PatEx-Gym ensina agentes de IA a buscar anterioridade em patentes: 1 milhão de patentes e um modelo de 4B

A perícia de patentes é considerada há tempos uma das tarefas mais complicadas para a IA. É preciso encontrar documentos raros que contestem a novidade de um pedido, e fazer isso em meio a milhões de textos de diferentes áreas técnicas. Uma equipe formada por Qiyao Wang, Xinyi Chen, Hongbo Wang, Jiayuan Lu, Jianhang Li, Minghuan Tan, Yuan Lin e Min Yang apresentou o PatEx-Gym. É o primeiro ambiente em que um agente percorre todo o caminho de um examinador: busca, leitura, raciocínio e conclusão final. O ambiente inclui 1.000 tarefas realistas, um corpus com mais de 1 milhão de patentes e 52 mil artigos científicos. O agente de referência, PatEx-Agent, tem apenas 4 bilhões de parâmetros.

Por que os benchmarks antigos não refletiam o trabalho real de um examinador

A maioria dos testes existentes entrega ao modelo um conjunto de candidatos já pronto e limitado. A tarefa se reduz a escolher o mais adequado entre o que já é mostrado. Um examinador real trabalha de outra forma. Ele formula uma consulta, analisa os resultados, abre documentos, percebe que buscou a coisa errada e reformula a busca. O resultado é registrado em um Office Action, um parecer oficial em que a conclusão sobre a novidade precisa se apoiar em fontes concretas.

O PatEx-Gym transfere essa lógica para um ambiente interativo. O agente usa ferramentas de busca, "entra" nos documentos, raciocina e, no final, gera uma conclusão. Os autores chamam essa tarefa de long-horizon: um erro cometido no início da busca não pode mais ser corrigido depois por um texto final bem escrito.

O que compõe o PatEx-Gym

O framework combina três componentes, construídos sobre quatro artefatos:

• PatEx-Bench — um benchmark com 1.000 tarefas realistas de exame, dois grandes corpora de busca (mais de 1 milhão de patentes e 52 mil artigos científicos) e um ambiente executável. O ambiente suporta busca iterativa, visita a documentos, raciocínio e geração de Office Action.
• PASS (Prior-Art Agentic Search Trajectory Synthesis) — um método para sintetizar trajetórias de treinamento sem anotação manual. Ele usa as visitas a documentos como sinal implícito de relevância e como pontos de apoio para obtenção de evidências. Com base nesses sinais, são modelados três níveis: o comportamento das consultas dentro de um mesmo turno, a evolução da busca entre turnos e a qualidade da evidência e do resultado ao longo de toda a trajetória.
• PatEx-SynData — um conjunto de dados obtido via PASS a partir de trajetórias selecionadas.
• PatEx-Agent — um agente de 4 bilhões de parâmetros treinado por fine-tuning supervisionado sobre essas trajetórias. Os autores o apresentam como uma variante básica leve.

A abordagem do PASS mostra como evitar a cara anotação manual. Em vez de pedir que especialistas descrevam o caminho correto de busca, o método simplesmente observa quais documentos o agente abriu e trata isso como sinal de que foram úteis.

O que os experimentos mostraram

A principal conclusão diz respeito às métricas: a precisão final da decisão binária "há novidade ou não" reflete mal a qualidade do exame. Um modelo pode chegar ao veredito correto sem ter encontrado os documentos-chave, e esse parecer tem fraca fundamentação jurídica. Por isso o PatEx-Bench também avalia o próprio processo, incluindo a descoberta do estado da técnica anterior.

Essa parte se mostrou a mais difícil. Encontrar documentos raros e relevantes continua sendo um desafio mesmo para modelos frontier robustos. Ao mesmo tempo, o PatEx-Agent, com 4B e treinado no PatEx-SynData, segundo os autores, apresenta resultado competitivo em comparação com agentes generalistas significativamente maiores. Para uma tarefa profissional tão específica, isso é um argumento a favor de modelos menores e especializados.

Os autores veem a perícia de patentes como um terreno de testes exigente para busca agêntica e agentes de deep research. A tarefa combina cadeias longas de ações, relevância ambígua e a necessidade de documentar as conclusões.

Quem já pode usar isso

O código foi publicado no repositório AIforIP/PatEx-Gym, e também há uma página do projeto. Equipes que desenvolvem agentes de deep research ou sistemas de busca para literatura técnica ganham um banco de testes pronto, com mil tarefas e um corpus extenso. Escritórios de patentes e firmas jurídicas podem usá-lo para comparar ferramentas não só pelo veredito, mas também pelas evidências encontradas. Para desenvolvedores de modelos, o grande valor está na própria abordagem do PASS: ela mostra como construir dados de treinamento para agentes a partir de registros de comportamento, sem anotação manual.