Como Concretizar Agentes com Autoaperfeiçoamento Recursivo e a Singularidade Pessoal: Uma Arquitetura Multiagente Orientada por Metas, Escopo, Ferramentas e Benchmarks

arXiv:2607.12254v1 Tipo de Anúncio: novo Resumo: Agentes baseados em grandes modelos de linguagem (LLM) são cada vez mais capazes de planejar, usar ferramentas, manter memória e executar tarefas de longo horizonte. Esses avanços motivam duas questões interligadas: como um agente pode aprimorar os mecanismos pelos quais aprende e age, e como esse aprimoramento pode aumentar as capacidades duradouras de seu usuário, em vez de melhorar apenas o próprio software? Este artigo propõe uma arquitetura multiagente governada para agentes com autoaperfeiçoamento recursivo e introduz...