# Orquestração baseada em competências ajusta comunicação entre equipes de agentes

> A estrutura ajusta papéis e comunicação dos agentes às competências exigidas pela tarefa.

- URL canônica: https://newsverum.com/pt/news/competence-aware-orchestration-adjusts-llm-agent-teams
- Editora: Newsverum
- Seção: Tecnologia
- País: Hong Kong, RAE da China
- Publicado: 2026-10-13T00:51:40+00:00
- Atualizado: 2026-10-13T00:51:40+00:00
- Período do evento ou dos dados: 2026-10-09
- Outras edições: [Türkçe](https://newsverum.com/tr/news/competence-aware-orchestration-adjusts-llm-agent-teams.md), [English](https://newsverum.com/en/news/competence-aware-orchestration-adjusts-llm-agent-teams.md), [العربية](https://newsverum.com/ar/news/competence-aware-orchestration-adjusts-llm-agent-teams.md), [Français](https://newsverum.com/fr/news/competence-aware-orchestration-adjusts-llm-agent-teams.md), [Español](https://newsverum.com/es/news/competence-aware-orchestration-adjusts-llm-agent-teams.md), [Deutsch](https://newsverum.com/de/news/competence-aware-orchestration-adjusts-llm-agent-teams.md)

Pesquisadores da Hong Kong Polytechnic University apresentaram uma estrutura de coordenação de agentes baseada em competências. Ela compara o contexto da tarefa com o perfil de capacidades de cada modelo e ajusta a atribuição de papéis e o grafo de comunicação, evitando uma configuração multiagente fixa para todas as tarefas.

Nos benchmarks, os autores relatam redução de 36,26% no uso de tokens com manutenção das pontuações médias em configurações selecionadas de modelos fortes. O resultado está ligado a avaliações baseadas no GPT-4o e tarefas de benchmark especificadas; o artigo não demonstra que os perfis de capacidade possam ser inferidos com a mesma precisão para outros modelos ou fluxos reais.

## Dados

### Resultado da pesquisa

Seis benchmarks; experimentos baseados em GPT-4o; uso médio de tokens em configurações selecionadas

Metodologia: O valor se limita ao experimento de benchmark descrito no artigo; não é um resultado de campo nem uma garantia geral.

| Medida | Percentual | Escopo |
|---|---|---|
| Redução do uso de tokens em configurações selecionadas de modelos fortes | 36.26 | Seis benchmarks; experimentos baseados em GPT-4o; uso médio de tokens em configurações selecionadas |

Fontes: <https://arxiv.org/html/2610.13144v1> · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/competence-aware-orchestration-adjusts-llm-agent-teams/data/reported-result-1?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/competence-aware-orchestration-adjusts-llm-agent-teams/data/reported-result-1?lang=pt&format=csv)

## Fontes

- [arXiv preprint by Hong Kong Polytechnic University researchers](<https://arxiv.org/html/2610.13144v1>) (Fonte verificada: 2026-10-13; Publicado: 2026-10-09)

---

Use a URL canônica acima para citar este artigo. [Princípios editoriais e correções](https://newsverum.com/pt/editorial)