Operacionaliza um curriculo de autonomia para agentes: controla a proporcao entre rollouts supervisionados (professor/humano) e rollouts auto-gerados (agente) com um parametro lambda, gates de prontidao por classe de tarefa, e uma progressao explicita observe→assist→own. Aplica importance sampling para corrigir a distribuicao mista. Previne cold-start collapse (rollouts puros do agente antes de aprender recuperacao) e autonomy stagnation (agente nunca pratica recuperacao autonoma). Usar ao implantar um novo agente em producao, ao fazer transition de fluxo manual para agentico, ao calibrar o grau de supervisao de um agente existente, ou quando o agente apresenta comportamento fragil em cenarios nao-supervisionados. Dispara com: 'autonomy curriculum', 'curriculo de autonomia', 'lambda schedule', 'teacher mixing', 'rollout sampling', 'autonomy dial', 'autonomy progression', 'observe assist own', 'readiness gate', 'student rollout', 'teacher-student mix', 'gradual autonomy', 'agente semi-supervisionado', 'autonom
Operacionaliza um curriculo de autonomia para agentes: controla a proporcao entre rollouts supervisionados (professor/humano) e rollouts auto-gerados (agente) com um parametro lambda, gates de prontidao por classe de tarefa, e uma progressao explicita observe→assist→own. Aplica importance sampling para corrigir a distribuicao mista. Previne cold-start collapse (rollouts puros do agente antes de aprender recuperacao) e autonomy stagnation (agente nunca pratica recuperacao autonoma). Usar ao implantar um novo agente em producao, ao fazer transition de fluxo manual para agentico, ao calibrar o grau de supervisao de um agente existente, ou quando o agente apresenta comportamento fragil em cenarios nao-supervisionados. Dispara com: 'autonomy curriculum', 'curriculo de autonomia', 'lambda schedule', 'teacher mixing', 'rollout sampling', 'autonomy dial', 'autonomy progression', 'observe assist own', 'readiness gate', 'student rollout', 'teacher-student mix', 'gradual autonomy', 'agente semi-supervisionado', 'autonomy calibration', 'mixed sampling schedule'.
license
MIT
compatibility
opencode
metadata
{"audience":"agent-implementers","workflow":"governance","priority":"high","source":"The Imitation Game — State of Policy Distillation in Language (Pattern 2: Autonomy Curriculum Sampling)"}
What I Do
Eu controlo a transicao de um agente de operacao totalmente supervisionada para operacao progressivamente autonoma. Em vez de um salto binario de "modo manual" para "modo agente", eu opero um dial continuo de autonomia (lambda) que determina, para cada classe de tarefa, qual proporcao dos rollouts vem de um professor (humano, agente experiente, ou demonstracao) e qual proporcao vem do proprio agente em execucao real.
O mecanismo central e a amostragem mista (teacher-mixed sampling):
p_mixed = lambda * p_teacher + (1 - lambda) * p_agent
com correcao via importance sampling para manter a distribuicao-alvo
onde lambda evolui de 1.0 (100% teacher, 0% agent — fase observe) para 0.0 (0% teacher, 100% agent — fase own), passando por um regime intermediario (fase assist) onde o agente gera seus proprios rollouts mas ainda tem o professor como ancora de correcao.
Cada transicao de fase e gated: a lambda so avanca quando metricas de prontidao por classe de tarefa (taxa de sucesso, taxa de recuperacao autonoma, taxa de acao insegura, confianca do avaliador) ultrapassam thresholds pre-definidos. Se uma classe de tarefa nao atinge o gate, o lambda para essa classe permanece no nivel atual, criando um curriculo heterogeneo onde o agente pode estar em own para tarefas simples e ainda em observe para tarefas complexas.
When to Use Me
Carregue esta skill quando:
Voce esta implantando um novo agente em producao e quer evitar que ele produza rollouts de baixa qualidade antes de aprender recuperacao basica (cold-start collapse)
Um fluxo atualmente manual (humano toma todas as decisoes) esta sendo migrado para um fluxo agentico e voce precisa de um plano de transicao com gates, nao de um switch binario
Um agente existente opera com supervisao total e voce suspeita que ele nunca pratica recuperacao autonoma -- os rollouts do professor escondem a fragilidade do agente
O agente esta gerando tracos de baixa qualidade em algumas classes de tarefa mas nao em outras -- voce precisa de um curriculo heterogeneo, nao de um lambda global
Voce quer evidencia quantitativa de que o agente esta pronto para mais autonomia antes de reduzir a supervisao humana
O time reporta que o agente "funciona bem com supervisao mas quebra quando deixado sozinho" -- o sintoma classico de ausencia de curriculo de autonomia
Voce esta projetando o harness de treinamento ou avaliacao de um agente e precisa de um schedule explicito de quantos rollouts supervisionados vs. auto-gerados usar em cada fase
Nao use quando:
O agente ja opera de forma totalmente autonoma com metricas de producao estaveis e validadas -- o curriculo de autonomia e uma ferramenta de transicao, nao de operacao continua
A tarefa e puramente deterministica e nao ha risco de cold-start (ex: um script que sempre produz o mesmo output dadas as mesmas entradas)
Voce precisa de um gate de deploy tradicional (validacao pre-prod → staging → canary → producao) -- isso e coberto por [[docs/canonical/domain-embedded-workflow-automation-wedge|Domain-Embedded Workflow Automation Wedge]]. Autonomy curriculum sampling controla a proporcao de rollouts do agente, nao o ambiente de deploy
O agente nao tem um professor ou supervisor disponivel (humano, agente experiente, ou demonstracoes) -- sem teacher, lambda e sempre 0 e nao ha curriculo para gerenciar
A pergunta e sobre evolucao de componentes do harness (BUILD → STABILIZE → SIMPLIFY → REMOVE), nao sobre autonomia do agente -- use [[docs/canonical/measured-harness-evolution-lifecycle|Measured Harness Evolution Lifecycle]]
The Anti-Pattern
ANTI-PATTERN: Salto binario de "modo manual" para "modo agente" sem
curriculo de autonomia, resultando em cold-start collapse ou autonomy
stagnation.
Cenario:
1. Um time desenvolve um agente para responder tickets de suporte.
Durante o desenvolvimento, o agente e testado com demonstracoes
curadas (exemplos perfeitos de respostas). A taxa de acerto nos
testes e 94%.
2. O time implanta o agente em producao com autonomia total: o
agente responde tickets reais sem supervisao humana.
3. Na primeira hora, o agente encontra um ticket com uma pergunta
ambigua que nao aparecia nos exemplos curados. O agente gera uma
resposta parcialmente correta, mas com um erro de interpretacao.
4. O erro no passo 3 contamina os passos seguintes (prefix drift).
O agente, agora operando sobre um contexto corrompido, gera
respostas cada vez piores. Nao ha supervisor para intervir.
5. O cliente recebe uma resposta confusa. O time desliga o agente
e conclui que "agentes nao funcionam para suporte".
Cenario alternativo (autonomy stagnation):
1. O mesmo time, traumatizado pelo cenario acima, decide que o
agente sempre tera supervisao humana: um operador revisa e
aprova toda resposta antes do envio.
2. O agente opera ha 6 meses nesse modo. As metricas sao boas,
mas o operador humano se tornou o gargalo -- o time nao escala.
3. Quando o time finalmente tenta reduzir a supervisao, descobre
que o agente nunca praticou recuperacao autonoma. Sem o operador
para corrigir, o agente falha exatamente nos mesmos cenarios
que falhava 6 meses atras.
4. O agente nao aprendeu nada sobre autonomia porque nunca foi
exposto aos proprios erros em um regime onde pudesse praticar
recuperacao.
Consequencia (cold-start):
- O agente encontra cenario nao coberto pelo professor
- Prefix drift contamina o contexto
- Sem supervisor, o agente espirala
- O time perde confianca e abandona a abordagem agentica
Consequencia (stagnation):
- O agente nunca pratica recuperacao
- A supervisao esconde fragilidades que so apareceriam sem ela
- O operador humano e o gargalo de escala
- O investimento em agentic AI nao retorna porque a autonomia
nunca foi exercitada
The Pattern
PATTERN: Curriculo de autonomia com lambda schedule, gates de
prontidao por classe de tarefa, e progressao observe→assist→own.
Fluxo:
Agente desenvolvido com professor disponivel
│
▼
┌─────────────────────────────────────────────────────────┐
│ 1. INICIALIZACAO DO CURRICULO │
│ │
│ Para cada classe de tarefa (ex: ticket simples, ticket │
│ complexo, troubleshooting, onboarding): │
│ │
│ - Definir lambda inicial = 1.0 (100% teacher) │
│ - Definir thresholds de gate por metrica: │
│ * success_rate > 0.80 │
│ * autonomous_recovery_rate > 0.50 │
│ * unsafe_action_rate < 0.02 │
│ * evaluator_confidence > 0.70 │
│ - Definir schedule policy: │
│ * Quanto reduzir lambda por passo (ex: -0.1) │
│ * Frequencia de avaliacao de gate (ex: a cada 50 │
│ rollouts ou 1 semana) │
│ * Lambda minimo (ex: 0.1 para tarefas criticas, │
│ 0.0 para tarefas de baixo risco) │
│ - Registrar fase atual: observe, assist, ou own │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ 2. FASE OBSERVE (lambda = 1.0 → 0.7) │
│ │
│ - Agente gera rollouts, mas 70-100% do sinal de │
│ aprendizado vem do professor (demonstracoes, humano, │
│ ou agente experiente) │
│ - Rollouts do agente sao usados para diagnostico: │
│ identificar quais classes de erro o agente comete │
│ quando opera sem supervisao │
│ - Rollouts do professor sao usados para treinamento: │
│ ensinar o comportamento correto │
│ - Gate de saida: o agente demonstra recuperacao basica │
│ (consegue se recuperar de erros simples com o │
│ professor como ancora) │
│ - Se o agente falha no gate, lambda permanece em 1.0 │
│ e o curriculo adiciona mais demonstracoes de │
│ recuperacao para essa classe de tarefa │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ 3. FASE ASSIST (lambda = 0.7 → 0.3) │
│ │
│ - Agente gera a maioria dos rollouts; professor atua │
│ como ancora de correcao (importance sampling corrige │
│ a distribuicao para manter o alvo) │
│ - Rollouts do agente comecam a dominar o sinal de │
│ aprendizado, mas o professor ainda estabiliza │
│ - Gate de saida: o agente mantem taxa de sucesso > 0.80 │
│ E taxa de recuperacao autonoma > 0.50 E taxa de │
│ acao insegura < 0.02 com lambda atual │
│ - Se o agente falha no gate: lambda volta ao valor │
│ anterior (rollback) e o curriculo adiciona mais │
│ rollouts assistidos antes de tentar avancar de novo │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ 4. FASE OWN (lambda = 0.3 → lambda_minimo) │
│ │
│ - Agente gera 70-100% dos rollouts sem supervisao │
│ - Professor atua apenas como safety net: intervem │
│ quando unsafe_action_rate excede threshold, mas nao │
│ influencia o sinal de aprendizado cotidiano │
│ - Gate de estabilidade: metricas permanecem dentro dos │
│ thresholds por N periodos consecutivos (ex: 4 semanas) │
│ - Se metricas degradam: lambda sobe para a fase assist │
│ (degradacao detectada → rollback automatico) │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ 5. MONITORAMENTO CONTINUO │
│ │
│ - Lambda por classe de tarefa e visivel em dashboard │
│ - Eventos de gate (pass/fail/rollback) sao registrados │
│ com evidencia: qual metrica falhou, em qual classe, │
│ com qual threshold │
│ - O curriculo e heterogeneo: o agente pode estar em │
│ own para "ticket simples" e em observe para "ticket │
│ complexo" simultaneamente │
│ - Lambda schedule e revisado periodicamente (ex: monthly │
│ review) para ajustar thresholds, velocidade de │
│ avanco, e lambda_minimo com base nos dados acumulados │
└─────────────────────────────────────────────────────────┘
Amostragem Mista com Importance Sampling
O mecanismo tecnico central:
1. Para cada rollout, amostrar fonte com probabilidade lambda:
se random() < lambda: usar rollout do professor (p_teacher)
senao: usar rollout do agente (p_agent)
2. Calcular importance weight para correcao:
w = p_mixed(x) / p_agent(x) para rollouts do agente
w = p_mixed(x) / p_teacher(x) para rollouts do professor
3. Aplicar weight ao sinal de aprendizado:
update = w * loss(rollout, target)
4. Isso garante que a distribuicao efetiva de treinamento
converge para p_mixed, nao para a distribuicao de amostragem,
mesmo quando lambda != 0.5
Fases de Autonomia por Classe de Tarefa
Fase
Lambda Range
Proporcao Teacher
Proporcao Agent
Gate de Saida
Observe
1.0 → 0.7
70-100%
0-30%
Agente demonstra recuperacao basica com ancora do professor
Assist
0.7 → 0.3
30-70%
30-70%
Sucesso > 80%, Recuperacao > 50%, Inseguras < 2% com lambda atual
Own
0.3 → min
0-30%
70-100%
Metricas estaveis por N periodos consecutivos
Safety Net
min
min%
100-min%
Professor intervem apenas se unsafe_action_rate violar threshold
Metricas de Prontidao (Readiness Gates)
Metrica
Definicao
Threshold Sugerido
Quando Revisar
success_rate
Trajetorias com outcome correto / total de trajetorias
> 0.80
Por classe de tarefa, nao global
autonomous_recovery_rate
Erros recuperados sem intervencao do professor / total de erros
> 0.50
Metrica mais importante para transicao observe→assist
unsafe_action_rate
Acoes que violam constraints de seguranca / total de acoes
< 0.02
Threshold deve ser conservador; violacao → rollback imediato
evaluator_confidence
Score medio do avaliador externo sobre os rollouts do agente
> 0.70
Usar avaliador independente (nao o professor)
prefix_drift_severity
Severidade media do prefix drift nos rollouts do agente
< 0.30
Metrica de diagnostico; drift alto → lambda nao avanca
Rollback Policy
SE qualquer metrica de seguranca violar threshold critico:
→ lambda volta para 1.0 IMEDIATAMENTE (full teacher)
→ investigacao de causa raiz
→ curriculo reinicia da fase observe para a classe afetada
SE metricas de qualidade degradarem mas seguranca ok:
→ lambda volta ao valor do gate anterior (ex: own → assist)
→ notificacao ao time
→ revisao programada (nao rollback imediato)
SE uma classe de tarefa falha 3 gates consecutivos:
→ lambda congela no valor atual para essa classe
→ revisao de design: thresholds muito altos? classe mal definida?
→ possivel reclassificacao da tarefa (split em sub-tarefas)
Implementation Rules
Lambda e por classe de tarefa, nao global. Um agente que responde tickets simples e faz troubleshooting complexo tem capacidades diferentes para cada classe. Um lambda unico forcaria o agente a operar no menor denominador comum (observe para tudo porque troubleshooting e dificil) ou no maior risco (own para tudo porque tickets simples sao faceis). Cada classe de tarefa tem seu proprio lambda, seu proprio gate, e sua propria progressao.
O professor precisa ser estavel antes de reduzir lambda. Se o professor (humano, agente experiente, ou demonstracao) produz rollouts inconsistentes ou de baixa qualidade, reduzir lambda so introduz ruido. Valide a qualidade do professor primeiro: taxa de acerto do professor > 0.90 na classe de tarefa, consistencia entre rollouts do professor para o mesmo prompt, e cobertura do professor sobre o espaco de entrada.
Importance sampling e obrigatorio, nao opcional. Amostrar de uma mistura teacher/agent sem importance sampling produz uma distribuicao de treinamento que nao converge para o alvo. O weight corrige o vies de amostragem. Sem importance sampling, o agente aprende a distribuicao de amostragem, nao a distribuicao desejada.
O gate de observe→assist e o mais importante. E o ponto onde o agente passa de "aprender com o professor" para "aprender com os proprios erros". Se o agente nao consegue recuperacao basica, avancar para assist introduz prefix drift sem mecanismo de correcao. Seja conservador neste gate: e preferivel ficar em observe por mais tempo do que avancar prematuramente.
Rollback e feature, nao falha. Um rollback de lambda (ex: own → assist) nao significa que o curriculo falhou -- significa que o curriculo funcionou: detectou degradacao e respondeu. O rollback deve ser automatico (metricas disparam, lambda ajusta) e visivel (dashboard mostra o evento com a evidencia). Times que tratam rollback como falha tendem a desabilitar o rollback -- e ai o agente opera em own com metricas degradadas.
O curriculo compoe com avaliacao externa. Lambda controla a proporcao de rollouts, mas nao substitui a necessidade de um avaliador independente. Use [[docs/canonical/generator-evaluator|Generator-Evaluator]] ou [[docs/canonical/multi-model-evaluation-council|Multi-Model Evaluation Council]] como avaliador externo para as metricas de gate. O professor nao pode ser o avaliador -- isso criaria um ciclo de vies.
Demonstracoes podem sobre-ajustar. Se o professor produz demonstracoes muito especificas (ex: sempre o mesmo caminho de resolucao para o mesmo tipo de ticket), o agente aprende a imitar o caminho, nao a resolver o problema. Introduza diversidade nas demonstracoes do professor: multiplos caminhos para o mesmo outcome, cenarios de erro com recuperacao, e variacao nos inputs.
Integration with Existing Repo Infrastructure
O autonomy-curriculum-sampling conecta a infraestrutura de evolucao de harness e curriculo de aprendizado com um mecanismo operacional de controle de autonomia:
Antes de declarar o curriculo de autonomia como operacional, verifique:
Cada classe de tarefa tem lambda inicial, thresholds de gate, e schedule policy definidos e documentados
O professor (humano, agente experiente, ou demonstracoes) foi validado: taxa de acerto > 0.90, consistencia entre rollouts, cobertura do espaco de entrada
Importance sampling esta implementado e corrige o vies de amostragem para todos os rollouts (teacher e agent)
O avaliador externo e independente do professor (nao e o mesmo agente, modelo, ou humano)
Metricas de gate (success_rate, autonomous_recovery_rate, unsafe_action_rate, evaluator_confidence) sao calculadas por classe de tarefa, nao agregadas
Rollback automatico esta configurado: violacao de seguranca → lambda = 1.0 imediato; degradacao de qualidade → lambda volta ao gate anterior
Dashboard mostra lambda atual por classe de tarefa, historico de gates (pass/fail/rollback), e tendencias de metricas
O gate observe→assist foi validado com rollouts do agente em ambiente controlado antes de ser aplicado em producao
Lambda minimo para tarefas criticas (seguranca, financeiro, dados sensiveis) e > 0 (sempre ha alguma supervisao)
O curriculo e revisado periodicamente (mensal ou trimestral) para ajustar thresholds com base em dados acumulados
Ha um plano de contingencia para "lambda continua em 1.0 apos N periodos" -- investigar se a classe de tarefa e muito dificil, o professor e inadequado, ou os thresholds sao irreais
[[docs/analysis/2026-06-16-the-imitation-game-state-of-policy-distillation-in-language/2026-06-16-the-imitation-game-state-of-policy-distillation-in-language-classification|Policy Distillation Classification]]:71-97 — Classificacao como Missing (Medium integration value)
[[docs/canonical/measured-harness-evolution-lifecycle|Measured Harness Evolution Lifecycle]] — ciclo de evolucao de componentes do harness (complementar ao curriculo de autonomia)
[[docs/canonical/domain-embedded-workflow-automation-wedge|Domain-Embedded Workflow Automation Wedge]] — validacao antes de broad rollout
[[docs/canonical/generator-evaluator|Generator-Evaluator]] — separacao geracao/avaliacao (avaliador externo para metricas de gate)
[[docs/canonical/multi-model-evaluation-council|Multi-Model Evaluation Council]] — council para gates de alta criticidade
[[docs/canonical/compartmented-evaluation-architecture|Compartmented Evaluation Architecture]] — compartimentalizacao que previne gaming dos gates
[[docs/canonical/production-grounded-eval-sampling|Production-Grounded Eval Sampling]] — captura de tracos de producao para alimentar o curriculo
[[docs/canonical/eval-to-production-correlation-tracking|Eval-to-Production Correlation Tracking]] — validacao de que metricas de gate predizem comportamento em producao
[[docs/canonical/failure-pattern-classification-loop|Failure Pattern Classification Loop]] — classificacao de falhas detectadas nos rollouts do agente
Created: 2026-06-16 | Source: The Imitation Game — State of Policy Distillation in Language — Pattern 2 (Missing, Medium value)
