Apple propõe o SelfCompact: o agente decide sozinho quando compactar o contexto

Pesquisadores do Apple ML Research propuseram o SelfCompact, um framework para agentes baseados em LLM em que o próprio modelo escolhe quando e como compactar o histórico acumulado. A construção se apoia em dois elementos que atuam na etapa de inferência. O primeiro é uma ferramenta de compactação, que o modelo chama para resumir o contexto acumulado. No lugar da regra rígida "compactar ao atingir N tokens", quem decide é o próprio agente. O trecho do resumo (abstract) a que tivemos acesso termina na descrição do primeiro elemento. O segundo elemento e os resultados numéricos não aparecem nele, por isso ainda não é possível avaliar a eficácia do método em números.

O problema: contexto que atrapalha o raciocínio

As trajetórias longas de agentes são formadas por cadeias de raciocínio e chamadas de ferramentas. Ao longo do trabalho, elas acumulam conteúdo desatualizado: hipóteses intermediárias, alternativas descartadas, respostas volumosas de buscas. Os autores apontam duas consequências. Primeiro, essa cauda "ancora" as gerações seguintes: o modelo continua se apoiando no que já perdeu relevância. Segundo, mais cedo ou mais tarde a trajetória ultrapassa a janela de contexto.

Na prática atual, o framework conta tokens e dispara a compactação ao atingir o limite, em intervalos regulares. A abordagem é simples de implementar, mas tem um ponto fraco: o gatilho não enxerga a estrutura da tarefa. O limite pode ser atingido no meio de uma dedução matemática ou de uma busca em várias etapas, e um resultado parcial, que ainda não virou conclusão, pode ser cortado ou perder detalhes importantes.

O que muda com o SelfCompact

A ideia é entregar a decisão a quem melhor conhece o estado do raciocínio: o próprio modelo. Ele recebe uma ferramenta de compactação e a chama do mesmo jeito que chamaria uma busca ou um interpretador de código. O agente pode concluir uma subtarefa, registrar a conclusão e só então compactar o histórico. O conteúdo do resumo também fica a cargo dele: quais fatos manter e quais etapas intermediárias considerar encerradas.

Pelo termo "inference-time elements", deduz-se que se trata de uma camada acima do modelo, e não de uma mudança na arquitetura. O texto disponível não diz isso diretamente, então não dá para tratar a hipótese como confirmada. Se for o caso, o método pode ser testado em modelos existentes, sem ajuste fino adicional.

O que se sabe a partir da fonte

• Autor: Apple ML Research, publicação de 12 de outubro de 2026.
• Nome do método: SelfCompact.
• Esquema de comparação de base: compactação em intervalo fixo, por limite de tokens.
• Composição do método: dois elementos na etapa de inferência; o primeiro é uma ferramenta de compactação chamada pelo modelo.
• Benchmarks, tamanhos de modelos, ganho de precisão e economia de tokens não constam no trecho disponível.

Como usar isso na prática

Sem o texto completo, o melhor é tratar o SelfCompact como uma hipótese que pode ser testada. Equipes que constroem agentes de longa duração para programação, pesquisa ou suporte devem fazer algumas coisas.

Primeiro: examinar os logs dos próprios agentes e procurar casos em que a compactação por limite disparou na hora errada. Os sinais são estes: o agente repete uma busca já feita, perde um resultado intermediário ou volta a uma hipótese descartada. Se esses casos forem frequentes, o tema é relevante para você.

Segundo: montar um experimento pequeno. Dê ao modelo uma ferramenta de compactação, com uma instrução clara sobre quando usá-la, e compare com o gatilho atual no mesmo conjunto de tarefas. As métricas são óbvias: taxa de tarefas concluídas com sucesso, número de tokens por tarefa e quantidade de etapas repetidas.

Terceiro: prever proteção contra mau comportamento. O modelo pode compactar com frequência demais ou, ao contrário, não compactar nunca, até a janela estourar. Faz sentido manter o limite rígido como rede de segurança e tratar a decisão do modelo como o mecanismo principal.

O artigo importa porque tira o controle da memória do agente da camada de infraestrutura e o coloca sob responsabilidade do próprio modelo. Só será possível saber o quanto isso funciona quando os resultados completos forem publicados, com a comparação com os esquemas de intervalo fixo em tarefas longas.