Pesquisa arXiv:2608.23670v1 constrói máquinas de estados finitas a partir de traces de agentes de LLM, atingindo AUROC de 0,94 na previsão de falhas e superando abordagens existentes na previsão de próximos passos.
Pesquisadores propuseram o MolEmb, framework que usa MLLMs para criar embeddings moleculares condicionados a linguagem natural, com o benchmark MolCAR para avaliar sensibilidade ao contexto. O trabalho está no arXiv.
Paper do arXiv propõe framework com cinco construtos para avaliar quando o uso de LLMs na pesquisa mantém legitimidade epistêmica, e introduz a auditoria epistêmica como registro de verificação e responsabilidade humana.
Estudo do arXiv alerta que a supervisão humana de agentes de IA está sendo degradada pelo próprio uso desses sistemas, e propõe medidas para preservar o julgamento crítico dos supervisores.
Estudo do arXiv (2608.23640v1) mostra que um LLM confabulou 96,7% das memórias ao escrever uma autobiografia real de 366 dias. Grounding no corpus reduziu a falha a 83,3%, mas não a eliminou.
Estudo com 11,4 mil consultas mostra que preferências de IA dependem mais do instrumento do que do modelo, com coeficiente de generalização de 0,348.
Pesquisa no arXiv apresenta STEP-KTODER, framework que usa testes unitários em nível de função e supera KTO e DPO em geração de código, alertando para risco do LLM como juiz.
Uma pesquisa publicada no arXiv em 22 de agosto propõe um framework multi-agente que permite a modelos de linguagem conduzirem experimentos controlados com simulação para design de processos farmacêuticos. O sistema gera recomendações mais específicas que o raciocínio apenas com linguagem, segundo estudo.
Google Research lança AgentHands, protótipo de LLM que sincroniza gestos de mão com agentes de IA em ambientes XR, publicado no CHI 2026.
A OpenAI anunciou o Admin plugin para ChatGPT Work e Codex, ferramenta que centraliza a gestão de workspace, membros, permissões e limites. A novidade foi divulgada no blog oficial da empresa.
