Pesquisa do arXiv propõe raciocínio adaptativo para IA agêntica
Estudo no arXiv mostra que IA agêntica pensa demais sem ganhar precisão, ou pensa de menos e erra. A saída apontada é raciocínio adaptativo, não controles fixos.
ProofEvolve: evolução neuro-simbólica para prova automática de teoremas
O framework ProofEvolve, apresentado em artigo no arXiv em agosto de 2026, evolui provas formais verificadas pelo kernel Lean e alcança a maior taxa média de resolução em três benchmarks de teoremas, preservando resultados de tentativas parciais.
FaithSieve usa Lean e GPT-5.4 para avaliar provas matemáticas com precisão de 84,5%
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 revela falha de segurança em sistemas de IA com aprovações atrasadas
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%.
Auditoria: só 6,5% da literatura de IA neuro-simbólica é reproduzível
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.
Survey mapeia agentes de IA para séries temporais em 4 categorias
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.
Harness altera resultados de agentes de codificação com o mesmo modelo
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.
GameWAM: o primeiro modelo de mundo e ação para games
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.
Agentes de IA operam microscópio de força atômica em nanocaracterização
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 com modelo de mundo latente melhora navegação de robôs
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.