Pesquisa publicada no arXiv revela que 13 sistemas de recomendação de vídeos curtos favorecem conteúdo raso, e nenhum consegue selecionar conteúdo profundo de forma melhor que o acaso.
Novo framework multi-agente usa LLMs para otimizar parâmetros de layout de circuitos analógicos, reduzindo a necessidade de centenas de simulações custosas para apenas dezenas, com desempenho superior à otimização Bayesiana tradicional.
Nova biblioteca Python usa Análise Conceitual Formal para mapear padrões nos vencedores do Eurovision desde 1975, revelando relações entre votos geopolíticos e características音乐ais.
Novo framework RGLR publicado no arXiv propõe conectar raciocínio intermediário a ganhos concretos de busca, superando baselines em testes.
Pesquisa do arXiv apresenta o RCV, wrapper leve que corrige classificadores de segurança de LLMs sem retreinamento e captura 81% do conteúdo perigoso que antes escapava.
Benchmark com quase 2 mil figuras anotadas e concurso internacional definem novo roteiro para criar IAs que compreendam gráficos e dados visuais de pesquisas científicas.
Novo framework acadêmico propõe usar mandatos assinados criptograficamente no nível do protocolo (MCP) para controlar e auditar ações de agentes de IA, alinhando-se a regulamentações como o EU AI Act e o GDPR.
Estudo publicado no arXiv mapeia o ponto ideal de repetição de dados de domínio no pré-treinamento de LLMs, mostrando que a repetição sobe com o tamanho do modelo e depende da qualidade do domínio — não da quantidade de dados.
Estudo no arXiv compara quatro frameworks de IA para modelagem de materiais e conclui que todos têm desempenho notável, oferecendo orientação prática sobre forças e limitações de cada abordagem.
Pesquisa do arXiv analisa 8.135 experimentos e revela que skills de LLM estabilizam execução (65,7% dos casos) mas não injetam conhecimento — e que retrieval cai de 29,6% a 3,3% com pools maiores.
