Novo paper propõe framework de controle bayesiano usando dinâmica de spikes, inspirada em neurônios, para operar em ambientes incertos. Estudo valida modelo no benchmark 'mountain car'.
A plataforma Brain Researcher aumenta a precisão de agentes de IA em análises de neuroimagem em 70,2 pontos percentuais, incorporando rigor metodológico ao workflow científico.
Pesquisadores publicaram o EXIMO, algoritmo em três etapas que reduz a necessidade de dados coletados por humanos para treinar robôs em novas tarefas. O método combina planejamento por VLM com reinforcement learning residual.
Axon é uma nova linguagem DSL que compila arquiteturas de LLMs para PyTorch, JAX, MLX e vLLM — com ganhos de até 107% de speedup e sem lock-in em frameworks.
Framework TESTNAV usa otimização Pareto para acelerar testes de robustez em modelos de IA, identificando falhas reais com até 2,15x mais eficiência.
Nova camada programável chamada EnvHarness adapta automaticamente ambientes estáticos para treinar IAs agentes, superando métodos tradicionais em benchmarks com ganho de até 9,0 pontos de desempenho.
Novo método chamado PolicyGuide aumenta de 48% a conformidade de agentes LLM com políticas de empresas ao compilar regras em grafos de workflow e usar um verificador proativo, funcionando com GPT-5, Claude e Gemini.
Novo framework SAPO supera PPO em 15.1 pontos percentuais no treino de LLMs, elimina modelo critic separado e reduz tempo de execução em 33.2%.
Estudo do arXiv formaliza o 'spec-delta' — mudanças incrementais na especificação — como unidade de governança para plataformas de dados do tipo lakehouse, com o objetivo de reduzir defeitos e carga cognitiva em revisões.
Novo framework bipartido resolve ambiguidade dos modelos causais tradicionais em sistemas com feedback cíclico, sem quebrar compatibilidade com abordagens existentes.
