Novo framework Arbor supera Claude Code e Codex em eficiência de IA

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.