---
title: "Fermilab ajuda a criar kit para agentes de IA na ciência"
author: "Ignácio Afonso"
date: "2026-11-09 06:17:25.276-03"
category: "Inteligência Artificial & Dados"
url: "https://desbugados.com.br/post/2026/11/09/fermilab-ajuda-a-criar-kit-para-agentes-de-ia-na-ciencia"
---

## Resumo
- DOE lançou o Genesis Agent Skills em 6 de novembro de 2026.
- O pacote apoia o desenvolvimento e a avaliação de sistemas habilitados por Super Inteligência.
- As ferramentas abordam segurança, governança de dados e sistemas multiagentes.
- Usuários podem interagir com ferramentas de codificação por meio de linguagem natural.
- O Fermilab criou uma ferramenta para transformar projetos científicos de machine learning em benchmarks padronizados.
- O código foi disponibilizado publicamente no GitLab.
- A pauta não informa quantos projetos já foram convertidos nem apresenta resultados quantitativos de desempenho.

---

Em **6 de novembro de 2026**, o Departamento de Energia dos Estados Unidos lançou o Genesis Agent Skills, conjunto de ferramentas para apoiar o desenvolvimento e a avaliação de sistemas habilitados por Super Inteligência (SI). O **Fermilab** participou da iniciativa com uma ferramenta voltada a transformar projetos científicos de aprendizado de máquina em benchmarks padronizados, uma forma de aplicar a mesma régua de testes a trabalhos diferentes. A consequência prática é aproximar agentes de IA do método científico, em que comparar resultados importa tanto quanto produzir respostas. O [**lançamento oficial**](https://news.fnal.gov/2026/11/genesis-agent-skills-release-to-support-innovation-across-the-genesis-mission/) faz parte da Genesis Mission.


## Ferramentas para lidar com agentes mais complexos


O pacote foi desenvolvido pela equipe [**BASE**](https://news.fnal.gov/2026/11/genesis-agent-skills-release-to-support-innovation-across-the-genesis-mission/), dentro do programa ModCon, e reúne recursos para enfrentar problemas de segurança, governança de dados e sistemas multiagentes. Nesse contexto, agente de IA é um sistema capaz de executar tarefas com apoio de ferramentas, enquanto um sistema multiagente combina vários desses componentes em um mesmo fluxo. O Genesis Agent Skills também permite interagir com ferramentas de codificação usando linguagem natural, ou seja, instruções escritas de forma próxima à conversa cotidiana. A ideia é reduzir a distância entre o pesquisador e a infraestrutura necessária para experimentar.


Essa escolha ajuda a explicar por que o lançamento interessa a quem trabalha com ciência computacional. Em vez de tratar cada projeto como uma experiência isolada, o conjunto oferece recursos para organizar sua construção e sua avaliação dentro de uma mesma estrutura. A piada seria dizer que o agente foi ao benchmark para descobrir se estava à altura da tarefa. É uma piada ruim, eu sei, mas até sistemas de teste precisam de algum critério. O ponto sério é que segurança e governança aparecem no pacote junto com a capacidade de programar, e não como uma etapa separada.


## Uma régua comum para o aprendizado de máquina científico


Foi nessa frente que o **Fermilab** deu sua contribuição mais específica: uma ferramenta capaz de transformar projetos de machine learning científico em benchmarks padronizados. Na prática, o projeto científico passa a ser organizado como um teste que pode ser repetido e comparado sob critérios comuns. Isso não elimina a complexidade de cada pesquisa, mas cria uma referência para avaliar o desempenho dos agentes usados nesse trabalho. Para pesquisadores, a utilidade está em tornar mais claro o que foi testado e como o resultado foi obtido.


O código do Genesis Agent Skills está disponível publicamente no **GitLab**, o que coloca as ferramentas à disposição de quem quiser examiná-las e utilizá-las dentro da proposta da iniciativa. A publicação não informa, na pauta, quais projetos científicos já foram convertidos pela ferramenta nem apresenta resultados quantitativos de desempenho. Por enquanto, o dado concreto é a abertura da infraestrutura e a contribuição do Fermilab para padronizar avaliações de aprendizado de máquina científico. O próximo ponto a acompanhar é como esses benchmarks serão aplicados aos sistemas desenvolvidos dentro da Genesis Mission.