Scroll: gerenciamento programático de contexto para agentes de IA
Sistema apresentado no arXiv usa código para organizar memória de agentes e supera modelos publicados em até 37,4 pontos
O que aconteceu
Em 21 de agosto de 2026, pesquisadores submeteram ao arXiv o paper "Context as an Environment: Programmatic Context Management for Long-Horizon Agents" (arXiv:2608.21690), na área de Inteligência Artificial. O trabalho apresenta o Scroll, um gerenciador de contexto que trata cada sessão de um agente baseado em LLM como um ambiente executável.
O Scroll é composto por um Event Log com registro de acréscimo (append-only) e por um kernel Python persistente, isolado em sandbox. O kernel mantém um namespace tipado entre chamadas do modelo. Assim, saídas de ferramentas, histórico recuperado e estado derivado ficam ligados a variáveis, sem precisar ser serializados no prompt a cada chamada.
O próprio modelo escreve código para buscar, materializar e transformar o estado da sessão, usando a função exec. Apenas projeções explicitamente impressas entram na visão de trabalho do modelo na próxima chamada. Com o Qwen3.8-Max como backbone, o Scroll alcançou 94,8% no LongMemEval_S, 73,1% no BEAM_10M e 86,7% no LOCA_256K.
Contexto
Agentes de IA assumem tarefas longas com frequência crescente, e o histórico dessas tarefas cresce além da janela de contexto do modelo. As abordagens atuais comprimem interações antigas ou extraem informações selecionadas para representações fixas de memória. Esse desenho obriga o sistema a decidir o que preservar antes de saber o que será necessário no futuro.
O Scroll propõe o caminho oposto. Em vez de resumir, ele mantém o Event Log como fonte completa e sem perdas do que aconteceu na sessão. O contexto deixa de ser texto seriado e vira estado acessível por código. Quando a janela de trabalho se aproxima do limite, trechos antigos são despejados, mas continuam recuperáveis. Um eviction index guarda landmarks compactos ligados a endereços exatos do Event Log, permitindo que o agente navegue direto para a região despejada, sem vasculhar o arquivo inteiro.
Por que importa
O custo de operar agentes long-horizon cresce com o tamanho do histórico, e o desempenho cai quando o modelo perde acesso a informações antigas. O Scroll ataca os dois problemas ao mesmo tempo, ao tornar o gerenciamento de contexto uma tarefa de programação executada pelo próprio LLM.
Os números do estudo mostram ganho expressivo. No BEAM_10M, o Scroll marcou 73,1%, superando em 5,1 pontos o melhor sistema de memória publicado. No LOCA_256K, o 86,7% representa 37,4 pontos acima do melhor agente long-horizon conhecido. Para empresas que rodam agentes de atendimento, automação e análise, isso pode significar respostas mais consistentes e menor consumo de tokens por interação.
Impacto
O salto de 37,4 pontos no LOCA_256K coloca o Scroll como nova referência em memória de longo prazo para agentes. Como o kernel Python é uma peça relativamente simples de reproduzir, a abordagem tende a ser testada por outros grupos de pesquisa. Os autores não informam se vão liberar o código no material consultado.
Para o mercado, o efeito mais direto é a consolidação da ideia de memória como ambiente executável. Modelos de linguagem estão ficando mais competentes em escrita de código, e o Scroll aproveita exatamente essa competência para resolver um gargalo de engenharia.
O que muda
O gerenciamento de contexto deixa de ser um problema de compressão e passa a ser um problema de programação. O agente não precisa prever qual informação será útil: ele guarda tudo no Event Log e usa código para materializar o que precisa no momento. Isso inverte a lógica dos sistemas de memória fixa, que escolhem o que preservar antecipadamente.
O que vem agora
O paper foi submetido ao arXiv em 21 de agosto de 2026 e ainda não passou por revisão por pares. A expectativa natural é que os autores publiquem implementações ou detalhes adicionais para permitir replicação. Até lá, o Scroll já funciona como prova de que uma mesma sessão pode ser tratada como um ambiente programático, mantendo histórico integral e navegação eficiente por passado da sessão.