Modelos de difusão como Stable Diffusion e Midjourney geram imagens partindo de ruído puro e removendo-o passo a passo. Entenda o mecanismo, do treinamento à geração, e por que ele falha.
O NormTune, método publicado no arXiv, corrige a subadaptação por norma do ajuste fino eficiente em parâmetros e eleva a precisão média do LoRA rank-8 em 24,24% em benchmarks de raciocínio como AIME 2024 e MATH 500.
O LaVGuard, novo método de decodificação seletiva submetido ao arXiv, separa um perfil autorizado de dez dimensões de uma estimativa congelada dos valores no prefixo visível. O condicionamento por perfil eleva a taxa de verdadeiros positivos de 0,58 para 0,72 com 5% de falsos positivos, e a pontuação de risco-segurança chega a 0,88 contra 0,72 de edições com posição correspondente.
O Pitfall Anticipation World Model (PAWM) prevê armadilhas em um futuro de múltiplos passos e intervém seletivamente para evitar falhas de agentes de LLM. O método elevou o Claude Sonnet 4.5 em 24,3% no ScienceWorld e 7,7% no WebArena-Lite, segundo artigo no arXiv.
O TeachBack, novo framework de aprendizado por preferência bidirecional, faz o modelo Professor aprender a ensinar o Aluno, reduzindo a dependência de soluções de referência e melhorando o desempenho em raciocínio matemático e lógico.
Estudo no arXiv avalia Jev, Liquid d1 e GPT-6 Luna Decisions em MetaTool, HotpotQA e ECtHR e mostra que, em 28% a 50% das listas, ao menos uma resposta correta recebe probabilidade abaixo de 1/n. Limiar de probabilidade não identifica o conjunto de escolhas corretas.
Pesquisa no arXiv compara reparo local com decodificador global exato na recomendação de medicamentos e encontra vantagem de +0,0064 de Jaccard no ponto estrito de interação medicamentosa, mesmo com o classificador do FLAME congelado no MIMIC-III.
O CrashGym, simulador determinístico de livro de ofertas publicado no arXiv, mede se experimentos de laboratório melhoram decisões de agentes LLM em crashes. Em estudo com 24 mundos, o acesso ao laboratório cortou o regret médio da implantação Luna de 8,878 para 3,785, redução de 57,4%.
O ARCANA, benchmark publicado no arXiv em 21 de outubro de 2026, testa raciocínio analógico distante entre objetos do mundo real e grades abstratas. Humanos resolvem as tarefas de forma confiável; LLMs apresentam lacuna de desempenho e falhas sistemáticas. Os autores propõem o ConceptSIR para reduzir a distância.
O FrameBench-HPS testou 2.880 prompts em sete LLMs e mostrou que a mesma probabilidade, escrita como ganho ou como perda, muda a categoria da recomendação em 32,4% dos casos. A canonicalização de probabilidades reduziu o efeito.
