Auditoria corrige erro em prova matemática gerada por IA da OpenAI
Nota técnica identifica erro em lemma de prova matemática da OpenAI e apresenta correção, reforçando necessidade de auditoria em IA.
AViD Journal: IA verifica novidade de teoremas com Lean 4
Um pipeline chamado AViD Journal usa Lean 4 para verificar a novidade de teoremas matemáticos, mas sua avaliação revelou limitações em fidelidade semântica e cobertura de índices.
Agentes de IA em Ciência Devem Ser Estudados como Sistemas Humanos
Estudo publicado no arXiv alerta que agentes de IA em equipes científicas devem ser analisados como sistemas humanos para evitar riscos como redução da diversidade de pesquisa.
CMR-Mamba: Novo método de IA detecta falhas industriais
O CMR-Mamba, método de IA publicado no arXiv, detecta falhas acopladas em sistemas industriais que métodos tradicionais não captam, melhorando em até 0,42 AUROC em testes.
Estudo: Auto-correção por incerteza piora desempenho de LLMs para código
Estudo do arXiv mostrou que métodos baratos para medir a 'dúvida' de LLMs de código frequentemente pioram a qualidade das soluções geradas, em vez de melhorá-las.
Estudo: LLMs multimodais falham em ser consistentes entre texto e áudio
Novo estudo do arXiv testou LLMs multimodais em cenários reais de emergência e nenhum manteve respostas consistentes entre texto e áudio — com impacto desproporcional em pessoas com necessidades de acessibilidade.
Avaliação de Roteadores Open-Source para IA Agêntica Revela Limitações
Um estudo recente no arXiv avalia quatro roteadores open-source com protocolo comum e revela que apenas o vLLM varia com prompts, mas não domina em nenhum benchmark, destacando a necessidade de controles rigorosos.
Estudo: LLMs são imprecisas em química cosmética, alertam pesquisadores
Benchmarking com 14 LLMs revelou desempenho 'pobre' em tarefas técnicas de química cosmética. Pesquisadores alertam para o risco de respostas autoritativas, mas incorretas, sobre cuidados com a pele.
CacheScout: Camada de KV-cache Inteligente para Servidores de LLM Multi-Agente
CacheScout otimiza o uso de cache em servidores de IA multi-agente, reduzindo latência e aumentando throughput com base na semântica de execução de agentes.
Benchmarking de LLMs para Conselhos de Parentalidade: Nova Abordagem
Estudo publicado no arXiv revela que pontuações gerais de LLMs podem esconder falhas em conselhos de parentalidade, influenciados por idioma e estilo de criação.