O Agent Incident Registry (AIR), apresentado no arXiv em 10 de setembro de 2026, cataloga eventos com agentes de IA usando identificador estável e rótulos de papel causal, mecanismo e desfecho. Uma auditoria mostrou que os casos do benchmark InjecAgent ocupam três das doze superfícies do AIR.
O paper arXiv 2609.11060v1 propõe dar ao agente curador de memória ferramentas de leitura do ambiente para validar o que é gravado. No CLBench, a taxa de acerto subiu de 39% para 73% e o custo por tarefa caiu de US$ 3,38 para US$ 1,68.
Estudo no arXiv propõe que o modelo não calcule: ele escreve Python e um executor local roda como solver determinístico. Em 1.100 casos médicos, o ganho só apareceu no Qwen2.5-32B-AWQ, com 90,53% contra 83,47% da aritmética direta.
Estudo publicado no arXiv analisou 120 trajetórias simuladas de saúde com dois modelos de IA generativa e 12 tarefas sob três níveis de desafio. Os agentes passam a depender mais de humanos conforme as falhas se acumulam e relatam desgaste em relatórios estruturados, mas raramente no texto.
Estudo controlado no CIFAR-10 mostra que o rank 4 obteve o melhor FID (124,1380) em um DDPM U-Net, com o rank 8 praticamente empatado (124,2136). Os autores recomendam ranks pequenos e médios como padrão em fine-tuning de difusão sob orçamento fixo.
O Fortunate Recall, camada de política que gerencia o ciclo de vida de memórias em LLMs, atinge 76,9% no LifecycleBench e supera Mem0, A-MEM, Memory-R1 e MemoryOS. A implementação FR-Bank derruba a confabulação de 45,1% para 22,4% e responde mais consultas corretamente.
O artigo TRACE injeta intervenções conhecidas em um simulador de publicidade digital para fabricar recompensas objetivas e treinar agentes de diagnóstico. O Qwen3.5-35B-A3B salta de 0,159 para 0,757 e supera modelos de fronteira usados apenas com prompting.
O preprint arXiv:2609.10177v1 propõe um framework de in-context learning multimodal que troca a imitação superficial de exemplos por pares contrastivos com caminho de raciocínio explícito. Os autores relatam ganhos consistentes em três tipos de tarefas multimodais, com destaque para VQA.
O método Representational Bias Shift (ΔB) audita viés nos estados ocultos de modelos de linguagem, sem depender do texto gerado. O ΔB acompanhou a mudança de viés na saída em 15 de 18 cenários testados e roda uma auditoria em cerca de três minutos.
Estudo no arXiv mostra que validade sintática e sucesso do planejador não garantem que um problema PDDL gerado por LLM represente de fato a tarefa descrita em linguagem natural. O trabalho propõe checagem semântica contra referência e reparo iterativo, e aponta o PDDL 2.1 como o ponto mais frágil.
