Novo framework Arbor supera Claude Code e Codex em eficiência de IA
O sistema Arbor utiliza uma estrutura em árvore para otimizar tarefas de engenharia, superando concorrentes em 2,5 vezes com o mesmo custo computacional.
Pontos principais
- O Arbor organiza experimentos em uma estrutura de árvore, permitindo que a IA aprenda com falhas anteriores.
- O sistema separa a estratégia de pesquisa da execução de tarefas, garantindo maior isolamento e precisão.
- Testes indicam um desempenho 2,5 vezes superior ao do Claude Code e do Codex sob o mesmo orçamento de computação.
- A ferramenta utiliza um mecanismo de 'merge gate' para validar melhorias antes da integração ao código.
- O framework é voltado para tarefas complexas, como otimização de pipelines RAG e ajustes de algoritmos de treinamento.
Pesquisadores desenvolveram o Arbor, um novo framework de otimização autônoma projetado para superar agentes de codificação convencionais. Ao organizar experimentos em uma estrutura de árvore, o sistema permite que a IA aprenda com erros passados, em vez de realizar tentativas isoladas. A arquitetura separa o coordenador da estratégia dos executores de tarefas, garantindo maior eficiência e isolamento. Sob o mesmo orçamento de computação, o Arbor demonstrou ser 2,5 vezes mais eficaz que modelos como Claude Code e Codex. A ferramenta incorpora um mecanismo de 'merge gate' para assegurar que apenas melhorias validadas em conjuntos de testes sejam integradas ao código final. O Arbor é voltado para demandas complexas de engenharia, como a otimização de pipelines RAG e o ajuste de algoritmos de treinamento, mantendo total compatibilidade com fluxos de trabalho Git existentes no mercado.
Tópicos relacionados
Comentários
Carregando comentários...