Estudo do arXiv mostra que o erro de predição não acompanha o viés causal em estimativas de Double Machine Learning, com XGBoost liderando em RMSE e DML-XGBoost em cobertura de intervalo.
Pesquisa no arXiv apresenta HSDN, que comprime cadeias de raciocínio em 68,4% com 91% de acurácia no benchmark AFAC2025, usando Qwen3 4B congelado.
O novo dataset público SCAFFOLD reúne 157.387 pares de pergunta e resposta sobre diagramas de artigos de ciência da computação. Criado no arXiv, o conjunto de dados pode transformar o treinamento de modelos de visão e linguagem em conteúdo acadêmico.
OpenAgentFlow é uma arquitetura que cria barreiras de segurança em nível de sistema para frotas heterogêneas de agentes de IA. Em testes no Android, o sistema bloqueou 95,3% dos ataques e atingiu 94% de precisão.
Estudo submetido ao arXiv em agosto de 2026 mostra que o modelo gpt-oss-120b, com apenas 5,5B de parâmetros ativos, consegue executar MD5 em 196 chamadas de ferramentas dependentes, carregando estado intermediário com sucesso na maioria das execuções. A pesquisa isola o rastreamento de estado como fator crítico e indica que manter raciocínio no contexto e votação são soluções eficazes sem retreinar o modelo.
Estudo no arXiv modela o problema de lote com demanda de tempo incerto via processo de Markov discreto e propõe algoritmo genético com gap de 3,44% e speedup de 6,89 vezes.
O I-CARE é uma metodologia de código aberto que formaliza o estudo de interferência em machine unlearning, permitindo medir quando um modelo de IA esquece conceitos que deveria manter. O artigo foi submetido ao arXiv em 24 de junho de 2026.
Estudo HyperWorld mostra que serializar estados textuais em hipergrafos melhora previsão de efeitos e planejamento em modelos de mundo, com ganhos claros em modelos de 0,5 a 1,5 bilhão de parâmetros e fora da distribuição de treino.
A Gilbert + Tobin, gigante australiana da advocacia, implementou ChatGPT Enterprise e Codex da OpenAI com uma governança liderada pelo CEO e foco em responsabilidade humana, servindo como modelo para outras corporações.
Estudo do Google Research e Technion revela que GPT-5 e Gemini-3 têm 95% a 98% dos fatos codificados, mas só recuperam muitos deles com mais tempo de inferência. Até 65% dos fatos esquecidos podem ser acessados assim.
