O benchmark RENDER mostra que o formato da memória apresentada a um LLM pode mudar a precisão em até 72,6 pontos, com modelos zerando em um formato e acertando mais da metade em outro.
Paper submetido ao arXiv em agosto de 2026 propõe ver o alinhamento de IA como problema de escolha social, aplicando ferramentas de economia do bem-estar para conciliar preferências divergentes.
Estudo do arXiv mostra que memória condicional nem sempre beneficia modelos de IA em raciocínio científico; novo roteador decide quando ativá-la.
Estudo arXiv:2608.23962v1 mostra que compressão de cache KV é entre 1,2x e 2x mais barata que adicionar GPUs para servir LLMs, mas piora latência por token.
Estudo arXiv:2608.23956v1 mostra que o operador BRANCH supera GROW e PRUNE em 14 benchmarks, com ganho médio de 5,98 pontos percentuais.
Estudo arXiv propõe usar metodologia estatística de Scheffé para otimizar a mistura de dados em pré-treinamento de LLMs, reduzindo testes em 25%.
PROOF-Gen recupera 93% dos cenários falhos em testes de IA, melhorando Qwen3 e Gemma 4 e reduzindo custos de fine-tuning.
Experimento fatorial 2x2 no arXiv mostra que motor de cálculo tributário reduziu economia de impostos em 55 pontos percentuais, enquanto RAG teve efeito insignificante.
Estudo no arXiv:2608.23932v1 apresenta o ERDM, um modelo de aprendizado por reforço que reproduz comportamentos humanos sem programação explícita.
Benchmark BenchBench-Protocol avalia nove modelos de linguagem em 149 tarefas reais de modificação de protocolos de laboratório. Claude Opus 5 lidera com 59,2% de acerto.
