Pesquisadores divulgaram em 6 de outubro de 2026 um artigo sobre o SHIFT, um sistema que cria automaticamente a combinação mais adequada de agentes de IA para cada pergunta. Em vez de testar várias configurações durante a execução, o SHIFT treina um modelo de linguagem pequeno para prever qual projeto funcionará melhor e, em seguida, usa busca em árvore de Monte Carlo para montar os agentes. O método foi testado em 9.193 tarefas de seis benchmarks, que iam de problemas matemáticos a processamento de documentos e atividades de assistentes de uso geral.
Qual é o desempenho do SHIFT?
Usando o Gemini 3.5 Flash como mecanismo de execução, o SHIFT alcançou precisão média de cerca de 80%, superando 17 métodos concorrentes, entre eles prompts simples, técnicas de otimização de prompts e outros métodos de busca de fluxos de trabalho. O concorrente mais forte ficou 7,2 pontos percentuais atrás. Uma configuração mais econômica do SHIFT também superou todas as abordagens de referência, usando 32% menos tokens — ou seja, exigiu menos capacidade computacional.
Por que o projeto conjunto é importante
Os autores mostram que escolher em conjunto a estrutura de comunicação, as instruções e as ferramentas funciona melhor do que selecionar qualquer um desses elementos isoladamente. A escolha conjunta melhorou os resultados em até 9,1 pontos em comparação com o uso apenas de instruções ou apenas de ferramentas. A função de valor aprendida pelo sistema também ajudou a escolher, entre as opções disponíveis, configurações mais precisas e econômicas.
Por que importa
Para desenvolvedores que criam assistentes de IA, o SHIFT promete melhor desempenho sem que seja preciso montar manualmente configurações de agentes para cada nova solicitação. O método também reduz os custos computacionais, o que pode diminuir os gastos com serviços em nuvem e tornar serviços mais sofisticados com vários agentes mais acessíveis para os usuários finais.
