{"id":1103952,"date":"2026-03-04T17:39:46","date_gmt":"2026-03-04T17:39:46","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=1103952"},"modified":"2026-03-04T17:39:46","modified_gmt":"2026-03-04T17:39:46","slug":"part-1-post-memory-training-teaching-agents-to-remember-not-just-retrieve","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/br\/blog\/part-1-post-memory-training-teaching-agents-to-remember-not-just-retrieve\/","title":{"rendered":"Parte 1 | Treinamento p\u00f3s-mem\u00f3ria: Ensinando os agentes a lembrar, n\u00e3o apenas a recuperar"},"content":{"rendered":"

Introdu\u00e7\u00e3o<\/h2>\n

O treinamento p\u00f3s-mem\u00f3ria tem sido meu foco principal nos \u00faltimos meses. Se o senhor acompanhou meus escritos recentes sobre gerenciamento de contexto, arquiteturas de mem\u00f3ria e a quest\u00e3o recorrente de por que os agentes se degradam depois dos 50 anos, este artigo \u00e9 o ponto de converg\u00eancia desses t\u00f3picos.<\/p>\n

O padr\u00e3o original era bastante claro. Oito equipes de pesquisa independentes chegaram \u00e0 mesma conclus\u00e3o: parar de criar sistemas de mem\u00f3ria em torno do modelo e treinar o pr\u00f3prio modelo para gerenciar a mem\u00f3ria como uma habilidade aprendida. Essa converg\u00eancia foi significativa.<\/p>\n

Ele aponta para um caminho democr\u00e1tico para o dimensionamento de agentes aut\u00f4nomos<\/strong>. Um que n\u00e3o exija ajuste fino, um processo caro e tecnicamente exigente que depende de computa\u00e7\u00e3o escassa e profundo conhecimento de ML. O treinamento p\u00f3s-mem\u00f3ria opera na fase p\u00f3s-treinamento: o mesmo est\u00e1gio de otimiza\u00e7\u00e3o que nos proporcionou o acompanhamento de instru\u00e7\u00f5es e o racioc\u00ednio, agora aplicado ao gerenciamento do estado cognitivo. E como funciona com base em modelos existentes, \u00e9 acess\u00edvel a equipes que nunca poderiam se dar ao luxo de treinar um modelo do zero.<\/p>\n

\"\"<\/p>\n

A parede de ajuste fino<\/h2>\n

O pressuposto padr\u00e3o para a maior parte da hist\u00f3ria recente da IA tem sido simples: se o senhor quiser que um modelo se comporte de forma diferente, fa\u00e7a um ajuste fino. Ajuste os pesos. Otimize para seu dom\u00ednio. O problema \u00e9 que o ajuste fino tornou-se o dom\u00ednio de um n\u00famero cada vez menor de organiza\u00e7\u00f5es.<\/p>\n

O treinamento de um modelo de 70B par\u00e2metros requer centenas de GPUs de ponta em execu\u00e7\u00e3o por dias ou semanas. Uma \u00fanica execu\u00e7\u00e3o de ajuste fino em um modelo como o Llama 3.1 70B custa entre $50.000 e $200.000 em computa\u00e7\u00e3o, dependendo do tamanho e da dura\u00e7\u00e3o do dataset. O acesso a esse computador \u00e9 restrito. Os clusters NVIDIA H100 s\u00e3o reservados com meses de anteced\u00eancia, e a experi\u00eancia para gerenciar trabalhos de treinamento distribu\u00eddos \u00e9 escassa. A maioria das equipes empresariais n\u00e3o tem engenheiros de ML que possam projetar fun\u00e7\u00f5es de recompensa, depurar problemas de gradiente ou gerenciar a recupera\u00e7\u00e3o de pontos de verifica\u00e7\u00e3o em clusters de v\u00e1rios n\u00f3s.<\/p>\n

O resultado \u00e9 um sistema de duas camadas. Um punhado de laborat\u00f3rios de ponta e startups bem financiadas podem personalizar o comportamento do modelo. Todos os outros usam os modelos como est\u00e3o, envolvendo-os em pipelines de engenharia e recupera\u00e7\u00e3o r\u00e1pidos que atingem um teto quando as tarefas se tornam longas e complexas.<\/p>\n

O treinamento p\u00f3s-mem\u00f3ria rompe essa din\u00e2mica. Ele n\u00e3o modifica os pesos do modelo b\u00e1sico para o conhecimento do dom\u00ednio. Ele treina um comportamento - gerenciamento de mem\u00f3ria - usando a aprendizagem por refor\u00e7o na fase p\u00f3s-treinamento. Os requisitos de computa\u00e7\u00e3o s\u00e3o uma ordem de magnitude menor. Todo o pipeline de treinamento do AgeMem \u00e9 executado em um \u00fanico n\u00f3 8xA100. O Memory-R1 obt\u00e9m seus resultados com 152 amostras de treinamento. O MemAct treina um modelo de 14B para igualar a precis\u00e3o de modelos 16 vezes maiores. Esses n\u00e3o s\u00e3o requisitos de recursos de laborat\u00f3rio de ponta. Eles s\u00e3o acess\u00edveis.<\/p>\n

A implica\u00e7\u00e3o: as organiza\u00e7\u00f5es que nunca puderam se dar ao luxo de ajustar um modelo de base agora podem treinar seus agentes para gerenciar a mem\u00f3ria de forma inteligente. Isso n\u00e3o \u00e9 uma melhoria incremental. \u00c9 uma mudan\u00e7a em quem pode criar agentes que realmente funcionem ap\u00f3s a fase de demonstra\u00e7\u00e3o.<\/p>\n

A lacuna que a arquitetura por si s\u00f3 n\u00e3o pode preencher<\/h2>\n

Aqui est\u00e1 o problema em termos concretos. Uma \u00fanica conversa com um agente de IA custa, em m\u00e9dia, cerca de $0,14 em custo de token. Aumente esse valor para 3.000 funcion\u00e1rios que o utilizam dez vezes por dia e o senhor ter\u00e1 um custo de $126.000 por m\u00eas em taxas de API. \u00c0 medida que os hist\u00f3ricos de conversas aumentam, os custos aumentam quadraticamente, pois cada novo turno reprocessa todos os turnos anteriores. Um agente que lida com um fluxo de trabalho de 100 turnos n\u00e3o custa 10 vezes o custo de um fluxo de trabalho de 10 turnos. Seu custo est\u00e1 pr\u00f3ximo de 100 vezes.<\/p>\n

O setor tentou janelas de contexto maiores. Agora temos modelos que aceitam um milh\u00e3o de tokens ou mais. Mas tr\u00eas problemas persistem. A aten\u00e7\u00e3o do modelo diminui em sequ\u00eancias longas. O efeito \u201cperdido no meio\u201d, documentado pela UC Berkeley, mostra que o desempenho cai quando as informa\u00e7\u00f5es relevantes ficam pr\u00f3ximas aos limites do contexto. O custo de for\u00e7ar o contexto de forma bruta \u00e9 insustent\u00e1vel em escala organizacional. E a maioria dos fluxos de trabalho corporativos ainda excede at\u00e9 mesmo as janelas de milh\u00f5es de tokens quando o senhor considera as sa\u00eddas de ferramentas, o data estruturado e o estado acumulado.<\/p>\n

O setor tentou a gera\u00e7\u00e3o aumentada por recupera\u00e7\u00e3o. O RAG ajuda, mas recupera o que \u00e9 semanticamente semelhante, n\u00e3o o que \u00e9 operacionalmente relevante. Uma restri\u00e7\u00e3o cr\u00edtica do turno 3 pode ser semanticamente distante da consulta do turno 47, mas essencial para a decis\u00e3o em quest\u00e3o.<\/p>\n

O setor tentou o gerenciamento heur\u00edstico da mem\u00f3ria. Sistemas baseados em regras que resumem, comprimem ou filtram o contexto com base em uma l\u00f3gica predefinida. A arquitetura do Mem0 alcan\u00e7a melhorias de precis\u00e3o de 26% e lat\u00eancia 91% menor em compara\u00e7\u00e3o com os m\u00e9todos de contexto completo. Ganhos reais. Mas os sistemas heur\u00edsticos t\u00eam uma limita\u00e7\u00e3o em comum: as regras s\u00e3o projetadas por engenheiros, n\u00e3o aprendidas com a experi\u00eancia. Eles n\u00e3o podem se adaptar a novos dom\u00ednios sem um redesenho manual.<\/p>\n

A lacuna: nenhuma dessas abordagens ensina ao pr\u00f3prio agente o que lembrar. E nenhuma delas ensina o agente a navegar em seu pr\u00f3prio contexto.<\/p>\n

P\u00f3s-treinamento para mem\u00f3ria: a converg\u00eancia de RL<\/h2>\n

O termo \u201cp\u00f3s-treinamento\u201d refere-se \u00e0 otimiza\u00e7\u00e3o que ocorre ap\u00f3s a fase de pr\u00e9-treinamento do modelo b\u00e1sico. Foi assim que passamos de modelos de linguagem brutos para assistentes que seguem instru\u00e7\u00f5es (via RLHF), de assistentes para modelos de racioc\u00ednio (via modelos de recompensa de processo) e agora - de modelos de racioc\u00ednio para agentes que gerenciam seu pr\u00f3prio estado cognitivo.<\/p>\n

O mecanismo \u00e9 a aprendizagem por refor\u00e7o. Em vez de criar o gerenciamento de mem\u00f3ria como um sistema externo, o senhor adiciona opera\u00e7\u00f5es de mem\u00f3ria ao espa\u00e7o de a\u00e7\u00e3o do agente e o treina para us\u00e1-las bem. O agente aprende quando armazenar, excluir, consolidar e recuperar, tudo por meio de tentativa e erro, otimizado em rela\u00e7\u00e3o \u00e0 conclus\u00e3o da tarefa. N\u00e3o s\u00e3o necess\u00e1rios exemplos de verdade absoluta do gerenciamento \u201ccorreto\u201d da mem\u00f3ria. Apenas um sinal de recompensa: o agente acabou resolvendo a tarefa?<\/p>\n

Oito artigos recentes esclarecem como isso funciona.<\/p>\n

As principais arquiteturas<\/h2>\n

AgeMem<\/strong> oferece ao agente seis ferramentas de mem\u00f3ria: ADICIONAR, ATUALIZAR, EXCLUIR para armazenamento de longo prazo e RETRIEVER, RESUMIR, FILTRAR para contexto de curto prazo. O treinamento ocorre em tr\u00eas est\u00e1gios progressivos. Resultados no Qwen2.5-7B: +49.59% de melhoria relativa em rela\u00e7\u00e3o \u00e0s linhas de base sem mem\u00f3ria, com 3-5% menos tokens de prompt consumidos do que as variantes RAG. Melhor desempenho com menos contexto.<\/p>\n

Mem\u00f3ria-R1<\/strong> separa o problema em dois agentes especializados: um Memory Manager que aprende opera\u00e7\u00f5es estruturadas e um Answer Agent que recupera e raciocina. A recompensa do Memory Manager vem do fato de o Answer Agent conseguir responder corretamente. Resultados: +28% F1<\/strong> sobre a melhor linha de base no LoCoMo, usando apenas 152 amostras de treinamento. Transfer\u00eancia de zero shot para benchmarks n\u00e3o vistos sem retreinamento.<\/p>\n

MemAct<\/strong> aumenta o espa\u00e7o de a\u00e7\u00e3o com um operador \u201cPrune & Write\u201d - em qualquer etapa, o agente pode excluir turnos do hist\u00f3rico e anexar um resumo da mem\u00f3ria. MemAct-RL-14B iguala a precis\u00e3o de modelos 16 vezes maiores<\/strong> enquanto reduz o comprimento m\u00e9dio do contexto em 51% e a lat\u00eancia da infer\u00eancia em ~40%.<\/p>\n

MEM1<\/strong> vai mais longe, mantendo um tamanho de mem\u00f3ria constante. A cada turno, o agente gera um estado interno que consolida tudo o que precisa e, em seguida, descarta todo o contexto anterior. O uso da mem\u00f3ria permanece est\u00e1vel, independentemente da dura\u00e7\u00e3o da tarefa. MEM1-7B supera o Qwen2.5-14B<\/strong> em tarefas com 16 objetivos. O modelo aprendeu a rastrear sub-objetivos separadamente, pular perguntas resolvidas e autocorrigir consultas - todos comportamentos emergentes.<\/p>\n

MemAgent<\/strong> aborda o caso extremo: processamento de documentos de tamanho arbitr\u00e1rio com complexidade linear. Treinado com 32K de comprimento de contexto, ele extrapola para 3,5 milh\u00f5es de tokens com menos de 5% de perda de desempenho.<\/p>\n

O padr\u00e3o em todos eles: O gerenciamento de mem\u00f3ria treinado supera o gerenciamento de mem\u00f3ria n\u00e3o treinado e, muitas vezes, supera modelos maiores com mem\u00f3ria n\u00e3o treinada<\/strong>.<\/p>\n

Mas ensinar aos agentes o que lembrar \u00e9 apenas metade da hist\u00f3ria. Na pr\u00f3xima parte deste artigo, vou me aprofundar em um desenvolvimento paralelo que reformula totalmente o problema: Modelos de linguagem recursivos<\/strong>, que tratam o contexto n\u00e3o como algo a ser recuperado, mas como algo a ser navegado. Tamb\u00e9m analisarei como sistemas de produ\u00e7\u00e3o como o OpenClaw<\/strong> Os senhores est\u00e3o provando que essas ideias funcionam fora dos padr\u00f5es de refer\u00eancia, o que essa converg\u00eancia significa para o dimensionamento empresarial e onde est\u00e3o as lacunas restantes. Os agentes que escalam n\u00e3o apenas se lembrar\u00e3o melhor, mas saber\u00e3o como encontrar o que ainda n\u00e3o lembraram.<\/p>","protected":false},"excerpt":{"rendered":"

O treinamento p\u00f3s-mem\u00f3ria tem sido meu foco principal nos \u00faltimos meses. Se voc\u00ea acompanhou meus textos recentes sobre gerenciamento de contexto, arquiteturas de mem\u00f3ria e a quest\u00e3o recorrente de por que os agentes se degradam depois dos 50 anos, este artigo \u00e9 o ponto de converg\u00eancia desses t\u00f3picos. O padr\u00e3o original era bastante claro. Oito equipes de pesquisa independentes chegaram \u00e0 mesma conclus\u00e3o: parar de criar sistemas de mem\u00f3ria em torno do modelo e treinar o pr\u00f3prio modelo para gerenciar a mem\u00f3ria como uma habilidade aprendida. Essa converg\u00eancia foi significativa.<\/p>","protected":false},"featured_media":1103953,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1103952","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog\/1103952","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media\/1103953"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=1103952"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-category?post=1103952"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-language?post=1103952"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}