Pesquisadores liderados por Wei‑Xiang Mao apresentaram o TaReD, uma técnica de decomposição recursiva com consciência das ferramentas para agentes de IA que precisam usar ferramentas externas. O método cria uma hierarquia de recursos das ferramentas e permite que o agente as descubra apenas quando necessário. Em experimentos com tarefas reais de longa duração, o TaReD aumentou em até 40 pontos percentuais o sucesso geral nas tarefas, em comparação com métodos de referência existentes. O código está disponível no GitHub para quem quiser testá-lo.
Por que importa
Desenvolvedores de assistentes de IA podem obter resultados mais confiáveis em fluxos de trabalho complexos sem carregar de uma só vez as definições de todas as ferramentas.
