Agentes de GUI locais com memória de longo prazo
Agentes de IA que operam interfaces gráficas — clicando, digitando e navegando como um usuário — costumam perder o rumo em tarefas longas: repetem passos, travam ou param cedo demais. Um novo pré-print propõe o LocalLSTC, uma arquitetura que separa o controle de longo prazo da execução de curto prazo para reduzir exatamente essas falhas em agentes implantados localmente.
O design tem dois fluxos: o planejamento de longo para curto (Long-to-Short Planning) forma o compromisso atual da tarefa, enquanto o controle de curto para longo (Short-to-Long Control) usa os resultados da execução para atualizar o estado persistente. É uma tentativa de dar ao agente uma memória de intenção que sobrevive aos passos individuais.
Menos falhas de controle anotadas
Nos testes no OSWorld, 43,1% das trajetórias do LocalLSTC apresentaram ao menos uma falha de controle entre passos, contra 59,4% da média de quatro sistemas de referência — uma diferença de 16,3 pontos percentuais, com intervalo de confiança de 95% entre 8,3 e 24,2 pontos. As anotações foram feitas por dois pesquisadores de nível de doutorado, sem a identidade do método, sobre uma amostra estratificada de 37 tarefas e 185 trajetórias, com concordância de 86,5% (kappa de Cohen de 0,730).
Entre as trajetórias de referência que falharam, pelo menos uma falha de controle apareceu em 91,6% dos casos. Os rótulos mais frequentes foram RECOVER (64,2%), STOP (41,1%) e LOOP (34,4%) — ou seja, os agentes rivais emendam uma tarefa em outra, param prematuramente ou entram em ciclos repetitivos.
Resultados por benchmark e modelo
A avaliação cobriu 369 tarefas Linux no OSWorld e 154 tarefas Windows no WindowsAgentArena. A configuração padrão usou o Qwen3.5-9B como planejador e o GTA1-7B como ancorador visual. Com o Qwen3.6-27B e o GTA1-7B, o LocalLSTC registrou taxas de sucesso de 64,7% no SR-100 do OSWorld, 62,7% no SR-50 e 51,4% no SR-15. No WindowsAgentArena, os números foram 65,3%, 63,4% e 48,5%, respectivamente.
O resultado de SR-50 no WindowsAgentArena ficou 18,1 pontos percentuais acima do melhor resultado local anterior e a 0,1 ponto do resultado de API mais forte — um dado que posiciona a execução local perto de paridade com soluções de nuvem, pelo menos nesse benchmark. O desempenho também variou conforme o modelo de raciocínio: no OSWorld, o SR-100 médio foi de 60,9% com GPT-5 e de 37,7% com Qwen3.5-9B.
Recuperação que de fato funciona
Um mecanismo de verificação final rejeitou a terminação em 18,3% das tarefas do OSWorld. Entre os casos que entraram em recuperação no OSWorld, 63,8% acabaram concluindo a tarefa; no WindowsAgentArena, 21,4% das tarefas entraram em recuperação e 51,5% delas tiveram sucesso após uma média de 5,2 passos adicionais.
As evidências, porém, continuam presas ao benchmark. A configuração completa marcou 49,1% no SR-100, enquanto versões sem o planejamento de longo prazo ou sem o controle de curto prazo caíram para 36,4% e 41,5%. Essas são diferenças entre configurações testadas, não prova isolada de que cada componente específico causou o ganho. O manuscrito, datado de 26 de agosto de 2026, ainda não passou por revisão por pares, e os autores liberaram a implementação e os artefatos de avaliação em um repositório anônimo.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
