NVIDIA KGMON fica em 2º lugar na KDD Cup 2026 ao simplificar o harness do agente

A equipe NVIDIA KGMON conquistou o segundo lugar na KDD Cup 2026 Data Agents. Os agentes precisavam responder a perguntas em linguagem natural, e as respostas estavam distribuídas em seis formatos de dados: bancos de dados, arquivos CSV e JSON, documentos de texto, PDF e vídeos de briefing. A NVIDIA resume a receita numa frase: o harness do agente deve ser menor, mais claro e mais fácil de verificar.

Que problema os participantes resolveram

A KDD Cup está entre as competições de análise de dados mais antigas e é realizada junto à conferência KDD. A trilha Data Agents testa justamente o ponto que mais costuma quebrar na prática corporativa. Os dados não estão em uma tabela única e organizada. Parte dos números fica em SQL, parte em exportações, parte em um relatório em PDF e parte é dita na gravação de um briefing.

Para o agente, são três tarefas ao mesmo tempo. Ele precisa entender a pergunta, decidir quais fontes consultar e montar a resposta a partir de fragmentos em formatos diferentes. Por exemplo, para uma pergunta sobre uma região que perdeu desempenho, são necessários tanto os números do banco quanto a explicação de um documento de texto. Um erro em qualquer etapa transforma uma resposta confiante numa falsidade bem apresentada.

A aposta num harness pequeno

Chama-se de harness todo o código em torno do modelo de linguagem: o ciclo de chamadas, o conjunto de ferramentas, os prompts, as regras de roteamento entre fontes e a verificação do resultado. Em sistemas agênticos, ele cresce rápido. Cada exceção e cada remendo adicionam uma camada, e, depois de alguns meses, ninguém consegue dizer em que etapa o agente tomou o caminho errado.

A KGMON seguiu o caminho oposto. Pelo que diz o anúncio, a equipe reduziu o harness de forma deliberada e fez cada elemento ser compreensível e verificável. Para tarefas analíticas, a abordagem faz sentido: uma resposta baseada em dados tem uma fonte, e essa fonte pode ser conferida. Quanto mais curta a cadeia entre a pergunta e a resposta, mais fácil é achar o ponto em que ela se rompeu.

Uma ressalva importante: o anúncio publicado não traz tabela de pontuação, nome do modelo de base, número de ferramentas nem descrição da arquitetura. Provavelmente, tudo isso está no artigo completo no blog da NVIDIA. Afirmar mais do que a fonte diz seria forçar a barra.

O que se sabe de concreto

• Resultado: segundo lugar na KDD Cup 2026 Data Agents.
• Equipe: NVIDIA KGMON.
• Dados de entrada: bancos de dados, CSV, JSON, documentos de texto, PDF, vídeos de briefing.
• Formato da tarefa: perguntas em linguagem natural, com respostas que precisam ser extraídas de fontes heterogêneas.
• Princípio da solução: harness do agente menor, mais claro e mais fácil de verificar.

O que dá para aproveitar na prática

A empresa mais conhecida por suas GPUs mostra que também tem presença em agentes aplicados. Para quem trabalha na área, porém, o princípio interessa mais do que a posição na tabela. Se você está construindo um agente analítico dentro de uma empresa, a lição do caso KGMON é: primeiro simplifique, depois complique.

Na prática, isso significa algumas coisas. Avalie o agente separadamente por tipo de fonte: a qualidade em SQL não diz nada sobre a qualidade em PDF. Mantenha o conjunto de ferramentas no mínimo e remova tudo o que não afeta a métrica. Registre em log as etapas intermediárias, para que qualquer resposta possa ser rastreada até o arquivo de origem. E compare o esquema complexo com uma linha de base simples: se o ganho for pequeno, uma camada extra de harness só cria problemas futuros.

Vale esperar a descrição técnica completa da solução. Aí ficará claro do que exatamente é feito o harness "pequeno" da KGMON e até que ponto a experiência dela se aplica fora da competição.