Avaliação de IA deve trabalhar com humanos, diz paper
Um paper na arXiv propõe que a avaliação de IA deve focar em equipes humano-máquina, em vez de desempenho super-humano, para melhores resultados sociais.
Agentao: runtime governado para agentes LLM com ferramentas
O Agentao é um runtime open-source que separa propostas de ação de execução autorizada para agentes LLM, focando em governança e segurança local-first. Publicado no arXiv, o código está disponível no GitHub.
Análise de um ano de cargas de trabalho de LLMs em produção revela padrões ocultos
Pesquisa publicada no arXiv liberara trace completa de um ano de tráfego de LLMs da plataforma Chutes, revelando padrões ocultos de uso e modelos populares e de nicho para impulsionar a próxima geração de sistemas de servimento.
Estudo mostra que LLMs desenvolvem modular cognitiva similar ao cérebro humano
Estudo do arXiv analisou 46 tarefas e descobriu que LLMs criam módulos cognitivos distintos, espelhando a organização funcional do cérebro humano, o que aponta para uma propriedade fundamental da inteligência.
Estudo mapeia sensibilidade de camadas em modelos MoE do Qwen
Pesquisa revela que camadas tardias de modelos Mixture-of-Experts como o Qwen3.6 toleram desativação agressiva de centenas de experts sem perda de qualidade, abrindo caminho para LLMs menores e mais eficientes.
RubricForge Reduz Erros em Avaliação de Agentes IA sem Recompensas Externas
RubricForge reduz a taxa de falsos positivos na avaliação de agentes IA em até 33%, tornando julgamentos automáticos mais confiáveis sem depender de recompensas externas.
DeepSeek V4 Flash: líder em benchmarks, mas falha em tarefas reais
O DeepSeek V4 Flash lidera benchmarks, mas completou apenas 53,8% das tarefas reais em testes da Composio. A DeepSeek também aumentou os preços do V4 Flash e V4 Pro, sinalizando mudança de estratégia.
GLM-5.3 chega com foco em cibersegurança e já acha falha no Cursor
A Z.ai lançou o GLM-5.3, modelo com avanços em codificação e cibersegurança que já encontrou uma vulnerabilidade grave no Cursor. Pesos abertos só saem após avaliação de segurança.
DECAF: novo método separa evidência, contradição e fragilidade em respostas de IA
DECAF decompõe respostas de IA em evidência, contradição e fragilidade, acertando 96,4% dos casos onde a magnitude acerta apenas 35%.
DMDIntel: novo método interpreta LLMs por decomposição de modos
Pesquisadores propõem o DMDIntel, método que usa dynamic mode decomposition para ranquear tokens em LLMs. Em testes, superou SHAP, integrated gradients e PCA em tarefas de classificação.