#LLM
Cobertura curada sobre «LLM»: lançamentos, pesquisa, benchmarks, código aberto.
Lean4AgenticRL: recompensas de processo em múltiplos níveis levam o LAR-27B a 77,3%
Pesquisadores da Amazon criaram o Lean4AgenticRL, um framework com recompensas em múltiplos níveis para treinar agentes de engenharia de software. Os modelos LAR-9B…
HeirCommit barra até 83% das atualizações prejudiciais em LLMs autoevolutivas
O esquema EvoHeir testa o modelo atualizado em perguntas novas antes da herança e eleva em 5,3% a nota média em matemática sobre o Agent0, em quatro modelos-base.
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.
Mistral lança Timestral: modelo de 209M de parâmetros lidera três benchmarks
Anthropic abre seu escritório a seis auditores da METR, que poderão publicar relatórios sem direito a veto
Claude descobre em meia hora a origem dos seeds das curvas NIST ECDSA
OpenAI: modelo GPT‑5.6 Sol encontra falha crítica no PHP, linguagem usada em 70% dos sites
Claude Mythos 5 projetou sozinho circuitos quânticos melhores que os recordes publicados
A Anthropic deu ao Claude descrições de oito circuitos quânticos e um avaliador automático. O modelo superou as melhores soluções publicadas, em alguns casos por…
Wujie Dongli abre o código do modelo de mundo MWA-Phoenix e diz liderar seis benchmarks
A chinesa Wujie Dongli liberou em código aberto o modelo de mundo latente MWA-Phoenix. A empresa afirma liderar seis benchmarks, de simulação a robôs reais.
RVCBench testa 18 modelos de clonagem de voz contra ruído, compressão e proteção
A lacuna das expectativas: 91% dos funcionários da Anthropic e 39% dos americanos esperam uma descoberta de IA em nível Nobel
Anthropic: agentes já são 6 vezes mais numerosos que os funcionários, e a contratação de juniores diminui
LILIE ensina geração de imagens por meio da linguagem e reduz o gFD de 66,84 para 53,01
MIST mostra que modelos de mundo em vídeo não esquecem: o problema é que não executam o comando
O novo teste MIST separa a construção da cena, a execução da mudança e a memória. O M3-Agent elevou o reveal score em mais de três vezes, e a métrica T do WRBench…
«Wait» em modelos de reasoning é herança dos dados, não descoberta do RL
Análise do treinamento de OLMo-3 e MiMo mostra que o «wait» no raciocínio dos modelos vem dos dados. O RL eleva o MATH-500 mesmo sem ele, e a frequência do marcador…