Um agente de inteligência artificial pode raciocinar bem e ainda assim perder o jogo — se o mundo não parar de girar enquanto ele pensa. Esse é o ponto de partida de um preprint publicado nesta sexta-feira (16/10/2026) no arXiv, ainda não revisado por pares, que apresenta o RealtimeBench, um benchmark que avalia agentes de linguagem com o relógio correndo de verdade, e o TORSI, um método de autoaperfeiçoamento que tornou um agente quase duas vezes melhor em apenas duas rodadas de treino.

A pesquisa é assinada por Ningxin Pan, Hanyu Li, Yeqing Shen, Ning Ding, Yehui Tang e Wentao Zhang, com pé em duas instituições: a Peking University e o laboratório da Samsung Research em Pequim. Wentao Zhang (Peking University) e Yehui Tang (Samsung Research) são os autores correspondentes.

O problema de chegar atrasado

Agentes baseados em modelos de linguagem resolvem tarefas interativas complexas encadeando raciocínio e chamadas de ferramentas. O problema é que cada passo consome tempo — e, em ambientes que continuam mudando, "uma ação que seria correta pode chegar tarde demais", como resumem os próprios autores. Um plano perfeito executado sobre um mundo que já mudou vale quase nada.

A maioria dos benchmarks existentes pausa o ambiente enquanto o modelo pensa. O RealtimeBench inverte a lógica: os jogos seguem rodando durante a inferência. São 180 tarefas distribuídas em seis tipos de jogo, com um protocolo de "relógio vivo" que também testa relógios 1,5 e 2 vezes mais rápidos do que o padrão declarado.

Pausar o jogo muda o vencedor

O resultado mais incisivo do estudo é uma comparação em pares entre dois agentes: o mais potente (GPT-6.1-sol, com esforço de raciocínio médio) e o mais veloz (Jev). Com o jogo pausado durante a inferência, o modelo mais forte vence em cinco dos seis tipos de tarefa. Com o relógio correndo, a ordem se inverte: o agente mais rápido passa à frente, porque suas ações chegam a tempo de valer.

A conclusão é desconfortável para quem mede capacidade sem medir relógio: benchmarks que pausam o mundo recompensam o raciocínio profundo, mas não dizem nada sobre a eficácia real do agente quando o ambiente não espera.

TORSI: um professor lento, um aluno rápido

Para atacar o problema, os pesquisadores propuseram o TORSI (Two-Timescale Offline Recursive Self-Improvement, autoaperfeiçoamento recursivo offline em duas escalas de tempo). A ideia separa o trabalho em dois ritmos: um agente-professor lento estuda as falhas e testa correções em jogos pausados, entre uma tentativa e outra; o que sobrevive à validação é transformado em instruções reutilizáveis escritas para um agente-aluno rápido.

Na partida, só o aluno age — sem chamadas ao professor, que consumiriam tempo precioso. Só entram no repertório as atualizações aprovadas por pontuação de validação.

O ganho foi direto: em duas rodadas de TORSI, a pontuação média de teste do Jev subiu de 13,51 para 24,19 numa escala de 0 a 100 de progresso, com melhora em todos os seis tipos de jogo. As instruções também elevaram a pontuação média de outros três modelos, sem qualquer ajuste extra.

Rumo à "inteligência em tempo real"

Os autores encerram apontando o horizonte que chamam de "inteligência em tempo real": manter agentes poderosos eficazes em um mundo em mudança contínua organizando deliberação, aprendizado e ação em escalas de tempo diferentes. Antes que isso vire prática comum, porém, o trabalho segue o rito da ciência aberta: é um preprint, ainda não revisado por pares, publicado agora no arXiv (arXiv:2610.20665).

Fontes

  1. arXiv — "The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock", 16/10/2026. arXiv:2610.20665 (preprint, ainda não revisado por pares). https://arxiv.org/abs/2610.20665