#Pesquisa
Cobertura curada sobre «Pesquisa»: lançamentos, pesquisa, benchmarks, código aberto.
arXiv cs.AIProvas Lean para código gerado por IA quebram após refatoração em 13-27% dos casos
Hugging Face BlogAi2 mostra que LLMs-juízes de novidade falham com poucas palavras no prompt
arXiv cs.AIConflito de conhecimento em RAG: por que é preciso uma probabilidade de acerto do contexto, não um algoritmo rígido
arXiv cs.AIPesquisadores descobrem: agentes de IA confundem fatos antigos e novos na memória mesmo após uma busca correta
arXiv cs.LGHabilidades para agentes de IA não são universais: modelos fracos precisam da própria versão do prompt
arXiv cs.LGEstudo: uma única falha aleatória faz um agente de IA abandonar uma ferramenta funcional em 11,6% dos casos
arXiv cs.AIReavaliação do experimento da METR: em tarefas complexas e revisões, desenvolvedores com IA perdem 24% das horas
TG: @ai_machinelearning_big_data (Machinelearning)Google ensina modelos de linguagem a "dormir" e a transferir conhecimento da memória para os pesos
Ai2 mostra que LLMs-juízes de novidade falham com poucas palavras no prompt
Conflito de conhecimento em RAG: por que é preciso uma probabilidade de acerto do contexto, não um algoritmo rígido
Pesquisadores descobrem: agentes de IA confundem fatos antigos e novos na memória mesmo após uma busca correta
Habilidades para agentes de IA não são universais: modelos fracos precisam da própria versão do prompt
Pesquisadores descobriram que uma instrução do tipo "skill" capaz de elevar o GPT-5.6 em 31 pontos pode derrubar um modelo mais fraco como o Gemma em 9 pontos. A…
Estudo: uma única falha aleatória faz um agente de IA abandonar uma ferramenta funcional em 11,6% dos casos
Pesquisadores testaram 11 modelos de linguagem em 90 mil decisões e descobriram que, após um único fracasso por pura má sorte com uma ferramenta confiável, o agente…
Reavaliação do experimento da METR: em tarefas complexas e revisões, desenvolvedores com IA perdem 24% das horas
O pesquisador Solomon Lijo recalculou os registros da METR referentes a 246 tarefas de desenvolvimento e, em 540 sessões do Claude Code, mostrou como a economia na…
Quem vence o conflito de instruções: a posição, o papel no chat ou apenas o rótulo?
Anthropic descobre: especialistas seguem a opinião do agente em 86% das escolhas controversas
Berkeley descreve raciocínio paralelo adaptativo: o próprio modelo decide quando ramificar
Cientistas da NTU ensinam modelo de IA a pular vídeo: 59% menos tokens
O texto em nepalês "pesava" três vezes mais que o inglês — o conserto do tokenizador não resolveu o problema por completo
Pesquisadores descobriram por que modelos como Llama-3 e Qwen3 gastam várias vezes mais tokens com texto em nepalês do que em inglês, corrigiram a expressão regular…
Pesquisadores da SAP ensinam agentes de IA a não oscilar entre diferentes soluções para a mesma tarefa
Agentes LLM com acesso a ferramentas costumam se comportar de forma diferente a cada vez que repetem a mesma tarefa. Um novo método chamado RSD mede a consistência…
S3AC traz o crítico de volta ao RL para LLMs: ganhos de 1,5B a 397B de parâmetros
Skill∞: agente melhora suas próprias habilidades e sua própria metabilidade, 60,7% no SkillsBench
MoleculeMind anuncia 94,7% de sucesso em projetos de design de proteínas com IA
AREX-2 chinesa de 27B supera modelo de 1,6 trilhão de parâmetros
VibeVideoBench: agentes criam vídeos com código, e o melhor cumpre 76,3% das tarefas
Novo benchmark testa se agentes de IA conseguem montar, só com código, um vídeo pronto com áudio em uma hora. GPT-6 Astra e Claude Opus 5.5 lideram, mas nenhum…
Tokens discretos de imagem quase alcançam os contínuos: FVQ fecha a lacuna com 59% de vantagem sobre o Emu3
Pesquisadores da Meituan LongCat e instituições parceiras descobriram que o erro de quantização em imagens não significa perda de significado. O método deles, o…