Hugging Face Daily Papers
Fonte de notícias de IA. Os artigos são selecionados e adaptados pela redação do Hamidun News.
Últimas publicações
LiveMACEBench testou cinco agentes de LLM em mercado real por 30 dias
O novo benchmark LiveMACEBench colocou cinco modelos frontier em mercados financeiros reais por 30 dias e mostrou que o retorno reflete mal as habilidades do agente.
Scene-Designer é treinado com 35 mil exemplos de design e 15 mil de crítica para cenas 3D
Pesquisadores apresentam o Scene-Designer, agente que monta interiores 3D a partir de texto e avalia o próprio resultado. Foi treinado com 35 mil trajetórias de design e 15 mil exemplos de crítica.
Consistent Distribution Matching reduz a difusão a 1 passo com FID de 2,04
Novo método de destilação dispensa dataset e execuções do professor: no ImageNet 256×256, um passo rende FID de 2,04 e quatro passos, 1,37, com 40 épocas de treino.
Vocabulário congelado de 16 MB empata com o treinável em LLMs pequenos
Pesquisadores trocaram os 168 milhões de parâmetros de embeddings de um modelo estilo Gemma por uma tabela congelada de 16 MB e não perderam em três dos quatro benchmarks.
RAP reúne 25 mil pares artigo–pôster e ensina IA a diagramar pôsteres em HTML/CSS
O dataset RAP reúne mais de 25 mil pares artigo–pôster de conferências de ML de 2022 a 2026 e 150 trabalhos de teste. Aqui, o pôster vira marcação HTML/CSS verificável.
BeliefWeaver dá +5,1 p.p. a agentes em tarefas longas; aluno de 9B chega a +9,8
O BeliefWeaver ajuda agentes a corrigir erros cuja causa está vários passos atrás. O modelo destilado de 9B ganhou +9,8 p.p. e reduziu em 54,8% o custo com o professor.
OPMD ensina LLMs estudantes não só as respostas, mas também os cálculos internos do professor
O On-Policy Mechanism Distillation transfere do professor os cálculos intermediários e lidera em acurácia média entre os baselines de destilação nos três pares professor–estudante.
LexFrame lê estados ocultos de LLMs: coerência de 0,97 contra teto de 0,30 das lentes
Novo método lê os estados ocultos pelas camadas restantes do próprio modelo. Em SmolLM3-3B e OLMo3-7B, atinge coerência de 0,97; lentes fixas ficam em no máximo 0,30–0,35.
ACT3D ensina VLM a explorar cenas 3D e supera o Gemini 3.6 Flash: 53,2% em seis benchmarks
O ACT3D, baseado em Qwen, aprende com RL a se mover por cenas 3D e a escolher os próprios ângulos: 53,2% de média em seis benchmarks, com 50–70% menos quadros.
EvoWeb testa agentes de código em 320 solicitações sequenciais a 32 aplicações web
O novo benchmark EvoWeb obriga agentes de IA a construir um mesmo aplicativo passo a passo. O principal ponto fraco dos modelos é integrar novas funções ao código já escrito.
Librarian Agents: LLMs preparam o espaço de trabalho com antecedência e entregam +33 p.p. no BrowseComp-Plus
Um agente construtor organiza o corpus de documentos em um sistema de arquivos antes das consultas, e um segundo agente responde às perguntas. Ganho de 33 p.p. no BrowseComp-Plus e de +31 em média no BRIGHT.
OmniXRef reúne texto, fotos e vídeos em um único editor de vídeo
O OmniXRef aceita qualquer número de referências em texto, imagem e vídeo e transfere cinco tipos de atributos: câmera, movimento, conteúdo, estilo e VFX. Os autores dizem superar modelos comerciais.
GlobeBench: a melhor LLM prevê a resposta do ambiente em apenas 49,57% das tarefas
O GlobeBench, com 1632 tarefas, mostrou que o melhor de 20 modelos, o GPT-6 Astra, simula corretamente a resposta do ambiente em só 49,57% dos casos. Nenhum modelo resolveu 631 tarefas.
TabWM aprende a prever alterações em bancos de dados: F1 sobe de 0,016 para 0,685
A partir de 64 exemplos de execução, o TabWM prevê como uma ação altera o banco relacional de um sistema desconhecido: F1 completo de 0,685, contra 0,016 sem contexto.
Intact reduz o sucesso de prompt injection em agentes de navegador de 73,1% para 12,8%
A nova arquitetura Intact isola os elementos da página web e leva em conta a origem de cada um. Em 1 091 páginas com ataques, deixa passar 12,8%, contra 73,1% do planejador convencional.
Dream2Discern prevê falhas em sistemas multiagentes com mais de 90% de acurácia
O auditor Dream2Discern aprende com variantes latentes "difíceis" de trajetórias já registradas e alcança mais de 90% de acurácia no AFTraj-2K e no StepShield, sem novas execuções.
OfficeTown simula 23 organizações e treina agentes para o trabalho de escritório com 406 tarefas
Pesquisadores criaram o OfficeTown, uma simulação generativa de escritórios que deu origem a um benchmark com 406 tarefas e 4 836 critérios. Com seus dados, o Qwen3.5-9B melhorou bastante no GDPval.
Benchmark SciΠvot: a melhor LLM escolhe o plano certo em 63,5% dos casos, contra 73,4% dos humanos
Benchmark com 248 correções de pesquisadores seniores: o melhor modelo acerta a decisão em 63,5% dos casos; um pesquisador recém-chegado, em 73,4%. O contexto do projeto tende a atrapalhar.
ARC-SORT alcança 81,82 HOTA no SportsMOT e roda a 50 fps
O tracker ARC-SORT, sem treinamento, alcançou 81,82 HOTA no SportsMOT, com o menor número de trocas de ID entre 69 soluções, e roda a cerca de 50 fps em uma RTX 3060 de notebook.
Nova revisão sistematiza a IA na área humanitária: seis tarefas, da previsão do tempo aos refugiados
Revisão no Hugging Face Daily Papers descreve a IA em seis tarefas humanitárias: previsão do tempo, energia, florestas, pobreza, danos após desastres e migração.
Xiaomi-Lens-0, com 4B de parâmetros, supera o Qwen3.5 em 5,6 pontos no RefCOCO
A Xiaomi lançou o Lens-0: modelo de 4B baseado no Qwen3.5 que gera máscaras a partir dos próprios latentes visuais, ganha 5,6 pontos no RefCOCO e lidera em cIoU.
MTEdit: 500 mil trajetórias de edição ensinam modelos a não perder qualidade ao longo de 8 etapas
Pesquisadores criaram o MTEdit, dataset com 500 mil edições de imagem em várias etapas, e ajustaram o Qwen-Image-Edit até o melhor resultado entre os modelos abertos.