O preprint de Müller e colegas, de setembro de 2026, descreve um sistema que mantém o estado da otimização fora do modelo de linguagem e executa programas experimentais repetíveis. Os autores avaliam cinco tarefas digitais e duas plataformas físicas. Na química em fluxo, o rendimento medido subiu de 30% para 58,8% em 23 experimentos. Outro resultado, um ângulo de contato de 67,8°, ficou fora da meta de 64–66°.[1]
Os autores relatam custo total 13% menor que o de uma campanha conduzida por pessoas, mas deixam claro que não é uma comparação controlada. Espaço de busca, inicialização, duração e condições finais eram diferentes. O cálculo inclui inferência do modelo; não comprova economia em qualquer tarefa nem operação mais rápida do laboratório. É evidência de um preprint, não uma replicação independente.
O melhor rendimento do agente foi de 58,8%, contra 70,9% na campanha humana completa e 63,9% com o mesmo orçamento de consumíveis. Os 23 experimentos, contra 50, ajudam a explicar o custo total menor, mas não demonstram resultados equivalentes.[1]
Análise e aplicação
A pergunta aplicável é onde termina uma operação repetível e começa uma decisão. Preservar entradas, medições e motivos das mudanças ajuda a distinguir um experimento malsucedido de uma falha de medição. Um registro consultável facilita a investigação; sozinho, não comprova decisões corretas nem segurança.
Análise e aplicação
- Definir objetivo, faixa aceitável e condições de parada.
- Separar medições brutas, interpretações e decisões.
- Testar a recuperação de medições ausentes ou incorretas sem apagar resultados válidos.
- Comparar tarefas equivalentes, incluindo preparação, tempo humano, materiais, modelo e ocupação dos equipamentos.
- Registrar falhas e sucessos. São etapas de avaliação propostas, não resultados adicionais do estudo.
CONFIRA AS EVIDÊNCIAS