> ## Content Index
> Fetch the complete content index at: https://blog.diegomirhan.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# PoS: paper dá aos agentes de IA um estado de crença e supera os baselines em quatro testes
- URL: https://blog.diegomirhan.com/pos-agentes-de-ia-com-estado-de-crenca/
- Published: 2026-10-02T22:35:10.000Z
- Updated: 2026-10-02T22:35:10.000Z
- Description: O PoS mantém um estado de crença validado em vez do histórico bruto e vence os baselines em quatro benchmarks, mas gasta 5 vezes mais tokens.
- Author: Diego Rodrilla Mirhan
- Tags: Inovação, Agentes, Pesquisa, Open source, #pipeline

Um paper publicado no arXiv em 1º de outubro propõe o PoS (Progression of States), uma camada que faz agentes de IA em tarefas longas manterem um estado de crença explícito em vez de reler todo o histórico, segundo o [artigo no arXiv](https://arxiv.org/abs/2610.01415?ref=blog.diegomirhan.com). Nos quatro benchmarks do trabalho, o PoS ficou à frente dos baselines com os três modelos testados, e o código está aberto no [GitHub](https://github.com/luoyu100/PoS?ref=blog.diegomirhan.com). Para quem constrói agentes, o recado é que o problema de contexto pode se resolver com organização do que o agente sabe, e não só com janela maior.

Neste post

1. [Qual problema o PoS ataca nos agentes de tarefa longa?](#qual-problema-o-pos-ataca-nos-agentes-de-tarefa-longa)
2. [Como o PoS funciona, passo a passo](#como-o-pos-funciona-passo-a-passo)
3. [O que os números mostram](#o-que-os-n%C3%BAmeros-mostram)
4. [Como usar o PoS e quanto custa](#como-usar-o-pos-e-quanto-custa)
5. [Quais são os limites do PoS?](#quais-s%C3%A3o-os-limites-do-pos)

## Qual problema o PoS ataca nos agentes de tarefa longa?

Um agente de IA, aqui, é um modelo de linguagem que age em passos: lê uma observação, escolhe uma ação, lê o resultado e repete. Em tarefas longas, o histórico desses passos cresce e vira o contexto de cada decisão. O modelo acaba reprocessando centenas de linhas para descobrir o que já sabe e o que falta fazer.

Os autores chamam de Belief Trapping (aprisionamento de crença) o caso em que o agente segue agindo sem avançar, seja repetindo o mesmo passo, seja andando em círculo. O [paper](https://arxiv.org/abs/2610.01415?ref=blog.diegomirhan.com) trata isso como falha do contexto: a informação certa está no histórico, mas misturada com ruído.

## Como o PoS funciona, passo a passo

Em vez do histórico bruto, o PoS mantém um estado de crença (belief state) com quatro partes, conforme o [texto completo do paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com). A primeira é o estado do mundo relevante, descrito em entidades, estados e relações. A segunda é o objetivo e o critério de conclusão. As outras duas são lacunas ainda abertas: o que o agente não sabe (epistêmica) e o que ele ainda não fez (de realização).

A cada passo, o agente decide olhando para esse estado, para a lacuna ativa e para eventuais restrições de recuperação. Depois da ação, a observação gera uma proposta de atualização, e essa proposta só entra se passar por uma validação. O "Belief Sentinel" confere se o novo estado se contradiz por dentro ou contradiz o que foi observado.

![Diagrama do PoS: modelagem da crença, interação guiada, recuperação de aprisionamento e o validador Belief Sentinel](https://blog.diegomirhan.com/content/images/2026/10/pos-agentes-de-ia-com-estado-de-crenca-imagem-1.webp)

Visão geral do PoS no paper: o estado de crença guia a ação, o Belief Sentinel valida a atualização e a recuperação age quando o agente trava. Imagem: [Autores do paper, via arXiv (CC BY 4.0)](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com)

![Fluxo em cinco passos: estado de crença, ação, observação, validação do Sentinel e detecção de aprisionamento](https://blog.diegomirhan.com/content/images/2026/10/pos-agentes-de-ia-com-estado-de-crenca-figura-2.webp)

Um passo do agente com o PoS

A detecção de aprisionamento usa três sinais numa janela dos últimos passos: quanto tempo as lacunas ficam abertas, quantos passos não registram progresso e quantas vezes o mesmo estado de mundo reaparece. Quando a nota de saúde cai abaixo de um limiar, o PoS classifica o padrão (parado, em ciclo ou à deriva) e o tipo de lacuna bloqueada. Cada combinação gera uma restrição diferente, como quebrar o ciclo ou exigir uma evidência que distinga hipóteses, tudo descrito no [paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com).

## O que os números mostram

O trabalho testou quatro benchmarks: ALFWorld (134 casos de tarefas em ambiente de texto), LOCA-Bench (525 casos de fluxos com várias fontes e contexto de 8 mil a 256 mil tokens), RCA-100 (103 casos de diagnóstico de falha em microsserviços) e ClinDiag (604 casos de raciocínio clínico). Os três modelos de base foram Qwen3.7-Plus, Kimi-K3 e GLM-5.3, de acordo com o [texto no arXiv](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com).

O ganho relativo sobre o melhor baseline chegou a 22,68% no ALFWorld, 7,53% no LOCA-Bench, 37,89% no RCA-100 e 11,31% no ClinDiag, segundo o [paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com). No ALFWorld, o PoS com o Qwen chegou a 88,81%, contra 72,39% do LongHorizon-Harness, o melhor baseline daquele teste.

![Gráfico de barras: PoS com 88,81% e LongHorizon-Harness com 72,39% no ALFWorld](https://blog.diegomirhan.com/content/images/2026/10/pos-agentes-de-ia-com-estado-de-crenca-figura-3.webp)

Acerto no ALFWorld com o Qwen3.7-Plus (%). Fonte: [arxiv.org](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com)

O teste de escala de contexto é o mais interessante para quem usa janelas grandes. No LOCA-Bench, o histórico bruto perde desempenho conforme o contexto cresce, e o ACON, que comprime o histórico, cai mais devagar. O PoS se manteve estável de 96 mil a 256 mil tokens e ficou de 10,67 a 16,00 pontos percentuais à frente do melhor baseline em 256 mil, conforme o [paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com).

As ablações (retirar uma peça e medir) apontam o que importa. Sem a validação de consistência, o desempenho cai de 0,33 a 14,93 pontos, com o pior efeito nas tarefas de execução. Sem a recuperação de aprisionamento, a perda vai de 2,65 a 6,79 pontos, de acordo com o [mesmo texto](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com).

## Como usar o PoS e quanto custa

O repositório traz a gestão de crenças, os baselines, as integrações com os quatro benchmarks, os prompts e a documentação. O código tem licença MIT, e os componentes de benchmark mantêm os termos próprios, segundo o [repositório no GitHub](https://github.com/luoyu100/PoS?ref=blog.diegomirhan.com). Ele pede Linux e Python 3.11, instala com `pip install -r requirements.txt` e roda por arquivos YAML de configuração, e a documentação recomenda o Qwen3.7-Plus pela API DashScope.

Isso quer dizer que o PoS funciona como camada em volta de um modelo e não exige treinar nada, e a [página do paper no Hugging Face](https://huggingface.co/papers/2610.01415?ref=blog.diegomirhan.com) descreve o método como de tempo de inferência. O repositório, porém, não traz instruções para rodar com modelo local, e o paper não informa qual GPU seria necessária. O projeto é recente: tem poucas estrelas e 8 commits no [GitHub](https://github.com/luoyu100/PoS?ref=blog.diegomirhan.com), ou seja, é um código de pesquisa recém-lançado.

## Quais são os limites do PoS?

O custo é o primeiro. Na tabela de custo do [paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com), com o Qwen3.7-Plus no RCA-100, o acerto conjunto sobe de 24,27% para 38,83%, e o consumo total de tokens fica 5,06 vezes maior por causa da manutenção das crenças. O agente que age gasta 20,9% menos tokens, mas validar e atualizar o estado custa mais do que isso. Tirar a validação economiza 35,6% dos tokens e perde 7,76 pontos de acerto.

O segundo limite é a dependência de conhecimento do domínio. Os próprios autores listam as duas restrições no [paper](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com): custo da manutenção explícita e necessidade de saber como descrever o estado em cada tarefa. Além disso, os quatro benchmarks são de texto e de diagnóstico; o paper não mostra agente que mexe em código ou em navegador.

Minha leitura é que vale testar a ideia, não o código pronto. Se você tem um agente que se perde depois de 50 passos, manter uma lista curta de fatos confirmados e de pendências, e validá-la antes de gravar, é uma mudança pequena que o paper sugere funcionar. O que eu cobraria dos autores é o mesmo número com um modelo pequeno e local, porque um custo de 5,06 vezes em tokens pesa muito mais fora de uma API.

## Fontes

- [Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States](https://arxiv.org/abs/2610.01415?ref=blog.diegomirhan.com), arXiv, 1 out. 2026
- [Versão HTML do paper (tabelas e figuras)](https://arxiv.org/html/2610.01415v1?ref=blog.diegomirhan.com), arXiv, 1 out. 2026
- [Repositório luoyu100/PoS](https://github.com/luoyu100/PoS?ref=blog.diegomirhan.com), GitHub, 2026
- [Página do paper no Hugging Face](https://huggingface.co/papers/2610.01415?ref=blog.diegomirhan.com), Hugging Face, 2 out. 2026