Pesquisadores propõem Anti-Persistence: memória de agentes de LLM sem regras armazenadas

Agentes baseados em LLM conseguem aprender sem retreinamento: eles registram suas execuções em uma memória externa e as usam nas tarefas seguintes. Porém, quanto mais regras prontas, resumos e habilidades essa memória acumula, maior o risco de que um único erro passe a se reproduzir sozinho. Os autores de um artigo recente do Hugging Face Daily Papers deram a esse efeito o nome de error reproduction.

Como resposta, propuseram o design de memória Anti-Persistence: trajetórias e resultados se acumulam, enquanto as recomendações para uma tarefa específica são montadas do zero e descartadas depois da execução. Segundo os autores, em diferentes benchmarks e modelos backbone, o esquema entrega o maior sucesso total em tarefas held-out e o menor custo médio em chamadas ao LLM entre as variantes de memória comparadas.

Como o erro se reproduz sozinho

Há uma escolha padrão no projeto da memória de um agente: guardar apenas as trajetórias brutas com os resultados ou acrescentar a elas abstrações derivadas. As abstrações são práticas porque o agente não precisa extrair a estratégia de logs longos toda vez. O custo é que uma regra errada entra no contexto por meio da busca na memória e influencia as decisões.

A partir daí vem a parte mais incômoda. As decisões tomadas sob influência da regra ruim geram novas trajetórias. Delas o agente deduz novas abstrações, que repetem o erro original. Remover ou corrigir a regra inicial não resolve o problema: o erro já está gravado nas trajetórias acumuladas e voltará a aparecer no ciclo "abstração — execução — reabstração". Os autores descrevem isso como o prolongamento da vida do erro para além do reaproveitamento direto do conhecimento defeituoso.

O que o Anti-Persistence faz

A ideia é separar duas coisas: o acúmulo de experiência e o armazenamento permanente das conclusões tiradas dela. A memória guarda trajetórias e resultados. A orientação para a tarefa é sintetizada no momento da requisição. Um seletor adaptativo olha os resultados anteriores e decide se é preciso gerar uma dica e em que formato. Concluída a tarefa, a dica é apagada e não pode ser reutilizada como objeto armazenado.

Os autores reconhecem com honestidade um risco residual: o feedback indireto permanece, porque a dica influenciou a trajetória e a trajetória continua na memória. O esquema enfraquece o ciclo, mas não o zera.

O que o resumo do artigo declara:

• Armazenado: trajetórias e resultados de execução; regras deduzidas, resumos e habilidades não são armazenados.
• As recomendações são sintetizadas sob demanda, para cada tarefa específica.
• O seletor adaptativo se baseia nos resultados anteriores e escolhe se a dica é necessária e de que tipo.
• Resultado: o maior sucesso geral em tarefas held-out entre os designs de memória comparados.
• Custo: o menor preço médio em chamadas ao LLM.
• A avaliação foi feita em diferentes benchmarks e backbones.

O resumo não traz percentuais nem nomes de benchmarks, então ainda não é possível avaliar o tamanho do ganho. É preciso consultar o texto completo do artigo e as tabelas.

O que verificar no seu agente

Se você está construindo um agente com memória autodidata, o artigo oferece algumas referências práticas.

Primeiro: separe na arquitetura o "diário de experiência" da "camada de conclusões". O diário pode crescer sem limite, mas a camada de conclusões deve ser tratada como um cache que pode ser descartado, e não como fonte da verdade.

Segundo: ao depurar a degradação de um agente, não verifique só as regras em si. Se a regra corrigida não ajudou e os erros voltam, a culpa pode estar nas trajetórias geradas sob a influência dela.

Terceiro: acompanhe o custo. Intuitivamente, sintetizar dicas na hora parece mais caro do que usar regras prontas. Os autores afirmam o contrário: no teste deles, esse design saiu o mais barato em número de chamadas ao LLM, provavelmente porque o seletor pula sínteses desnecessárias e a memória não incha com abstrações. Vale testar essa hipótese na sua própria carga de trabalho.

Por fim, o resultado vale para benchmarks específicos. Antes de reescrever a memória em produção, rode nas suas tarefas uma comparação A/B entre o Anti-Persistence e o armazenamento de habilidades, e observe como o sucesso em tarefas held-out muda ao longo do tempo.