Pesquisadores lançam o MBA-Bench, descrito como o primeiro benchmark multimodal para agentes de geração de ideias de negócio. Os modelos propostos superam linhas de base multimodais em até 35,8%.
Pesquisadores propõem o LOFA, framework que permite a agentes de compra baseados em LLMs aprenderem com feedback real de usuários em conversas de e-commerce, sem anotação humana. Em testes com logs reais, o método melhorou a qualidade das recomendações e o alinhamento com a satisfação do usuário.
O framework CoAdapt-GUI adapta agentes de GUI mobile a aplicativos nunca vistos no treinamento. No AndroidWorld Plus, o desempenho subiu de 38,6% para 52,9%.
Novo benchmark com 983 casos avalia 13 LLMs em RAG empresarial e revela que as respostas cumprem 80% das exigências isoladas, mas só 26,8% atendem a todos os requisitos simultaneamente.
Estudo no arXiv localiza o comportamento de recusa de LLMs nas camadas MLP do meio da rede; pesos dessas camadas transferem recusa a prompts maliciosos com ao menos 2,7 vezes mais eficácia que atenção.
Pesquisa no arXiv mostra que LLMs usados como avaliadores de recomendação produzem argumentos convincentes para conclusões opostas sobre o mesmo item. Alinhamento comportamental elevou o Macro-F1 em 32,19% e igualou o baseline de produção.
Pesquisadores publicaram no arXiv o SABLE, framework de código aberto que combina LLM, química computacional e otimização Bayesiana para priorizar análogos sinteticamente viáveis na fase hit-to-lead de descoberta de fármacos.
O MobileJudgeBench, novo benchmark para avaliar LLMs como juízes de agentes mobile, mostra que um baseline simples compete com métodos elaborados — e que o modelo de linguagem por trás do juiz é o fator decisivo.
Estudo pré-registrado no arXiv mostra que voto majoritário em self-consistency reduz a acurácia na maioria das questões do GPQA Diamond para LLMs pequenos como Qwen2.5-7B e Llama-3-8B.
Pesquisadores propõem o Social Chain of Thought (SCoT), arquitetura multi-agente para diagnóstico médico diferencial que recupera diagnósticos em casos complexos que a inferência monolítica perde. O estudo foi submetido ao arXiv em agosto de 2026.
