WikiSkill: wiki persistente melhora habilidades de agentes de IA

Um grupo de pesquisadores do Google Research e da Virginia Tech publicou em 27 de agosto de 2026, no repositório arXiv, um trabalho que propõe uma mudança de arquitetura na forma como agentes de IA aprendem com a própria experiência. O framework, batizado de WikiSkill, mantém uma base de conhecimento persistente — um wiki — que evolui em paralelo com as habilidades executáveis do agente, em vez de deixar o aprendizado disperso em históricos de otimização.

O artigo é assinado por Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan e Tu Vu, e está disponível sob licença CC BY 4.0 com o identificador arXiv:2608.27454v1. Trata-se de uma pré-publicação: até a data desta matéria, o trabalho não havia passado por revisão por pares formal, condição normal para artigos recém-depositados no arXiv e que deve ser considerada na leitura dos resultados.

O problema que o trabalho ataca é conhecido por quem opera agentes em produção. Habilidades de agente — pacotes de conhecimento especializado e fluxos de trabalho reutilizáveis, entregues em geral como arquivos de instrução — vêm sendo descobertas automaticamente a partir da experiência do próprio agente. O método padrão é rodar o agente em tarefas de treinamento, analisar as trajetórias bem-sucedidas e malsucedidas e refinar as habilidades com base nesse resultado. O que se perde no caminho são os motivos: a análise que justificou cada refinamento fica espalhada pelo histórico de otimização e raramente é reaproveitada de forma sistemática nas iterações seguintes.

Como o WikiSkill organiza o espaço de trabalho do agente

A proposta separa em três camadas distintas aquilo que hoje costuma ficar misturado:

• Camada bruta (raw/) — armazena as trajetórias completas de execução coletadas em cada iteração, incluindo raciocínio, chamadas de ferramenta, saídas das ferramentas e respostas finais. Essa camada é imutável, o que preserva o histórico original para auditoria e para análises posteriores.
• Camada wiki (wiki/) — compila as trajetórias brutas em conhecimento estruturado e cumulativo. Contém um diretório de padrões com arquivos em markdown que documentam modos de falha específicos ou estratégias bem-sucedidas, junto com soluções de contorno acionáveis. É essa camada que dá consciência histórica de longo prazo através das iterações de otimização.
• Camada de habilidades (skills/) — contém as instruções procedimentais ativas, ou seja, o que efetivamente é injetado no agente na hora de executar tarefas.

Sobre essas camadas roda um laço evolutivo com papéis separados. O Agente de Inferência executa as tarefas com as habilidades ativas injetadas, mas com acesso restrito ao wiki — detalhe importante, porque impede que o agente simplesmente consulte um banco de anotações em tempo de execução e mascare o que a habilidade realmente ensina. Um componente chamado Mantenedor do Wiki consolida as trajetórias no wiki. Um Propositor de Habilidades, operando com o mecanismo ReAct, sugere atualizações a partir do conhecimento acumulado. E um mecanismo de filtragem valida as mudanças contra o desempenho em um conjunto de validação antes de aceitá-las.

A diferença em relação ao trabalho anterior está justamente nessa separação. Os autores comparam o WikiSkill a três métodos representativos: o EvoSkill, que mantém um histórico cumulativo de propostas e seus resultados de avaliação; o Trace2Skill, que extrai e consolida lições das trajetórias diretamente nas atualizações de habilidade; e o SkillOpt, que usa retorno de edições rejeitadas e orientação por época. Nenhum deles, segundo o artigo, mantém o que foi aprendido como uma representação de conhecimento separada e evolutiva.

Resultados nos experimentos

A avaliação cobre cinco benchmarks de domínios distintos: raciocínio matemático (LiveMathematicianBench), busca na web (SealQA), manipulação de planilhas (SpreadsheetBench), perguntas e respostas sobre documentos de contexto longo (OfficeQA) e tarefas interativas incorporadas (ALFWorld). Os modelos testados foram Qwen-3.5-4B, Qwen-3.5-9B, Qwen-3.6-27B, Gemma-4-31B-It — implantados com o framework vLLM — e o Gemini-3.5-Flash.

Médias das cinco tarefas, em pontos percentuais, conforme a Tabela 1 do artigo.

Em relação ao melhor método concorrente de cada modelo, o WikiSkill melhora a média em 3,3, 5,1, 10,0, 5,8 e 12,0 pontos, respectivamente, para Qwen-3.5-4B, Qwen-3.5-9B, Qwen-3.6-27B, Gemma-4-31B e Gemini-3.5-Flash. Os autores informam ter avaliado a significância das diferenças com teste de bootstrap pareado ao nível de 0,05 — um cuidado metodológico que nem sempre aparece em trabalhos dessa linha.

Duas observações do próprio artigo delimitam o resultado. Primeiro, o WikiSkill supera as versões sem habilidades na maioria dos pares modelo-benchmark, mas não em todos: com o Qwen-3.5-4B no OfficeQA, por exemplo, a pontuação com WikiSkill (28,5) ficou abaixo da versão sem habilidade nenhuma (30,2). Segundo, no ALFWorld com Gemini-3.5-Flash, todos os métodos de evolução produziram exatamente o mesmo resultado da versão sem habilidades (85,9), porque o modelo já atingia pontuação máxima na divisão de validação antes de qualquer evolução — não havia sinal de erro para orientar o refinamento.

Dois achados que interessam a quem constrói sistemas

O primeiro é sobre a relação entre evolução de habilidades e escala de modelo. Segundo os autores, as duas coisas se complementam: modelos maiores geralmente se beneficiam mais das habilidades evoluídas, e modelos menores com habilidades podem superar modelos substancialmente maiores sem elas. Se esse padrão se confirmar em avaliações independentes, ele reforça um argumento econômico relevante — em algumas tarefas, investir em compilar experiência pode render mais que trocar por um modelo maior.

O segundo é a transferência entre modelos. As habilidades evoluídas pelo WikiSkill em um modelo de origem transferem de forma eficaz para outros modelos de inferência, inclusive de famílias diferentes, quando injetadas no prompt de sistema no momento da inferência. Mais que isso: em vários casos, habilidades transferidas superaram as habilidades autoevoluídas pelo próprio modelo de inferência. Um exemplo da tabela de transferência: o Gemini-3.5-Flash, que sem habilidades marca 33,0 no LiveMath, chega a 67,5 usando habilidades evoluídas pelo Qwen-3.5-4B e a 73,9 com habilidades vindas do Qwen-3.6-27B.

Esse resultado tem uma implicação prática direta. Se habilidades são artefatos textuais transferíveis, é possível evoluí-las em um modelo aberto e barato e depois aplicá-las em um modelo de produção mais caro, sem repetir o custo do laço de otimização. Também sugere que boa parte do que a evolução de habilidades captura não é específica do modelo, mas do domínio da tarefa.

Limitações e o que ainda não está demonstrado

Os resultados vêm de cinco benchmarks e cinco modelos, o que é uma cobertura razoável para a área, mas não permite generalizar para qualquer domínio de agente — em especial para ambientes corporativos com ferramentas proprietárias e trajetórias mais longas que as dos testes usados.

O trabalho é uma pré-publicação sem revisão por pares até o momento. O artigo não apresenta, na versão examinada, um repositório público de código ou de dados associado, o que dificulta a reprodução independente por terceiros. Os pesquisadores são majoritariamente do Google Research, o que não invalida os resultados, mas significa que a comparação com métodos concorrentes foi conduzida pelos proponentes do método novo — situação em que reproduções externas são especialmente úteis.

Há ainda um custo que o artigo trata em apêndice e que merece atenção de quem for implementar: o laço envolve chamadas adicionais de modelo para manutenção do wiki e proposta de habilidades, além das execuções do próprio agente. Ganho de qualidade por meio de mais computação de otimização é um trade-off legítimo, mas precisa entrar na conta.

Por que isso importa

A discussão sobre memória de agentes tem oscilado entre dois extremos: dar ao modelo acesso irrestrito a tudo o que já aconteceu, o que enche o contexto de ruído, ou compactar tudo em instruções curtas, o que perde a justificativa das decisões. O WikiSkill propõe um caminho intermediário com uma separação explícita de responsabilidades — trajetória bruta imutável, conhecimento consolidado, instrução ativa —, cada uma com política de acesso própria.

Para equipes brasileiras que operam agentes em atendimento, automação de processos ou análise documental, o achado mais aproveitável no curto prazo é o da transferência entre modelos. Ele indica que documentar padrões de falha e estratégias que funcionam, em formato estruturado e legível, tende a ser um ativo que sobrevive à troca do modelo subjacente — algo que não se pode dizer de ajuste fino.

Conclusão

O WikiSkill não promete uma capacidade nova nos modelos; propõe uma disciplina de organização do que o agente aprende. Os ganhos relatados são consistentes nos cinco benchmarks testados e foram submetidos a teste estatístico, mas vêm de uma pré-publicação conduzida pelos próprios autores do método.

O que observar a seguir: a eventual liberação de código que permita reprodução independente, avaliações por grupos externos em domínios corporativos reais, e se a transferência entre famílias de modelos se sustenta em tarefas com ferramentas proprietárias, onde o conhecimento acumulado tende a ser bem mais específico do que nos benchmarks públicos usados no artigo.

Fontes e referências

• arXiv — WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution (Tang, Rashtchian, Ferng, Tomkins, Juan e Vu, arXiv:2608.27454v1, 27 de agosto de 2026)
• arXiv — Versão completa em HTML do artigo, com tabelas de resultados e apêndices
• arXiv — Listagem de submissões recentes em cs.AI

Imagem destacada: Figura 2 do artigo original, de Tang, Rashtchian, Ferng, Tomkins, Juan e Vu (Google Research e Virginia Tech), reproduzida sob licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), conforme declarado pelos autores em arXiv:2608.27454v1.