Pesquisa e Projetos

A maior parte do que aprendo sobre agentes vem de rodá-los em produção, e, quando posso, transformo isso em algo que outras pessoas possam verificar e reaproveitar. Tudo abaixo é público, com a metodologia documentada, inclusive as partes que não funcionaram.

Pesquisa aberta

LHC: um benchmark de coerência de longo prazo para agentes (2026)

Um benchmark aberto que mede se modelos da classe 8B conseguem manter estado, compromissos e trabalho pela metade ao longo de grandes trechos de contexto não relacionado. São 24 tarefas curadas à mão em três modos de falha, cada uma rodada em quatro condições de gap, com uma matriz de decisão travada antes de qualquer modelo ser avaliado. O release também inclui um parser determinístico de cerca de oitenta linhas de Python, que acabou sendo um bom piso para tarefas de estado estruturado, e o diário completo de um fine-tune que não superou de forma mensurável o modelo base. Publiquei esse resultado, e não o modelo.

Dataset no Hugging Face · Código · Parser baseline · Artigo

Como agentes falham em produção: MAST com telemetria real (2026)

A maior parte da pesquisa sobre falhas estuda tarefas de benchmark. Apliquei a taxonomia MAST a 639.381 passos de execução em 23.624 runs de uma plataforma de agentes em closed alpha, ao longo de cinco meses. O resultado mais útil foi metodológico: o meu primeiro achado principal era um bug de infraestrutura que parecia comportamento do agente. O código e os resultados agregados são públicos, e todos os números do artigo podem ser reproduzidos a partir deles.

Código e resultados · Artigo

Sistemas de produção sobre os quais escrevo

Na Complyance construí o runtime em que nossos agentes de compliance rodam, e um broker que permite que eles chamem o GitHub, a AWS e outros sistemas dos clientes a partir de um sandbox que nunca guarda uma credencial. Esse código não é aberto, então escrevo sobre a arquitetura com o máximo de detalhe que posso:

Empresas e ventures

Mais código no meu GitHub.