Novo benchmark MemTrapBench revela que todas as estratégias de memória testadas em LLMs reduzem o desempenho, criando armadilhas cognitivas que distorcem o raciocínio dos modelos.
O ContractScrub, primeiro benchmark para IA em revisão de contratos, mostra que modelos de ponta falham em atingir alto desempenho, com apenas um alcançando 0,75 de recall médio.
Paper do arXiv de agosto de 2026 propõe que a arquitetura clássica de software será substituída por um modelo com três pilares: banco de dados, LLM e agente, redesenhando papéis e infraestrutura.
O DARS usa RL de dois níveis para atribuir crédito entre planner e renderer em edição de imagens por IA, superando baselines em cinco benchmarks com foco em edits que exigem raciocínio.
DECOWAM é um modelo de world-action para robôs com pernas que separa locomoção e movimentos de braços, reduzindo erros de previsão em 21,7% com apenas 25,95M de parâmetros treináveis.
Pesquisa publicada no arXiv mostra que sistemas de IA que restringem a visibilidade de dados entre módulos superam versões com acesso global por mais de 20 pontos em generalização composicional.
Estudo no arXiv mostra como Safety Nets reduzem o tamanho de sistemas de IA em até mil vezes, garantindo 100% de precisão para certificação na aviação.
Novo paper no arXiv propõe tipologia tridimensional para classificar agência em sistemas de IA avançados, diferenciando agência moral e legal.
Pesquisa publicada no arXiv apresenta o modelo CMPL, que resolve o problema de queda de desempenho em sistemas de análise de sentimento quando enfrentam combinações de dados novas e não vistas durante o treinamento.
Estudo formaliza o 'manifold drift' como causa de alucinações em modelos de imagem e propõe o ThermoDPO, que melhora Stable Diffusion 3.5 em 47,5% em OCR.
