# Estudo alerta que agentes que se aprimoram podem falhar se suas habilidades mudarem

> Pesquisadores apresentam o CODA, um teste que mostra que agentes de IA coevoluídos perdem a maior parte dos ganhos quando sua biblioteca de habilidades muda após a implantação.

Oossa · 2026-10-16 · https://oossa.com/pt/paper-warns-self-improving-agents-may-fail-when-skill-sets-change

Uma equipe liderada por Jinluan Yang publicou um novo artigo no arXiv em 16 de outubro de 2026. O estudo mostra que agentes treinados para aprimorar tanto sua política quanto um banco de habilidades ficam frágeis se esse banco mudar posteriormente. Os autores propõem uma nova avaliação, chamada CO‑evolution Drift Audit (CODA), que simula mudanças nas habilidades e mede a consistência e a resistência dos agentes. Em quatro métodos e cinco benchmarks, o CODA constatou que a taxa de sucesso no pior cenário cai de 5 a 13 pontos, eliminando a maior parte da vantagem dos agentes em relação a uma linha de base sem habilidades.

## Os fatos

- Artigo publicado em 16 de outubro de 2026
- No pior cenário, a taxa de sucesso fica de 5 a 13 pontos abaixo do pico, eliminando de 52% a 93% dos ganhos

## Por que importa

Quem implanta esses sistemas precisará testar a robustez dos agentes de IA a mudanças nas habilidades, e não apenas seu desempenho máximo.

## Fontes e referências

1. [Evolving Together, Failing Apart: The Skill-Policy Co-evolution Trap in Self-Improving Agents](https://arxiv.org/abs/2610.20845) – arXiv, 2026-10-16

Última atualização: 2026-10-16