sinais de aprendizado pouco confiáveis e recupera trajetórias anteriores bem-sucedidas antes de atualizar os prompts. O artigo também testou o método no GoBrowse, ALFWorld, AppWorld e τ-bench, usando Gemini 3.1 Pro e Claude Opus 5 como modelos otimizadores.
Por que os agentes de IA aprendem a coisa errada
A ideia central é simples.
Nem toda execução malsucedida ensina algo útil a um agente de IA. Um agente pode falhar porque o prompt era fraco, mas também pode falhar porque uma ferramenta parou de funcionar, um avaliador introduziu ruído ou o ambiente se comportou de forma aleatória.
Muitos ciclos de treinamento de agentes tratam todas as falhas como igualmente informativas.
Isso é conveniente, mas pode contaminar atualizações posteriores. Se um modelo reescrever o prompt com base em uma falha causada por um sistema de testes quebrado, estará aprendendo a lição errada.
Isso importa porque os agentes de IA estão assumindo tarefas mais longas, nas quais os erros se acumulam.
Uma única revisão ruim pode degradar o desempenho em muitas tentativas futuras.
Da reflexão à memória seletiva
Este artigo se insere em um ramo bastante concorrido da pesquisa sobre agentes. Otimizadores de prompt anteriores, como o GEPA, já permitiam que um agente refletisse sobre suas próprias tentativas malsucedidas.
O GEPA-Curator mantém essa ideia, mas acrescenta um filtro.
Esse filtro desempenha duas funções. Primeiro, elimina tarefas que provavelmente gerariam feedback ruidoso.
Segundo, recupera exemplos de sucessos anteriores para dar ao otimizador um contexto melhor antes de alterar o prompt.
Para quem está conhecendo essa área, uma trajetória é uma tentativa completa de um agente de IA para concluir uma tarefa em um ambiente. Um otimizador de prompt é o sistema que reescreve instruções depois de observar como essas tentativas se desenrolaram.
Por que os agentes de IA precisam de uma triagem melhor das falhas
O valor prático não está apenas no percentual geral.
O artigo sugere uma regra mais ampla para agentes de IA: um treinamento melhor pode vir de menos dados, se eles forem mais limpos. Isso vai contra o impulso comum de reinserir todos os rastros no ciclo.
Leia também: Together, empresa de nuvem de IA, economiza em empregos caros de IA ao reativar servidores quebrados
Isso também se relaciona à forma como as empresas implantam agentes em produção.
As pilhas de software reais contêm APIs instáveis, navegadores lentos e avaliadores imperfeitos. Se esses artefatos parecerem erros do modelo, um agente que se aprimora sozinho pode se afastar do comportamento desejado pelos engenheiros.
Esse é um dos motivos pelos quais as equipes empresariais ainda hesitam em permitir que os agentes reescrevam a si mesmos.
Um sistema que edita o próprio prompt sem avaliar as evidências pode piorar enquanto parece estar ocupado.
O que observar após o GEPA-Curator
O próximo teste é a transferência. Benchmarks de pesquisa são úteis, mas as equipes de produção vão querer saber se a curadoria funciona no atendimento ao cliente, em agentes de programação e na automação de navegadores.
Esses ambientes têm mais modos de falha ocultos do que os cenários dos benchmarks.
O artigo também levanta uma questão mais específica para os laboratórios de modelos. Se a curadoria supera o aprendizado ingênuo com base em falhas, as futuras plataformas de agentes talvez precisem de políticas de memória integradas, em vez de despejos brutos de registros.
Nesse sentido, o resultado tem menos a ver com um otimizador específico e mais com uma regra de projeto.
Agentes de IA podem precisar de memória seletiva, não de memória total.
Por que filtrar é melhor do que receber mais feedback
O mecanismo central do GEPA-Curator é a triagem. Em vez de pedir a um otimizador que aprenda com todas as execuções malsucedidas, o sistema primeiro verifica se a execução é confiável.
No AppWorld ou no ALFWorld, um agente pode falhar por ter entendido mal uma tarefa, mas também pode falhar porque o ambiente ou o processo de avaliação introduziu ruído. O GEPA-Curator tenta distinguir esses casos antes de reescrever um prompt.
Essa mudança é importante para equipes que usam Claude Opus 5 ou Gemini 3.1 Pro como cérebros de orquestração para agentes de IA. Em produção, os registros são confusos.
Um tempo limite excedido no navegador, uma saída desatualizada de uma ferramenta ou um avaliador inconsistente podem parecer sinais de fragilidade do modelo. Se um agente continuar se reescrevendo em função desses artefatos, pode se desviar.
O que mudou aqui em relação a otimizadores de prompt anteriores, como o GEPA, não foi o tamanho bruto do modelo.
Foi a decisão sobre quais experiências contam como evidência. Isso torna o resultado relevante para as empresas que implantam agentes de IA agora, pois o aprendizado seletivo pode ser incorporado antes do que uma atualização para um modelo de ponta.
O próximo ponto a observar é se os laboratórios vão incorporar a curadoria às estruturas padrão de agentes, em vez de deixá-la a cargo dos pesquisadores.
Leia a seguir: Invesco oferece 2 ferramentas Claude a consultores para acelerar a criação de carteiras