Raciocínio Automático e Uso de Ferramentas (ART)
Um framework que combina Chain-of-Thought prompting com o uso de ferramentas externas, permitindo que LLMs gerem automaticamente etapas de raciocínio intermediárias e chamem ferramentas como um programa.
O Que é ART?
A combinação de Chain-of-Thought (CoT) prompting com o uso de ferramentas tem se mostrado uma abordagem robusta e eficaz para resolver muitas tarefas com LLMs. Essas abordagens geralmente exigem a criação manual de demonstrações específicas por tarefa e uma intercalação cuidadosamente planejada entre as gerações do modelo e o uso de ferramentas.
Raciocínio Automático e Uso de Ferramentas (ART) propõe um novo framework que utiliza um LLM congelado para gerar automaticamente etapas de raciocínio intermediárias como um programa. O ART vai além do prompting tradicional ao permitir que o modelo decida quando e como usar ferramentas externas durante seu processo de raciocínio.
O ART foi introduzido por Paranjape et al. (2023) e representa um passo importante em direção a um raciocínio de IA mais autônomo. Ele se baseia em trabalhos anteriores sobre Chain-of-Thought prompting e modelos de linguagem aumentados com ferramentas.
Como o ART Funciona
O ART segue um processo estruturado que combina seleção de tarefas, geração de programas e integração de ferramentas:
Selecionar Exemplos de uma Biblioteca de Tarefas
Dada uma nova tarefa, o ART seleciona demonstrações de raciocínio em múltiplas etapas e uso de ferramentas de uma biblioteca de tarefas pré-construída. Esses exemplos servem como modelos que mostram ao modelo como decompor problemas semelhantes.
Executar o Programa com um LLM Congelado
No momento do teste, o modelo gera um programa de raciocínio. Ele pausa a geração sempre que ferramentas externas são chamadas (como mecanismos de busca, interpretadores de código ou calculadoras), integra o resultado delas e então retoma a geração.
Corrigir Erros (Opcional)
O ART é extensível. Humanos podem corrigir erros nas etapas de raciocínio ou adicionar novas ferramentas simplesmente atualizando as bibliotecas de tarefas e ferramentas. Isso torna a melhoria contínua simples e direta.
Principais Vantagens
- Generalização Zero-Shot: O ART incentiva o modelo a generalizar a partir de demonstrações para decompor uma nova tarefa e usar ferramentas nos momentos adequados, sem treinamento específico por tarefa.
- Extensibilidade Humana: Quando o modelo comete erros, humanos podem corrigir as etapas de raciocínio ou adicionar novas ferramentas à biblioteca. Isso cria um ciclo de feedback para melhoria contínua.
- Integração de Ferramentas: O ART integra perfeitamente chamadas a ferramentas externas (busca, execução de código, cálculos) na cadeia de raciocínio, produzindo resultados mais precisos e fundamentados.
- LLM Congelado: Nenhum ajuste fino é necessário. O ART funciona com o modelo como ele é, o que significa que pode ser aplicado a qualquer LLM capaz sem retreinamento.
ART na Prática
Aqui está um exemplo simplificado de como um prompt no estilo ART pode ser estruturado para uma tarefa de pesquisa:
TaskFind the population of Canada and France, then calculate the difference. Step 1: Search[SEARCH] “Population of Canada 2025” → Result: 40.1 million Step 2: Search[SEARCH] “Population of France 2025” → Result: 68.2 million Step 3: Calculate[CALC] 68.2 - 40.1 → Result: 28.1 million AnswerFrance has approximately 28.1 million more people than Canada.
Mesmo que você nunca implemente o ART diretamente, entender essa técnica ajuda a escrever prompts melhores. O insight central: dividir tarefas em etapas e saber quando usar ferramentas externas, é um princípio que você pode aplicar a qualquer interação com IA hoje.
Quando Usar o ART
- Tarefas que exigem múltiplas etapas de raciocínio combinadas com consultas factuais
- Fluxos de trabalho onde a precisão é fundamental e o modelo precisa verificar informações externamente
- Situações em que você precisa de um raciocínio estruturado e reproduzível que humanos possam auditar e corrigir
- Construção de sistemas de agentes de IA que precisam decidir autonomamente quando chamar ferramentas
Leitura Adicional
Para um aprofundamento no ART e técnicas relacionadas, explore estes recursos:
- Guia de Engenharia de Prompt: ART (referência original)
- Chain-of-Thought Prompting (técnica fundamental)
- ReAct: Raciocínio + Ação (abordagem relacionada)