Agent Lightning v1.0: Framework para RL Agêntico Harnessed
O Agent Lightning v1.0 é um framework leve para RL agêntico que melhorou o modelo Qwen3.5-9B em 14.6 pontos no SWE-bench com apenas 6K exemplos de treinamento.
SGHA: IA para Descoberta de Problemas de Pesquisa Roda Localmente com Modelo de 9B
Novo agente de IA (SGHA) descobre problemas de pesquisa científica usando apenas um modelo local de 9B, sem depender de APIs proprietárias e aumentando a transparência do processo.
IA que projeta IA gera 96,8% de soluções baseadas em designs humanos
Pesquisa do arXiv mostra que 96,8% dos métodos projetados por agentes de LLM são recombinações de soluções humanas existentes —questionando o potencial real de inovação autônoma da IA.
SAGE: framework de IA aprende a criar storyboards e supera profissionais
Framework SAGE cria storyboards automáticos que superam diretores humanos em teste, reduzindo 83% do tempo de autoria e sendo aceito em 87% dos casos na produção real.
Novo modelo SIRLM endereça 'drift' de raciocínio em Knowledge Graphs com LLMs
Pesquisa publicada no arXiv propõe o SIRLM, um novo modelo para corrigir o "drift" de raciocínio de LLMs em Knowledge Graphs. O método acopla regras estruturais à lógica da IA, testado em 36 datasets.
Provisionamento de Harness para LLMs em Infraestrutura Crítica
Pesquisa do arXiv propõe algoritmo que inicia com acesso mínimo a recursos para agentes de IA, expandindo apenas após falha. Em testes, reduziu em 48% o consumo de tokens em tarefas de data center.
LEGO-RL: Framework para RL em Agentes de Código
Novo framework LEGO-RL melhora o desempenho do modelo Qwen em até 9,4% em benchmarks de código, resolvendo problemas de alinhamento em ambientes de execução.
GraphGAN: método com grafos e GANs para detectar ataques DDoS
Pesquisadores propõem GraphGAN, que usa grafos e GANs para detectar DDoS com mais precisão, especialmente quando há poucos dados de ataques.
LLMs de Código Aberto Não Garantem Conserto Automático de Erros em IA de Planejamento
Estudo do arXiv mostra que LLMs de código aberto superam métodos tradicionais em corrigir erros em modelos de IA, mas sua taxa de sucesso cai drasticamente em testes complexos, impedindo a automação confiável.
TileMix: Kernel Preciso Acelera Inferência de LLMs Longos
TileMix é um novo kernel que roteia precisão numérica por blocos para acelerar LLMs em textos longos, recuperando qualidade perdida em métodos anteriores.