Estudo propõe o BoardroomAI, sistema que permite intervenção humana contínua em processos de decisão multiagente, reduzindo em 85% o esforço de cálculo em testes sintéticos.
Pesquisadores propõem o GCache, política de reuso de cache global para modelos de difusão. No Wan2.1, obteve 2,17x de speedup e reduziu LPIPS de 0,1095 para 0,0316.
Pesquisa no arXiv propõe MT-PDCL, framework que elimina a restrição de domínios finitos na lógica probabilística, usando integração de Lebesgue para inferência exata em espaços contínuos.
OGR-MARL combina regras de navegação e aprendizado por reforço multiagente para interceptar embarcações em portos; OGR-MASAC atingiu 75,0% de captura no cenário de Xiazhimen.
O Moose é o primeiro método neuro-simbólico a analisar reasoning shortcuts em ontologias OWL EL, usadas em sistemas como SNOMED CT e a Gene Ontology. Em testes com MNIST-with-ontology e Pizzaïolo, a abordagem superou os principais baselines da área.
Framework FlashDrive reduz em 4,7x a latência de inferência de modelos VLA para direção autônoma, elevando a frequência de processamento a 6,6 Hz em GPU única com precisão praticamente intacta.
Estudo com benchmark médico em polonês mostra que VLMs dependem mais do texto do que das imagens; apenas GPT-5.6 superou humanos, e o melhor modelo acertou 79%.
Estudo do arXiv mostra que agentes de IA do mesmo modelo falham juntos em 90% das missões, derrubando a suposição de independência usada em cálculos de confiabilidade. Novo certificado sem suposições é proposto.
Pesquisadores apresentaram o ReflectFact, framework de agentes autorreflexivos para verificação de fatos multi-hop, que supera baselines em 3,32% e 2,78% nos datasets HOVER e EX-FEVER.
Novo método PML prevê efeitos de intervenções em modelos de IA, analisando 210 mil avaliações e reduzindo danos colaterais com AUROC até 0,828.
