IA reduz erros de medicação em até 80% na saúde rural, aponta revisão
Revisão de 12 estudos mostra que IA pode reduzir erros de medicação em até 80% na saúde rural, mas enfrenta barreiras de infraestrutura e governança.
FraudBench: benchmark testa agentes bancários de IA contra fraudes adaptativas
Pesquisadores criaram o FraudBench, um benchmark que testa agentes bancários de IA contra fraudes adaptativas em conversas. Na avaliação preliminar, a segurança dos modelos ficou entre 49% e 65%, com falhas comuns em contas-laranja e fraude pelo próprio titular.
Segurança de LLMs falha em idiomas não-ingleses, aponta estudo
Estudo com 10 LLMs e 14.988 testes mostra que alinhamento de segurança é centrado no inglês e falha em idiomas como bengali e hindi. Modelos open-source têm mais viés em bengali; fechados, em inglês.
Benchmark expõe lacuna de crédito parcial em provas com nota convexa
O benchmark THPT-Ladder, criado a partir do exame nacional do Vietnã, mostra que a acurácia tradicional superestima modelos de IA em provas com pontuação convexa.
Auto-treinamento verificado: IA melhora com registros de governança
Pesquisa mostra que registros de governança de workflows podem treinar modelos de IA sem oracle ou teacher forte, elevando planos aceitos de 1 para 57 e reduzindo latência em 56x.
Rankings de IA ignoram o Sul Global, aponta estudo com caso da Índia
Artigo no arXiv mostra que rankings de IA falham com o Sul Global por falta de governança, não de dados. Estudo com a Índia propõe leaderboards regionais independentes.
Benchmark revela: IA resolve geometria olímpica, mas falha ao desenhar diagramas
Novo benchmark com 954 problemas de geometria olímpica mostra que modelos de IA como GPT e Claude têm apenas 36,14% de sucesso ao gerar diagramas, revelando uma lacuna entre raciocínio matemático e construção visual.
IA Agêntica: revisão mapeia evolução e aplicações
Revisão sistemática publicada no arXiv consolida o estado da arte da IA agêntica, cobrindo evolução, aplicações e fatores de adoção. Estudo propõe framework para orientar implementações.
Agentes autoevolutivos como transformação de grafos dinâmicos: novo survey
Survey no arXiv propõe modelar agentes autoevolutivos como grafos dinâmicos, com quatro taxonomias e nove subcampos de aprendizado de grafos mapeados para capacidades de evolução.
ComponentBench: benchmark diagnostica falhas de agentes de IA em UIs web
ComponentBench, novo benchmark para agentes de uso de computador, mostra que a escolha do espaço de observação e ação pode mudar o sucesso em mais de 30% para o mesmo modelo, com GPT-5 mini caindo de 83,1% para 48,9%.