Estudo publicado no arXiv mostra que inserir duas camadas de verificação — humana e automatizada — no fluxo de criação de vídeos com IA melhora a qualidade pedagógica do conteúdo gerado.
Modelo ADAPT usa difusão generativa com consciência física para otimizar climatização: reduz 7,3% o consumo de energia e 30,2% o desconforto de ocupantes em testes computacionais.
Paper do arXiv publicado em agosto de 2026 propõe um roadmap com cinco desafios-chave para construir agentes de IA adaptativos e multimodais, integrando LLMs, bases de conhecimento e raciocínio físico.
Pesquisa no arXiv mostra que LLMs de código aberto podem acelerar a descoberta de materiais em comparação com seleção aleatória, mas seu desempenho é variável e requer apresentação cuidadosa dos dados.
Pesquisa publicada no arXiv introduz o TT-Net, que usa conceitos de redes de tensores da física quântica para melhorar a remoção de ruído em imagens por GANs, superando o método tradicional e até o estado da arte em ruído gaussiano.
A DiDi implementou o GenMatch, o primeiro framework de correspondência generativa para dispatch de viagens a ser implantado em produção real, com testes positivos em cinco cidades internacionais.
Novo framework SafeBranch usa pares de ações seguras e inseguras para treinar agentes de IA a evitar violações sem perder eficiência, alcançando 10x mais successes seguros em testes com objetos não vistos.
O framework CAMA aborda o problema de memórias correlacionadas em sistemas de IA multi-agente, promovendo evidências independentes para decisões mais precisas.
Pesquisadores propõem o QDOS, método que usa dados já coletados para treinar habilidades robóticas de forma mais inteligente e eficiente, superando abordagens anteriores.
Pesquisa publicada no arXiv questiona avaliação por acurácia em simulações sociais com LLMs e propõe novo benchmark com 19.300 contextos para medir subjetividade de respostas humanas.
