Estudo publicado no arXiv propõe framework para auditar robustez e fidelidade de explicadores de IA como SHAP e LIME, revelando que modelos com AUC acima de 0,99 podem gerar explicações enganosas.
AgentRoom, protocolo baseado em CRDTs, permite que agentes de codificação trabalhem concorrentemente com coordenação em tempo real, reduzindo abandons de tarefas em testes com cinco modelos de CLI.
Pesquisadores propõem FLARE, um framework para avaliar a viabilidade econômica de IA na saúde, com break-even em 3.992 pacientes por ano.
O framework TRACE, descrito em estudo no arXiv, trata cada edição avaliada como unidade de aprendizado e elevou a taxa de acerto de 18,13% para 25,96% em comparação controlada com o LLEMA na descoberta multi-objetivo de materiais.
Pesquisadores publicaram no arXiv o framework ICI-Time, que usa grandes modelos de visão para prever séries temporais transformadas em gráficos de área, sem precisar de fine-tuning. Testado em epidemiologia, meteorologia e energia, o método se mostrou competitivo com deep learning e promete funcionar em cenários com poucos dados.
Estudo do arXiv revela que sistemas de trading multi-agente baseados em LLM são vulneráveis a ataques via dados e prompts, sem exigir acesso interno. Nenhuma arquitetura de comunicação se mostrou intrinsecamente segura.
Paper submetido ao arXiv em 25 de agosto de 2026 propõe timestamps relativos e treino mascarado para SpeechLLMs preverem a posição temporal de cada palavra, melhorando a precisão sem sacrificar a transcrição.
Estudo submetido ao arXiv propõe selecionar LLMs por similaridade de comportamento, não por quantidade. Com apenas três modelos, superou votação de 25 modelos em benchmarks de previsão futura, reduzindo chamadas em 88% e custo de inferência em 80%.
Estudo do arXiv propõe o método RGV, que pontua respostas por sobreposição lexical com documentos recuperados, superando a votação por confiança em agentes de busca multi-turno. Ganhos chegam a 5,4% de precisão e 35% em perguntas com poucos rollouts corretos.
Estudo submetido ao arXiv mostra que regras publicadas e configuráveis pelo votante podem substituir rankers opacos na seleção de argumentos de votações deliberativas, com desempenho próximo do teto teórico.
