Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até 2027. Empresas que limitam a autonomia dos agentes e impõem controles rígidos estão saindo na frente, enquanto a maturidade média em governança é de apenas 2,3, segundo a McKinsey.
O Google Research lançou uma IA multiagente que analisa dados de wearables para priorizar biomarcadores, testada em 9.279 observações e identificando vínculos entre sono e depressão.
Pesquisadores da Nvidia mostraram que operações lineares simples podem transferir dados entre modelos de linguagem 25x mais rápido que o método tradicional, mantendo 98% da precisão — reduzindo custos em fluxos de trabalho agênticos.
Google DeepMind anuncia parcerias com estúdios de jogos para desenvolver experiências com IA, celebrando 15 anos de pesquisa que começaram no Atari.
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.
