Agentes de IA que aprendem com os próprios erros: estudo propõe memória persistente com LoRA

Um estudo disponibilizado em 22 de outubro de 2026 no arXiv propõe que agentes de IA transformem falhas em ajustes persistentes, em vez de repetir a mesma correção apenas dentro da conversa atual. O método, chamado Self-Direction, extrai uma lição da trajetória que levou ao erro e a grava em um pequeno adaptador LoRA associado ao modelo. Em testes relatados pelos autores com modelos abertos da família Qwen, a abordagem elevou a taxa de sucesso em tarefas de pesquisa, uso de ferramentas e terminal entre 8,9 e 17 pontos percentuais. Os resultados ainda são de um pré-print, sem revisão por pares.

O problema: agentes corrigem o erro, mas esquecem a correção

Agentes que usam navegador, terminal, APIs ou outros recursos costumam conseguir se recuperar de um erro quando recebem uma nova instrução, uma reflexão no contexto ou feedback de um avaliador. A fragilidade aparece na próxima sessão: a reflexão anterior deixa de estar na janela de contexto, compete por espaço com a tarefa seguinte ou vira apenas uma anotação textual que o sistema não sabe recuperar no momento certo.

O artigo “Don’t Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons”, assinado por Yuval Kansal, Karen Ullrich, Polina Kirichenko e outros pesquisadores, parte precisamente desse ponto. A proposta não é retreinar todo o modelo após cada falha. Em vez disso, ela usa uma atualização leve e separada da rede principal, preservando os pesos-base do modelo.

Como funciona o Self-Direction

O fluxo descrito pelos autores tem quatro estágios. Primeiro, o agente executa uma tarefa e falha ou recebe uma avaliação negativa. Em seguida, ele revisa a própria trajetória para produzir uma lição sobre o que deveria ter feito de modo diferente. Essa lição é usada para treinar um adaptador de baixa classificação, conhecido como LoRA, enquanto o modelo original fica congelado.

Depois do treinamento, o adaptador é guardado em uma biblioteca persistente. Quando aparece uma tarefa relacionada, um mecanismo de roteamento tenta selecionar o adaptador apropriado e o aplica na inferência. Em termos práticos, a memória não fica só como texto em um banco de dados: uma parte da correção passa a estar codificada em parâmetros adicionais específicos daquele modelo.

O tamanho do ajuste e os resultados informados

Segundo o pré-print, cada adaptador acrescenta parâmetros equivalentes a cerca de 0,02% do tamanho do modelo-base. Essa escolha é relevante porque reduz a barreira de custo para registrar múltiplas lições sem duplicar o modelo inteiro. Ainda assim, não significa que a técnica seja gratuita: treinar, armazenar, indexar e ativar muitos adaptadores exige infraestrutura adicional e uma política de manutenção.

Os experimentos cobriram três tipos de trabalho: pesquisa aberta no benchmark GAIA, fluxos de uso de ferramentas no Claw-Eval e tarefas de terminal no Terminal-Bench 2.1. Os autores relatam ganhos de 8,9 a 17 pontos percentuais na taxa geral de sucesso, além de uma melhora próxima de duas vezes na confiabilidade das correções quando o agente encontra casos futuros relacionados. Também afirmam que alguns adaptadores foram transferidos para dezenas de tarefas sem treinamento adicional.

Esses números são promissores, mas precisam ser lidos com cautela. Eles vêm dos próprios autores, foram medidos em benchmarks específicos e dependem da qualidade do mecanismo que detecta a falha inicial. O trabalho não demonstra, por si só, que qualquer agente comercial passará a aprender com segurança em produção.

O que muda em relação à memória textual de agentes

A memória textual continua sendo a solução mais direta para muitos sistemas: registrar decisões, preferências, erros e resultados em arquivos ou bancos de dados e recuperá-los por busca semântica. Ela tem vantagens claras: pode ser auditada por humanos, é relativamente portátil entre modelos e pode ser apagada ou revisada sem novo treinamento.

O Self-Direction busca resolver outra limitação. Uma memória textual precisa ser recuperada e inserida no contexto certo; se a busca falhar, a lição não influencia a execução. Um adaptador aplicado ao modelo pode alterar o comportamento sem consumir tokens da conversa. Em contrapartida, o reparo fica mais opaco, é específico à família de modelos usada e pode se tornar difícil de governar quando a biblioteca cresce.

Limitações que o próprio artigo reconhece

• A técnica precisa detectar erros. Sem um avaliador confiável, feedback do usuário ou teste objetivo, o agente pode não saber quando criar uma lição.
• O adaptador é model-specific. Ao contrário de uma anotação textual, ele não é transferido automaticamente para outra família de modelo.
• Há custo de GPU e armazenamento. Mesmo pequeno, cada treinamento de LoRA exige recursos além da inferência comum.
• Aprendizado persistente pode preservar um mau ajuste. Se a reflexão for errada, a falha pode ganhar permanência em vez de ser corrigida.
• O estudo é um pré-print. A metodologia e os resultados ainda precisam de escrutínio independente e revisão por pares.

Impacto prático para equipes que constroem agentes no Brasil

Para uma empresa brasileira que opera agentes em atendimento, análise de documentos, backoffice ou automação de desenvolvimento, a ideia mais útil do trabalho não é treinar um LoRA após qualquer incidente. É separar explicitamente três camadas: detectar a falha, registrar evidência e decidir se aquele erro merece uma correção persistente.

Em ambientes com consequências financeiras, regulatórias ou reputacionais, a etapa de aprovação humana é especialmente importante. Um agente que erra uma regra de cobrança, uma política de acesso ou uma rotina fiscal não deveria converter sua própria explicação em um ajuste permanente sem validação. Uma implantação responsável precisaria de testes de regressão, versionamento dos adaptadores, critérios de reversão e rastreabilidade de qual “lição” afetou cada decisão.

Análise do NoticIA: memória de agente deixa de ser só recuperação de texto

Na análise do NoticIA, o principal valor do Self-Direction está em deslocar a discussão de memória de agentes. Hoje, boa parte das implementações trata memória como recuperar trechos relevantes para o prompt. O estudo explora uma alternativa: usar experiências anteriores para compor pequenos ajustes comportamentais que entram antes da geração de texto.

Isso pode ser útil para erros repetitivos e bem avaliados, como sequências de ferramentas que falham por uma ordem incorreta de ações. Mas a mesma característica exige mais governança que uma base de conhecimento convencional. Uma nota textual pode ser inspecionada, alterada e removida; um conjunto crescente de adaptadores requer observabilidade de treinamento, seleção e efeitos colaterais. A inovação mais relevante, portanto, não é “dar memória” ao agente, e sim criar um ciclo verificável para decidir quais correções devem sobreviver à sessão.

O que acompanhar a partir de agora

Antes de tratar a técnica como prática consolidada, vale acompanhar se os autores liberam código, pesos ou protocolos completos de reprodução; se os ganhos se repetem em modelos e tarefas fora do conjunto Qwen; e como o roteamento de adaptadores se comporta diante de lições contraditórias. Também será importante medir regressões: uma correção que melhora um benchmark pode piorar tarefas não relacionadas.

Para equipes que já usam memória persistente, o trabalho reforça uma prioridade imediata: registrar erros com evidência, distinguir fato de interpretação e ter uma política explícita de expiração ou reversão. Isso entrega ganhos de confiabilidade mesmo sem adotar treinamento de adaptadores após cada falha.