Active Inference para Otimização de Contexto em AI Agents
Artigo no arXiv apresenta framework que usa active inference para otimizar a aquisição de contexto em agentes de IA, testado em modelos de linguagem frontier.
Artigo no arXiv apresenta framework que usa active inference para otimizar a aquisição de contexto em agentes de IA, testado em modelos de linguagem frontier.
O Slack lançou o Slack Code, que integra agentes de codificação de IA como Claude Code e Copilot em canais colaborativos, permitindo que equipes acompanhem e revisem o trabalho em tempo real. A novidade está disponível em todos os planos da plataforma.
Pesquisa com 107 empresas revela que 20% não conseguem frear gastos com agentes de IA, impulsionando a adoção simultânea de múltiplas plataformas para manter controle.
OpenAI lança blog AI Futures focado em como IA transformacional pode redesenhar poder, governança, economia e liberdade. Publicação marca expansão da comunicação da empresa sobre riscos sistêmicos da tecnologia.
A integração do NanoClaw com o Slack permite criar equipes de agentes de IA persistentes, com identidade e funções próprias, a partir de uma simples mensagem.
A empresa de gestão de contas a pagar Stampli utilizou o Codex e o ChatGPT Work, da OpenAI, para comprimir semanas de trabalho de produção em um lançamento com prazo fixo e equipe de design comprometida, transformando dias em horas de produtividade.
A Serval liberou o Catalyst, super agente que automatiza fluxos de TI e cria agentes em segundo plano para corrigir problemas antes que virem tickets. A ferramenta já está disponível por padrão para todos os clientes.
Pesquisadores propuseram o RDFdL, framework que integra RDF com Differential Dynamic Logic para representar e verificar o comportamento dinâmico de sistemas ciberfísicos, usando Apache Jena e KeYmaera X.
Pesquisadores combinam lógica fuzzy com IEEE Key Gas Method para diagnosticar falhas em transformadores com até 98,6% de acurácia, segundo estudo publicado no arXiv.
Estudo da arXiv mostra que o ajuste com PEFT/LoRA eleva o F1 de LLMs na detecção de discurso de ódio em Roman Urdu de 0,56 para mais de 0,93, com eficiência computacional.