Pesquisadores Fecham Lacuna Entre Agentes de IA e Habilidades Curadas Manualmente

Pesquisadores da UNC Chapel Hill, Arizona State e Honda Research Institute publicaram um artigo em 30 de junho propondo uma nova abordagem para seleção de habilidades em agentes LLM: tratar composição como um único problema de predição estruturada em vez de recuperação. No GPT-5.2-Codex, seu sistema aumenta as taxas de sucesso 23,1 pontos percentuais acima da linha de base no SkillsBench; no Gemini-3-Pro-Preview, o ganho é de 18,2 pontos. Ambos os resultados correspondem ao limite superior de habilidade-ouro—alcançado por humanos selecionando manualmente o conjunto de habilidades ótimo—enquanto usam menos tokens de prompt.

Bibliotecas de habilidades—pacotes reutilizáveis de conhecimento procedural agrupados como instruções, scripts e recursos—proliferaram. A partir de fevereiro de 2026, mais de 280.000 habilidades estão disponíveis publicamente em skillsmp.com. Anthropic introduziu a abstração de habilidade em outubro de 2025; desde então se espalhou entre provedores de modelos e plataformas de codificação. À medida que as bibliotecas escalam, o gargalo muda de encontrar habilidades para escolher a combinação certa. Uma tarefa como "localizar uma chamada de API descontinuada, refatorar em toda a base de código e executar o conjunto de testes de regressão" requer composição em ordem: identificar locais de chamada, aplicar o refatoramento, depois validar com testes. A recuperação retorna uma lista classificada, mas não pode especificar contagem ou sequenciamento.

O artigo formaliza isso como composição estruturada de habilidades: dada uma tarefa e biblioteca, produzir um plano de habilidades ordenado especificando quais habilidades, quantas e em que sequência. Os paradigmas existentes falham aqui. O planejamento de ponta a ponta expõe o agente à coleção completa com composição deixada implícita em traços de execução não estruturados. A recuperação por incorporação ou reranking retorna um subconjunto desordenado e ignora dependências entre habilidades.

SkillComposer usa um decodificador autorregressivo restrito sobre identificadores de habilidades. Em cada etapa de decodificação, apenas identificadores válidos da biblioteca conhecida podem emitir—sem nomes alucinados ou fora de vocabulário. Subconjunto, contagem e ordem emergem conjuntamente de uma única passagem; cada escolha condiciona a próxima. O modelo treina em pares reais de composição de tarefa curados por humanos em vez de dados sintéticos.

No SkillsBench—84 tarefas em 11 domínios com verificadores determinísticos—habilidades curadas aumentam as taxas de sucesso médias em aproximadamente 16 pontos em todas as 7 configurações de modelo-agente. Os ganhos por modelo variam de +13,6 pontos (Gemini CLI / Gemini 3 Pro, 27,6% a 41,2%) a +23,3 pontos (Claude Code / Opus 4.5, 22,0% a 45,3%). SkillComposer automatiza a seleção de habilidades; em dois agentes de produção, fecha completamente a lacuna para ouro enquanto supera a recuperação dos 3 principais. SkillsBench também mostra que pacotes focados de no máximo três módulos superam coleções maiores—injeção agressiva de habilidades prejudica o desempenho.

Quando agentes recuperam habilidades de grandes bibliotecas em condições realistas, os ganhos degradam e as taxas de sucesso se aproximam das linhas de base sem habilidades em cenários desafiadores. O decodificador restrito de SkillComposer aborda seleção e ordenação, mas a qualidade de habilidades e recall de recuperação permanecem problemas abertos.

Para equipes executando agentes de codificação em produção, a conclusão é clara: tratar composição de habilidades como uma tarefa de predição estruturada—separada do loop de raciocínio principal do agente—supera tanto exposição de contexto completo quanto reranking de recuperação em benchmarks determinísticos. O artigo e a página do projeto estão em https://skill-composer.github.io/.