2026
10.781 artigos · 136 dias · 10 categorias · média 79 por dia
ToM2Vec ensina agentes LLM a modelar o parceiro em tokens latentes
ToM2Vec constrói a teoria da mente do parceiro em tokens contínuos e vence em Hanabi, Overcooked-AI e negociações, inclusive em jogos com o GPT-5.4, que o agente…
Quant-Arena: nenhum dos 9 LLMs superou o mercado A-share em 2024
Novo benchmark testou nove modelos de ponta no ciclo completo de pesquisa quant. O GPT-6 Astra foi o melhor, mas nenhuma estratégia superou o mercado equiponderado…
LASAGNA testou 450 configurações de RAG: os +47% prometidos viraram apenas +17%
O framework aberto LASAGNA rodou 450 configurações de RAG em oito benchmarks: três técnicas fortes de retrieval prometiam +47% isoladamente, mas juntas entregaram…
TraceForge treina modelos com os “próprios pensamentos”: +7,1 pontos no MBPP+
Pesquisadores propõem o framework PAPAV: apenas 3 de 64 benchmarks avaliam a verificação
NUS ensinou o modelo a encontrar o que ele mesmo descreveu: gIoU subiu de 57,5% para 68,2%
TenetBench: 11 de 14 configurações de LLM violam códigos de ética profissionais
DetectorScope transforma a caixa-preta dos detectores de texto de IA em um sistema transparente
O Google DeepMind ensinou detectores de texto de IA a explicar decisões: autoencoders esparsos extraem características compreensíveis, sem perda de precisão e com…
LLM2Cert verifica 81 de 105 certificados de estabilidade e segurança
Pesquisadores apresentaram o LLM2Cert e o benchmark DynaCertBench: a LLM propõe funções de Lyapunov e certificados de barreira, e solvers SMT e Lean os verificam.
CausalAlign cura o "esquecimento" dos modelos de vídeo: erros de geometria caem 20%
LEGO-SCD aprende a detectar mudanças em cenas 3D a 17,2 FPS sem anotação manual
Mistral apresenta linha Voxtral 3: reconhecimento de 50 idiomas e agentes de voz para o setor corporativo
Cohere ensinou um modelo de 7B a avaliar a própria confiança duas vezes: erro de calibração cai 52,5%
MemT 1.0 embute a memória no modelo e mira o autoaperfeiçoamento da IA
Chegou o MemT 1.0: a memória deve ser uma capacidade nativa do modelo, e não um complemento externo. O gancho foi a história de um assistente com DeepSeek que…
Huawei openJiuwen conecta LLM a equipamentos de laboratório para eletrocatálise
A equipe Huawei openJiuwen e a plataforma de computação fecharam o ciclo: uma LLM projeta o experimento de eletrocatálise e instrumentos físicos o executam.
Anhui aposta em humanoides: parque de robótica em Hefei e projeto de 15,1 bilhões de yuans
Hefei inaugurou um parque de robótica com 14 empresas, e Anhui passou a falar em 31 modelos de humanoides e num projeto de 15,1 bilhões de yuans. Veja o que se sabe…
HyperDrone renderiza milhões de quadros por segundo e supera concorrentes em 20 vezes
RLSplat ensina o 3D Gaussian Splatting a economizar: até 4,1× mais rápido e com 9,6× menos memória
Stratified Sparse Attention acelera a decodificação em 2,96 vezes com contexto de 1M
StyleStream 2.0 reduz pela metade a latência da conversão de voz, para 520 ms
Agentes com LLMs de difusão aprenderam a sussurrar por vetores: +34 pontos no QASC
Pesquisadores fizeram modelos de linguagem de difusão trocarem quatro vetores ocultos em vez de texto. No QASC, a precisão subiu para 80,8%, e uma única transmissão…
RoboCasa-Shift: benchmark mostra onde os robôs VLA falham na cozinha
Novo benchmark RoboCasa-Shift testou o GR00T N1.5 em 1 040 execuções: duas falhas com o mesmo ΔSR=0,188 derrubam o robô na primeira etapa em 19,0% e 36,4% dos casos.
Qwen-Audio-3.1-ASR: 30 idiomas, 16 dialetos e diarização em um único modelo
Equipe de pesquisadores de IA encontra atenção linear que superou o GDN2 em 1.3B
DiffResearch: LLM de difusão acelera deep research em 6 vezes
Das 1 598 publicações de RL, só 37 chegaram aos frameworks: auditoria de sete stacks open-source
DuoLM acelera recomendações com LLM em 60 vezes: 26 400 avaliações por segundo em uma única H100
Pesquisadores separaram o LLM de recomendação em encoder e ranker, cachearam as descrições dos itens e chegaram a 26 400 candidatos avaliados por segundo em uma…
RoboJudge-9B avalia vídeos de robôs com mais precisão que o Gemini: correlação de 0,719 com humanos
Pesquisadores da CUHK criaram um benchmark com 800 vídeos anotados e treinaram um juiz de 9B para vídeos de robôs: correlação de 0,719 com humanos, 0,089 acima do…
DeCert ensina juízes de IA a explicar veredictos: 76,2 no RM-Bench com modelo de 8B
O framework DeCert ensina reward models generativas a escolher a resposta certa e a justificar a escolha. O Qwen3-8B chega a 76,2 no RM-Bench, com até +14,8 em…
16 solicitações e 262 verificações em 6,5 minutos: como três agentes de IA autônomos resolvem uma tarefa de negócio ao vivo
Together AI lança o Post-Training: RL e SFT em B200 por US$ 9 a hora de GPU
UniPat AI vai investir 100 milhões de yuans no programa Fellows para cientistas
