Universidade da Florida apresenta o ATLAS, sistema que corrige agentes de IA antes de se desviarem da tarefa
Um professor de ciência da computação da Universidade da Florida apresentou o ATLAS, um método que deteta quando um agente de IA começa a desviar-se da tarefa original e o corrige internamente, sem necessidade de reentreinamento.
O trabalho, assinado por Sumit Jha e colegas (Vishal Pramanik, Maisha Maliha e Susmit Jha), tem o título "Drift No More: Spectral Locking for Long-Horizon Open-Weight Multi-agent AI" e foi aceite para a conferência EMNLP 2026, realizada em Budapeste entre 24 e 29 de outubro, data da divulgação pública do trabalho pela universidade.
O sistema, cujo nome completo é ATLAS (Algebraic Task–role Locking with Adaptive Spectral Memory), atua dentro do modelo de linguagem enquanto este gera texto, identificando o menor conjunto de alterações internas necessárias para repor o agente na tarefa original antes de o desvio chegar à resposta seguinte. Jha descreve-o como "uma bússola interna" para agentes de longo prazo.
Segundo os autores, o método não exige reentreinar o modelo e acrescenta pouco custo computacional, o que o torna aplicável a sistemas multiagente baseados em modelos de pesos abertos já em produção — uma das principais preocupações atuais na implementação de agentes autónomos a longo prazo.
Perguntas frequentes
Como é que o ATLAS corrige o desvio sem reentreinar o modelo?
Atua durante a geração de texto, identificando e aplicando o menor ajuste interno necessário para repor o agente no papel original antes da resposta seguinte.
Onde foi apresentado o trabalho?
Na conferência EMNLP 2026, em Budapeste, com divulgação pública a 29 de outubro de 2026.
Fontes
- EurekAlert! www.eurekalert.org
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.