Survey submetido ao arXiv em 3 de setembro de 2026 defende que programas são o candidato mais forte a linguagem universal de conceitos e revisa os modelos computacionais de aprendizado de conceitos baseados nessa representação.
Estudo no arXiv mostra que o harness de avaliação altera a taxa de resolução de agentes de código em 4,3x, enquanto a regra de agrupamento do GRPO (Within vs Cross) muda o resultado por apenas 1,16 ponto. Crédito cruzado entre harnesses gera adaptação de configuração, não capacidade portável.
Sistema multiagente MaxKernel usa LLMs e feedback de compilador para gerar kernels de TPU que alcançam baselines de especialistas humanos. O código foi aberto no GitHub e a avaliação usou o JaxBench, com 50 tarefas.
Paper no arXiv (2609.04495) reformula a injeção indireta de prompt como busca em tempo de teste e mostra que mais computo do atacante aumenta a exploração de vulnerabilidades em agentes de IA.
Framework de residual learning publicado no arXiv em setembro de 2026 prevê tráfego de rede em realidade estendida e estima risco de QoE, com redução de erro de até 17,84% no tráfego e 87,8% na estimativa de risco.
Estudo no arXiv mostra que armazenar o estado de redes recorrentes em 4 bits multiplica erros por até 300 vezes em tarefas de imagem de fluorescência. Feedback de erro recupera a precisão sem retraining.
Benchmark PerfReasoning, publicado no arXiv em setembro de 2026, mostra que LLMs fechados superam 90% em raciocínio sobre performance de hardware, mas quase todos ficam abaixo de 15% ao gerar código de modelos de performance. Apenas o GPT-5.6 Sol passa de 80% nessa tarefa.
O HarvestBench, publicado no arXiv em setembro de 2026, cobra combustível de agentes de IA para desviarem de animais em uma simulação de fazenda. As taxas de morte variaram de 0,4% a 98,8%, com o GPT-4o-mini no pior extremo.
Estudo no arXiv mostra que LLMs mais capazes se comportam de forma mais correlacionada, criando um piso de risco não diversificável em sistemas multiagente como mercados financeiros.
Artigo no arXiv apresenta o Harbor Adapters, que porta mais de 80 benchmarks de agentes de IA para uma infraestrutura única, e o Harbor-Index, meta-dataset de 82 tarefas em que o melhor modelo, o GPT-5.5 com Codex, atinge apenas 28% de aprovação.
