Pesquisadores Propõem Artefatos Nativos de Agentes como um Novo Formato para o Trabalho Científico

A IEEE Spectrum destacou uma proposta de 37 autores que desafia uma convenção científica básica: pesquisadores deveriam deixar de tratar artigos legíveis por humanos como sua principal entrega. Em seu lugar, os autores defendem pacotes de pesquisa executáveis por máquinas, projetados para agentes de IA. O argumento não é que as pessoas devam perder acesso à ciência. É que a inteligência artificial agora precisa de mais detalhes do que um artigo convencional consegue conter.

A proposta aparece em The Last Human-Written Paper, submetido ao ArXiv em 27 de abril de 2026 e revisado em 19 de maio. Seus autores chamam a alternativa de Agent-Native Research Artifact, ou ARA. O formato reúne alegações científicas, código executável, histórico de pesquisa e evidências brutas em um único pacote estruturado.

Essa proposta cria um conflito mais incisivo do que o título provocativo sugere. A ciência precisa se tornar mais fácil de ser inspecionada por máquinas sem se tornar mais difícil de ser questionada por pessoas. A disputa real, portanto, não é entre leitores de IA e leitores humanos. É entre eficiência de máquina e as funções narrativas, editoriais e sociais que tornam a pesquisa compreensível.

O artigo relata ganhos substanciais em benchmarks selecionados de aprendizado de máquina. No entanto, seus próprios resultados também revelam um alerta. Registros detalhados de falhas anteriores podem orientar um agente de IA para um trabalho útil, mas também podem prendê-lo a ideias ultrapassadas.

O Que a Reportagem da IEEE Spectrum Realmente Colocou em Pauta

A proposta transforma o principal objeto científico de um documento persuasivo em um pacote operacional.

Um artigo convencional apresenta um projeto de pesquisa como um argumento linear. Ele introduz um problema, descreve um método, relata resultados e explica por que esses resultados importam. Código, dados, arquivos suplementares e registros de laboratório geralmente ficam fora dessa narrativa central.

O ARA inverte essa hierarquia. O pacote estruturado se torna o registro principal, enquanto um artigo legível se torna uma visão compilada de seu conteúdo. Um agente de IA pode inspecionar alegações individuais, rastrear evidências, executar código ou acompanhar as decisões que moldaram um experimento.

Os 37 pesquisadores organizam o ARA em quatro camadas conectadas. Uma camada cognitiva registra o problema, conceitos, experimentos e alegações falseáveis. Uma camada física contém código executável, configurações, dependências, requisitos de hardware e seeds.

Um grafo de exploração preserva ramificações, abordagens rejeitadas, falhas e mudanças de rumo. Uma camada de evidências reúne resultados, logs, curvas e outras saídas que sustentam cada alegação. Referências cruzadas conectam uma afirmação ao seu experimento, código e evidência.

Essa estrutura responde a dois problemas que os autores chamam de Storytelling Tax e Engineering Tax. A Storytelling Tax surge quando pesquisadores comprimem meses de trabalho com ramificações em um único caminho bem-sucedido. Experimentos fracassados e hipóteses rejeitadas muitas vezes desaparecem nessa compressão.

A Engineering Tax descreve a diferença entre informação suficiente para persuasão e informação suficiente para execução. Um revisor pode entender por que um método deveria funcionar sem possuir cada configuração necessária para reproduzi-lo. Um agente de IA tentando realizar o experimento não consegue preencher essa lacuna de forma confiável.

Os autores também propõem três sistemas de apoio. Um Live Research Manager registraria decisões durante o trabalho cotidiano com um assistente de IA. Um ARA Compiler converteria artigos e repositórios existentes para a nova estrutura.

Um processo de revisão nativo de ARA verificaria então a integridade estrutural, o rigor argumentativo e a reprodutibilidade. Revisores humanos continuariam responsáveis por julgamentos envolvendo relevância, novidade e critério científico.

A análise da IEEE Spectrum torna essa proposta relevante porque ela vai além do uso de IA para resumir artigos. Ela pergunta se a comunicação científica deveria ser redesenhada em torno de sistemas autônomos que leem, reproduzem e ampliam pesquisas.

Essa distinção importa. Ferramentas de busca tratam artigos como documentos a serem recuperados. O ARA trata a pesquisa como um ambiente no qual um agente pode agir.

A proposta também vai além de anexar um notebook ou repositório a um PDF. Sua alegação central é que artigos narrativos são compilações com perda de informação. Adicionar mais arquivos suplementares não restaura necessariamente as conexões entre alegações, decisões, detalhes de implementação e evidências brutas.

Portanto, o ARA faz uma exigência institucional direta. Universidades, conferências, periódicos, financiadores e equipes de pesquisa precisariam reconhecer artefatos estruturados como resultados de primeira classe. Sem esse reconhecimento, o ARA permanecerá um suplemento elaborado, e não uma substituição.

Por Que Agentes de IA Pressionam os Editores Científicos

Editoras agora enfrentam um problema de formato porque sistemas de IA consomem pesquisa de forma diferente dos leitores humanos.

As pessoas geralmente começam por títulos, resumos, figuras e conclusões. Elas transitam entre seções de acordo com seu interesse e especialização. Uma narrativa bem escrita ajuda a entender por que uma questão importa e como as evidências transformam um argumento.

Um agente de IA que executa trabalho técnico tem necessidades diferentes. Ele precisa identificar alegações precisas, resolver dependências, localizar configurações, inspecionar código e conectar números relatados a saídas brutas. Também precisa distinguir um resultado confirmado de uma hipótese ou ideia abandonada.

Um PDF pode conter esses detalhes, mas raramente os expõe de modo consistente. Tabelas podem ser difíceis de analisar. Equações podem perder estrutura durante a extração. Um método pode depender de configurações espalhadas entre prosa, apêndices, código e conversas não documentadas.

Os pesquisadores do ARA examinaram 8.921 requisitos de reprodução anotados por especialistas associados a 23 artigos da ICML 2024. Eles relatam que apenas 45,4% estavam totalmente especificados nos PDFs correspondentes. Os requisitos de desenvolvimento de código tiveram 37,3% de cobertura suficiente.

Hiperparâmetros ausentes representaram 26,2% das lacunas de informação identificadas. Esses números vêm da análise dos autores da proposta, e não de uma auditoria independente do ARA. Ainda assim, descrevem um problema conhecido de reprodutibilidade em termos excepcionalmente concretos.

O benchmark subjacente é o PaperBench, que avalia se agentes de IA conseguem reproduzir pesquisas de aprendizado de máquina. A reprodução envolve mais do que responder a perguntas sobre um artigo. O agente precisa reconstruir experimentos e produzir resultados que avaliadores especialistas possam analisar.

Editoras não são os únicos grupos sob pressão. Pesquisadores teriam de registrar informações mais estruturadas enquanto um projeto está em andamento. Laboratórios precisariam de políticas para preservar decisões internas sem divulgar material confidencial.

Revisores de conferências precisariam de ferramentas para navegar por artefatos que podem conter milhares de arquivos e eventos. Arquivistas precisariam de padrões estáveis para ambientes, dependências, proveniência e permissões de acesso. Instituições de pesquisa também precisariam decidir quais ações de máquinas contam como verificação válida.

A resposta do artigo ao ônus de autoria é a automação. Seu Live Research Manager observaria o trabalho entre humanos e agentes e transformaria decisões em registros estruturados. Essa abordagem pressupõe que um assistente de IA participe de todo o projeto.

Essa premissa se encaixa em alguns laboratórios de ciência da computação. Ela se aplica de forma menos natural à biologia experimental, estudos clínicos, pesquisa de campo e trabalho qualitativo. Grande parte de suas evidências começa como observações físicas, entrevistas, instrumentos, amostras ou registros restritos.

Os autores reconhecem que sua avaliação abrange aprendizado de máquina. Eles afirmam que as camadas física e de exploração podem exigir adaptação substancial para experimentos conduzidos fora de ambientes computacionais. Essa limitação restringe consideravelmente a alegação imediata.

A publicação científica também atende leitores que não executam código. Formuladores de políticas, jornalistas, estudantes, pesquisadores interdisciplinares e comunidades afetadas precisam de explicações, não de percorrer repositórios. Um formato otimizado apenas para agentes falharia com esses públicos.

A versão mais robusta da proposta é, portanto, a publicação dupla. Um objeto de pesquisa estruturado pode conter detalhes executáveis, enquanto uma narrativa humana explica propósito, incerteza e consequência. O próprio artigo apoia efetivamente essa abordagem ao chamar as narrativas de visões compiladas.

A IEEE Spectrum expõe um ponto real de pressão, mas a resposta prática não exige abandonar a prosa. Ela exige encerrar o papel do PDF como a única representação autoritativa de um projeto.

O Conflito Central da IEEE Spectrum É Conhecimento Versus Narrativa

A estrutura legível por máquinas pode preservar mais detalhes de pesquisa, mas detalhes por si só não produzem compreensão científica.

Os autores resumem seu princípio de design como “Knowledge over Narrative”. Essa frase identifica a percepção mais forte da proposta e sua fraqueza central. O conhecimento de pesquisa nem sempre é separável da forma como um argumento é construído.

A narrativa pode ocultar falhas e suavizar a incerteza. Ela também pode explicar por que um problema merece atenção, quais premissas têm peso moral e onde as evidências permanecem ambíguas. Essas funções são difíceis de reduzir a alegações, dependências e tarefas executáveis.

Artigos científicos são persuasivos porque a ciência exige julgamento. Leitores avaliam se uma questão é importante, se uma comparação é justa e se uma explicação se ajusta às evidências. Um pacote verificável por máquinas pode apoiar essas decisões sem torná-las automáticas.

Ainda assim, as quatro camadas do ARA oferecem benefícios claros. Ligações entre alegações e evidências podem expor conclusões sem sustentação. Registros de configuração podem reduzir tentativas desperdiçadas de reprodução. Históricos de exploração podem impedir que várias equipes repitam a mesma abordagem fracassada.

O ponto de entrada PAPER.md proposto também favorece a divulgação progressiva. Um agente pode primeiro ler uma visão geral compacta e, em seguida, carregar apenas os arquivos necessários para uma questão específica. Esse design ajuda a controlar o uso de contexto enquanto preserva material mais profundo.

A abordagem amplia esforços anteriores para tornar objetos de pesquisa mais fáceis de encontrar e reutilizar. Os princípios FAIR estabeleceram que os dados devem ser encontráveis, acessíveis, interoperáveis e reutilizáveis. Outros sistemas empacotam fluxos de trabalho, proveniência, notebooks ou alegações atômicas.

O ARA tenta conectar todas essas dimensões com execução e histórico de decisões. Sua novidade está menos em qualquer tipo de arquivo isolado do que nas ligações entre eles. Uma alegação pode apontar para um experimento, caminho de código, saída e sequência de decisões anteriores.

Essa estrutura tornaria o trabalho científico mais fácil de auditar se os pesquisadores a mantivessem fielmente. Também poderia tornar o relato seletivo mais visível. Um revisor poderia inspecionar quantas abordagens falharam antes que o método relatado tivesse sucesso.

No entanto, registros exaustivos introduzem novos problemas de interpretação. Um experimento fracassado pode refletir uma implementação falha, e não uma hipótese ruim. Um agente poderia tratar uma falha antiga como uma restrição universal quando ela se aplicava apenas a um ambiente.

Os próprios testes de extensão do artigo demonstram esse risco. Agentes equipados com ARA encontraram primeiros passos úteis mais rapidamente em cinco tarefas do RE-Bench. Eles tinham acesso a rastros de falhas e heurísticas que agentes baseados em artigos precisavam redescobrir.

Em duas tarefas que usavam um modelo mais capaz, a vantagem inicial não produziu o melhor resultado final. O agente baseado no artigo continuou explorando além do manual documentado. O agente ARA permaneceu ancorado em estratégias registradas no artefato.

Esse resultado enfraquece o argumento de venda mais simples. Contexto mais estruturado nem sempre produziu melhor pesquisa aberta. Às vezes, a ignorância preservou um espaço de busca mais amplo.

A troca relevante é entre memória e exploração. Sistemas científicos precisam de memória suficiente para evitar repetições desnecessárias. Também precisam de mecanismos que impeçam conclusões herdadas de se tornarem fronteiras invisíveis.

Pesquisadores humanos já enfrentam esse problema. Revisões de literatura ajudam a construir sobre trabalhos anteriores, mas estruturas aceitas podem desencorajar perguntas alternativas. Um agente de máquina poderia ampliar esse efeito porque segue estruturas explícitas de forma consistente.

ARA poderia lidar com o risco ao anexar proveniência, datas, capacidades do modelo e condições de escopo a ramificações que falharam. Agentes poderiam descontar um resultado antigo quando hardware, dados ou métodos tivessem mudado. Também poderiam receber orçamentos deliberados de exploração fora do grafo registrado.

Essas proteções não são detalhes menores de implementação. Elas determinam se um artefato nativo para agentes se torna um mapa ou uma gaiola. Um mapa identifica o terreno conhecido enquanto deixa espaço além de suas fronteiras.

O melhor resultado preservaria ambas as representações. Humanos receberiam uma narrativa clara, com autoria responsável. Agentes receberiam um objeto de pesquisa inspecionável contendo o detalhe operacional que a prosa não consegue reter de forma eficiente.

Os Ganhos de Benchmark São Significativos, Mas Ainda Não Constituem um Veredito

Os resultados relatados justificam mais testes, não uma substituição geral dos artigos científicos.

Os autores avaliam compreensão, reprodução, extensão e revisão automatizada. Sua comparação mais direta fornece aos agentes um pacote ARA ou um artigo convencional com código associado. Os testes então medem o quão bem cada representação apoia tarefas de pesquisa.

Para respostas a perguntas em PaperBench e RE-Bench, o artigo relata uma elevação da precisão de 72,4% para 93,7%. Isso representa uma diferença de 21,3 pontos percentuais em 450 perguntas. O resultado sugere que artefatos estruturados ajudam agentes a localizar informações técnicas precisas.

Para reprodução, a taxa de sucesso relatada sobe de 57,4% para 64,4%. A avaliação cobre 150 subtarefas extraídas de 15 artigos do PaperBench. A melhoria de sete pontos é útil, mas ainda deixa mais de um terço das tarefas sem sucesso.

Os resultados de extensão são mais complicados. ARA alcançou a melhor pontuação em três de cinco tarefas abertas e encontrou uma direção inicial eficaz mais cedo em todas as cinco. Ainda assim, os registros de falhas anteriores às vezes restringiram agentes mais fortes.

Estes são resultados dos autores em um preprint. O trabalho não havia passado por uma revisão tradicional de periódico quando foi publicado no ArXiv. Equipes independentes ainda precisam reproduzir as comparações e testar se o processo de construção dos artefatos favoreceu a condição ARA.

O artigo divulga vários limites importantes. Avaliadores familiarizados com os artigos selecionados e com o formato ARA ajudaram a construir o benchmark anotado por humanos. O desempenho pode variar para temas desconhecidos, metodologias incomuns ou artefatos menos curados.

O compilador também não consegue recuperar informações ausentes de um artigo original. Se os autores omitiram uma configuração experimental, um sistema de extração não consegue reconstruí-la de maneira confiável. Portanto, um artigo legado convertido herda muitas das lacunas do documento-fonte.

A captura em tempo real pode preservar mais informações, mas cria outra dependência. O sistema pressupõe que decisões de pesquisa passem por um fluxo de trabalho mediado por IA. Conversas fora desse fluxo, experimentos manuais, mensagens privadas e julgamentos não registrados podem continuar ausentes.

A segurança é uma questão não resolvida maior. O artigo afirma que requisitos de produção, incluindo execução em sandbox, detecção de anomalias no nível de conteúdo e controles granulares de acesso, ainda não foram implementados. Esses controles são necessários antes que agentes executem pacotes de pesquisa desconhecidos.

Um artefato malicioso poderia conter código inseguro ou instruções enganosas. Uma dependência comprometida poderia alterar resultados. Rastros sensíveis poderiam expor ideias não publicadas, informações pessoais, descobertas de segurança ou conjuntos de dados confidenciais.

A privacidade também entra em conflito com a captura abrangente. Preservar cada ideia rejeitada e conversa parece valioso para máquinas. Pesquisadores podem falar com menos liberdade se cada comentário especulativo se tornar parte de um artefato durável.

O acesso seletivo pode reduzir essa preocupação, mas evidências restritas criam complicações de verificação. Revisores precisam saber o que foi retido e por quê. Instituições também devem impedir que material privado vaze por resumos gerados ou resultados derivados.

A revisão automatizada introduz outra incerteza. O proposto ARA Seal verifica estrutura, rigor e execução em níveis crescentes. A completude estrutural, porém, não garante que uma alegação seja cientificamente importante ou conceitualmente sólida.

Modelos de linguagem de grande porte também podem emitir julgamentos inconsistentes. O artigo relata patologias envolvendo seu auditor de rigor baseado em modelo, incluindo incompatibilidades entre problemas detectados e pontuações atribuídas. A revisão humana continua necessária mesmo dentro da arquitetura proposta.

Essas limitações não anulam os ganhos. Elas mostram por que a adoção deveria começar com artefatos paralelos em áreas computacionais. Conferências podem solicitar pacotes ARA mantendo artigos legíveis por humanos e a revisão normal.

As equipes poderiam então comparar o esforço de autoria, o tempo dos revisores, as taxas de reprodução, os incidentes de segurança e a reutilização de artefatos. Essas medições forneceriam evidências mais fortes do que substituir artigos apenas com base no desempenho em benchmarks.

A proposta é melhor compreendida como pesquisa de infraestrutura. Ela oferece um formato testável e ferramentas de apoio. Não estabeleceu um ponto final universal para a comunicação científica.

Três Sinais Mostrarão se a Pesquisa Nativa para Agentes Funciona

A próxima fase deve ser julgada por adoção, reprodução independente e segurança operacional, e não por títulos provocativos.

O primeiro sinal é a adoção por conferências, periódicos ou grandes laboratórios. Um piloto crível exigiria artefatos estruturados para uma classe definida de submissões computacionais. Também especificaria regras de arquivamento e responsabilidades dos revisores.

Uploads voluntários no GitHub são úteis, mas não testam a aceitação institucional. Pesquisadores respondem a requisitos de publicação, práticas de citação, regras de financiamento e incentivos de promoção. Um formato se torna infraestrutura somente quando esses sistemas o reconhecem.

O segundo sinal é a reprodução independente. Equipes externas devem reconstruir as comparações ARA relatadas usando artigos não vistos, agentes diferentes e múltiplas famílias de modelos. Elas devem divulgar o custo de criar e manter cada artefato.

Um estudo útil separaria três efeitos. Um vem de uma formatação melhor. Outro vem da adição de informações indisponíveis no artigo. O terceiro vem de avaliadores saberem como o artefato foi construído.

Essa separação importa porque qualquer pacote detalhado de pesquisa poderia superar um PDF curto. A questão mais difícil é se a ontologia específica da ARA oferece benefícios duradouros entre projetos e instituições. Testes independentes podem estabelecer essa diferença.

O terceiro sinal é um modelo crível de segurança e governança. Antes que agentes executem artefatos compartilhados, o ecossistema precisa de sandboxing, controles de dependências, verificações de proveniência, permissões e logs de auditoria duráveis. Essas salvaguardas precisam funcionar entre organizações.

A governança também deve definir autoria. Se agentes capturam decisões, modificam alegações, executam experimentos e geram resumos, os leitores precisam saber quais contribuições vieram de pessoas. A atribuição não pode se tornar um campo opaco gerado depois que o trabalho está concluído.

O repositório ARA público fornece código e exemplos para experimentação. Essa abertura pode ajudar pesquisadores independentes a inspecionar o esquema proposto. Ela também oferece a possíveis adotantes um objeto concreto para testar, em vez de um padrão puramente teórico.

A adoção no curto prazo provavelmente será desigual. Aprendizado de máquina e sistemas computacionais oferecem o encaixe mais claro porque seus experimentos já envolvem código, configurações, logs e resultados mensuráveis. Outras disciplinas exigirão controles físicos e éticos diferentes.

Pesquisadores não devem interpretar a pergunta da IEEE Spectrum como uma ordem para escrever para máquinas em vez de pessoas. Devem tratá-la como uma exigência de parar de forçar um único documento a servir a todos os públicos.

Um artigo pode continuar sendo a interface humana. Um pacote nativo para agentes pode se tornar o registro operacional. Nenhum dos dois deve substituir silenciosamente o outro até que as evidências mostrem quais funções científicas cada formato desempenha bem.

Essa divisão também oferece um fluxo de trabalho prático para trabalhadores do conhecimento. As equipes podem preservar material-fonte estruturado enquanto produzem explicações legíveis para colegas. Uma base de conhecimento pesquisável segue o mesmo princípio amplo: reter as evidências enquanto torna a recuperação mais fácil.

A parte difícil não é gerar mais arquivos. É manter conexões confiáveis entre alegações, decisões, código e evidências. Essas conexões precisam sobreviver a mudanças de software, rotatividade de pessoal e divergências sobre interpretação.

A IEEE Spectrum revelou uma proposta séria sob um título intencionalmente dramático. É improvável que o futuro da publicação científica seja o último artigo escrito por humanos. É mais provável que seja o primeiro registro de pesquisa projetado honestamente para ambos os tipos de leitor.

Pesquisadores devem fazer uma pergunta concreta antes de adotar ARA: este pacote torna o trabalho mais fácil de verificar sem enfraquecer a compreensão humana? Se reproduções independentes, pilotos institucionais e execução segura responderem que sim, artefatos nativos para agentes merecem um lugar formal ao lado dos artigos. Até lá, cientistas devem experimentar o formato, preservar narrativas legíveis e resistir a tratar a eficiência das máquinas como a única medida da comunicação científica.