NOVA pesquisa dos Meta Superintelligence Labs. Ele utiliza uma estrutura inteligente de leilão estratégico para melhorar agentes que se autoaperfeiçoam em tarefas complexas. Pequenos agentes nem sempre são suficientes. Nas tarefas mais simples, um agente de parâmetros 4B atinge 87% do desempenho de um agente 32B. Mas nas tarefas mais complexas, esse desempenho relativo cai para apenas 21%. A suposição padrão hoje é que você usa o maior modelo para tudo ou roteia tarefas com um classificador treinado. Mas roteadores treinados se degradam conforme a dificuldade das tarefas aumenta, e cascatas não preditivas se tornam proibitivamente caras para cargas de trabalho agentes. Esta nova pesquisa introduz o SALE (Strategy Auctions for Workload Efficiency), um framework inspirado em mercados freelancers. Em vez de prever qual modelo usar apenas a partir de uma descrição de tarefa, os agentes fazem propostas com planos estratégicos curtos que são pontuados por um mecanismo sistemático de custo-valor. Como funciona o leilão? Cada agente candidato propõe um plano estratégico de solução. Um júri de pares avalia planos pelo valor previsto. Um preditor heurístico de custos estima o custo de execução. O corretor com a melhor troca custo-valor vence e executa seu plano. O mecanismo de autoaperfeiçoamento é onde fica interessante. Após cada leilão, todas as estratégias propostas são armazenadas em um banco de memória compartilhado. Corretores mais baratos que perderam podem aprender com estratégias vencedoras e enviar lances refinados, de forma análoga a freelancers que aprimoram suas habilidades ao longo do tempo. Em tarefas de busca profunda, a VENDA supera o pass@1 do melhor agente individual em 3,5 pontos, reduzindo o custo em 35%. Em tarefas de programação, melhora a pass@1 em 2,7 pontos, com custo 25% menor. Em ambos os domínios, a SALE reduz a dependência do maior agente em 53%. Roteadores existentes como WTP e FrugalGPT ou têm desempenho inferior ao maior agente ou não reduzem custos. Os custos do FrugalGPT na verdade aumentam em tarefas complexas de codificação, chegando a 0,61 dólares por milhão de tokens contra 0,36 dólares do melhor agente. Mecanismos de coordenação inspirados no mercado que organizam agentes heterogêneos em ecossistemas adaptativos podem superar sistematicamente tanto modelos grandes individuais quanto abordagens de roteamento treinadas. Papel: Aprenda a construir Agentes de IA eficazes em nossa academia: