Paper no arXiv propõe a arquitetura DODR, que troca a amostragem de tokens por operadores matriciais determinísticos baseados nos três tipos de inferência de Peirce. Nos testes, os operadores congelados acertaram 100% dos casos de dedução em domínios inéditos.
Survey publicado no arXiv em setembro de 2026 analisa modelos de linguagem por difusão como alternativa aos LLMs autorregressivos para agentes de IA em celulares e IoT, com ganhos potenciais de latência, energia e banda.
Paper no arXiv apresenta o SHAQ, defesa contra ataques de inversão de embeddings em bancos de dados vetoriais de RAG. O método troca embeddings de documentos por shadow queries e alcança taxa de recuperação de 0,2104, com utilidade de busca preservada.
Framework sem treinamento, o DCFA usa grafos causais e raciocínio contrafactual para identificar o erro decisivo em sistemas multiagente de LLMs, com ganho de até 8,27% de precisão no benchmark Who&When.
O PLUME, framework publicado no arXiv em 4 de setembro de 2026, personaliza LLMs treinando apenas uma pequena matriz por usuário em um subespaço compartilhado, reduzindo parâmetros em mais de 95% sem perder desempenho.
FinalityBench, novo benchmark publicado no arXiv, avalia agentes de IA pelo prejuízo monetário real em decisões financeiras irreversíveis sob dados atrasados e contraditórios. Uma política de bloqueio por finalidade atinge 85,4%, enquanto LLMs acertam na mesma taxa mas perdem o dobro do dinheiro.
Estudo no arXiv analisou 61.077 artigos do PubMed e descobriu que 42% das publicações biomédicas que usam LLMs dependem de modelos já aposentados ou com aposentadoria marcada em até dois anos. A mediana entre publicação e descontinuação é de 538 dias.
Método SQL-Zero treina agentes Text-to-SQL sem nenhum dado anotado por humanos, usando self-play entre dois LLMs e execução contra o banco como única verdade. Ganhos de 6,6 pontos em 3B e 7,3 pontos em 7B no benchmark BIRD.
Paper no arXiv apresenta o C-DPPO, método de post-training para agentes de código que ganhou +3.0 pontos sobre o DPPO padrão nos modelos Baize5B e Baize10B no benchmark TMax-100, com garantias formais de fidelidade de token.
Artigo no arXiv apresenta o HackProbe, monitor black-box que detecta reward hacking em modelos de linguagem autoevolutivos com 0,763 de AUROC e reduz falsos positivos de 0,706 para 0,434.
