O GuardianBench, benchmark lançado no arXiv em agosto de 2026, testou 3.024 pares de instrução e cena em IAs de visão e linguagem e achou acurácia média de 24,1%, revelando que os modelos falham em distinguir comandos seguros de perigosos em cenários fixos.
Pesquisa submetida ao arXiv em agosto de 2026 apresenta o primeiro alinhamento público entre as ontologias IES e HQDM, com um crosswalk de 17 correspondências validado pelo raciocinador HermiT. O trabalho integra também a ontologia BFO e discute a diferença entre consistência e coerência em alinhamentos de defesa.
Pesquisa submetida ao arXiv propõe o HiMA-MDD, um sistema de três camadas de agentes que supera métodos de última geração na detecção de depressão em entrevistas clínicas, com rastro de evidências auditável.
O MemGuard, sistema de governança de memória para agentes de LLM, trata sinais de verificação como metadados persistentes e alcançou melhor resultado em 16 cenários de benchmark, com ganho de até 7,9 pontos no WebArena.
O framework LLM4LLM, descrito em artigo no arXiv em agosto de 2026, acelerou a inferência de dez LLMs em até 3,91x nas GPUs A100 e 6,98x nas H100, integrando otimização de kernel ao fluxo real de produção.
O framework LACL-GUI, proposto em artigo arXiv, usa aprendizado contrastivo sensível ao comprimento para treinar agentes de GUI, melhorando a performance em benchmarks com sinais de qualidade de trajetória.
Estudo do arXiv mostra que RL em matemática visual sofre com recompensa esparsa, com só 3,6% de acertos no Qwen2-VL-2B. A pesquisa revela que um slice de avaliação enganoso inverte o ranking, e que HL-Gauss vale +14,4 pontos.
O Physics-Informed Hybrid Ice Model (PIHIM), modelo híbrido de aprendizado neural guiado pela equação de continuidade do gelo marinho, foi apresentado em estudo submetido ao arXiv em agosto de 2026. Resultados preliminares mostram melhor preservação da borda do gelo e habilidade mensurável de previsão de curto prazo.
O ECHO, arquitetura de memória auditável para agentes de longo horizonte, alcançou 96% de Hit@10 em LoCoMo, mas perdeu para o Mem0 OSS em QA (41,76% vs 64,84%). Auditoria encontrou viés nas regras de expansão de consulta, tornando os resultados de desenvolvimento descritivos, não confirmatórios.
Pesquisadores propõem o framework RO-PnR, que decide entre perguntar e corrigir a cada turno, reduzindo em 30% as interações ao enfrentar desinformação de saúde em diálogos.
