# SHIFT monta equipes de agentes de IA sob medida para cada consulta

> Novo método usa um modelo local para criar, em tempo real, sistemas com vários agentes, aumentando a precisão e reduzindo o custo computacional.

Oossa · 2026-10-06 · https://oossa.com/pt/shift-system-builds-custom-ai-agent-teams-per-query

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.

## Os fatos

- O SHIFT foi apresentado em um artigo publicado no arXiv em 6 de outubro de 2026.
- O método foi avaliado em 9.193 tarefas de seis benchmarks.
- Com o Gemini 3.5 Flash, o SHIFT alcançou cerca de 80% de precisão média, 7,2 pontos acima da melhor abordagem de referência.
- Uma versão mais econômica do SHIFT usou 32% menos tokens de execução que a abordagem de referência mais forte e ainda superou todas as abordagens de referência.
- A seleção conjunta da estrutura, das instruções e das ferramentas elevou a precisão em até 9,1 pontos em comparação com a seleção de apenas um componente. 

## 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.

## Fontes e referências

1. [Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction](https://arxiv.org/abs/2610.04137) – arXiv cs.LG, 2026-10-06

Última atualização: 2026-10-06