O FaithSieve, framework apresentado no arXiv, usa o provador formal Lean e o LLM GPT-5.4 para localizar o primeiro erro em provas matemáticas com 84,5% de precisão, superando o baseline de 75,0% do julgamento direto
Estudo do arXiv mostra que aprovações de LLMs em sistemas autoadaptativos podem expirar antes da execução, com taxas de erro de até 48,4%. Método FBS reduz falhas de 3,4-24,7% para 0-1,8%.
Uma auditoria em seis etapas, descrita em um preprint do arXiv, mostra que apenas 6,5% dos estudos de IA neuro-simbólica podem ser reproduzidos a partir de artefatos publicados. Foram analisados 1.304 estudos elegíveis, dos quais 85 foram total ou parcialmente reproduzidos.
Um survey submetido ao arXiv em 26 de agosto de 2026 organiza os agentes de LLM para séries temporais em quatro categorias baseadas em problemas, e oferece um guia para projetar esses sistemas comparando o desempenho dos modelos.
Estudo do arXiv mostrou que o harness, camada que gerencia contexto e ferramentas, altera resultados de agentes de codificação mesmo com modelo fixo. Em uma coorte do SWE-bench Verified, a média de F2PF subiu de 28% para 49% com o tratamento de janela apertada.
Pesquisa submetida ao arXiv em agosto de 2026 apresenta o GameWAM, descrito como a primeira World-Action Model para jogos. O sistema une previsão visual e controle nativo por teclado e mouse, com sucesso competitivo e menos ações executadas.
Pesquisadores desenvolveram um framework de IA agêntica que opera microscópio de força atômica com segurança, elimina comandos errados e iguala especialistas em qualidade de imagem e tempo de ajuste.
Pesquisa submetida à arXiv em agosto de 2026 propõe o Latent World Model (LWM), que prevê consequências de ações no espaço latente para navegação de robôs. O modelo superou métodos anteriores em precisão de predição e navegação no mundo real, com código aberto.
Pesquisa do arXiv mostra que, em tarefas de múltiplas etapas, agentes de IA com ferramentas perdem cerca de 70% da capacidade por erros próprios. O estudo também revela que a métrica exact-match pode gerar números confiantes e enganosos.
Pesquisadores apresentaram o TutorTrace, um dataset que usa telemetria de IDE para que tutores de IA respondam ao comportamento do estudante. Em testes com 480 alunos de Python, a abordagem reduziu consultas dependentes de 50% para 20,7%.
