Novos preprints testam agentes de IA em ciência autónoma e modelos de mundo
Dois preprints recentes no arXiv, ainda sem revisão por pares, testam capacidades emergentes de agentes de IA em tarefas científicas e robóticas complexas.
O "Autonomous Science Bench" (Yibo Wen e Han Liu) propõe seis "campanhas" orçamentadas em biologia, química e ciência de materiais, em que agentes de IA escolhem lotes de experiências e recebem medições simuladas de laboratório. Num piloto com oito configurações agente-modelo em 144 tentativas, a melhor configuração teve sucesso em 67% das tentativas, mas a campanha mais difícil só foi resolvida em 3 de 24 tentativas.
Já o "Thinker-WM" apresenta um modelo de mundo multimodal unificado — combinando vídeo, profundidade métrica e ações robóticas — treinado com cerca de 20 mil horas de vídeo egocêntrico e 10 mil horas de dados reais de robôs. Os autores reivindicam o primeiro lugar em três benchmarks de modelos de mundo, mas estes resultados são auto-reportados pelos próprios autores e ainda não foram confirmados de forma independente.
Fontes
- arXiv — Autonomous Science Bench arxiv.org
- arXiv — Thinker-WM arxiv.org
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.