MemoryLake lidera comparativo de backends de memória para agentes de IA
Pesquisa publicada no arXiv mostra que o MemoryLake teve desempenho superior em três áreas do benchmark MemoryArena, mas os resultados variam conforme o tipo de tarefa.
Otimização Conjunta de Memória e Frequência para Inference Eficiente de DNN
Um novo algoritmo otimiza memória e frequência para reduzir consumo de energia em inference de DNN em dispositivos móveis, com ganhos de até 10,4% em eficiência.
SDO: operador resolve conflitos entre adapters em modelos de difusão
Novo operador publicado no arXiv resolve conflitos de subespaços que causam mixing de identidade na composição de múltiplos adapters em modelos de difusão, melhorando fidelidade e estabilidade em gerações complexas.
Modelo de 4B parâmetros supera GPT-5 em negociações com SocialRL
Um modelo de linguagem com apenas 4 bilhões de parâmetros, treinado com a técnica SocialRL, está superando gigantes como o GPT-5.1 em tarefas de negociação, provando que IAs menores podem ser strategicamente competitivas.
FLARE MCMC: Método Acelera Inferência em Modelos Científicos
Novo método FLARE MCMC usa aproximações de fidelidade variável para melhorar a eficiência de Markov Chain Monte Carlo em simulações científicas, reduzindo custo computacional em hidrologia e cosmologia.
Método CAAE Melhora Descoberta de Falhas em Sistemas Autônomos com Dados de Simuladores
Novo método publicado no arXiv combina dados de simuladores com testes reais limitados para encontrar até o dobro de falhas em sistemas autônomos, superando técnicas tradicionais de amostragem e aprendizado ativo.
Nova IA Aprende a Montar Estruturas com Restrições Semânticas
Pesquisa publicada no arXiv mostra que agentes de IA que aprendem a montar estruturas novas através de conversas em linguagem natural adaptam-se de forma mais eficiente do que métodos tradicionais baseados em demonstrações.
Second Thought: como raciocínio paralelo acelera agentes de IA
Framework de inferência paralleliza o raciocínio de agentes LLM durante a espera por observações, reduzindo decodificação em até 43% sem perder acurácia em testes preliminares.
MOOSEDev: Memória Ontológica para Agentes de Código
MOOSEDev usa grafo de conhecimento para dar memória estruturada a agentes de código, superando ferramentas vetoriais em consultas complexas com até 100% de acerto.