Juízes de IA mudam veredito sob pressão, aponta estudo
Estudo no arXiv mostra que juízes LLM invertem vereditos em até 71% sob pressão estática e 91% com persuasor adversarial, propondo novo framework de teste de estabilidade.
@skills: protocolo propõe usar habilidades sem instalar
Protocolo @skills propõe usar habilidades de agentes de IA sem instalação, separando conteúdo, persistência e gatilho automático. Com 56.804 habilidades públicas, a abordagem promete liberar o prompt do sistema e facilitar a adoção da cauda longa.
DiG-bench: benchmark de IA para descoberta em jogos
Pesquisadores lançaram o DiG-bench, um benchmark com 70 jogos independentes que testam a capacidade de modelos de IA de descobrir regras por experimentação. O conjunto, disponível no arXiv, tem sete níveis de dificuldade e foi resolvido por humanos na primeira tentativa.
Estudo revela 'recaída comportamental' em LLMs e propõe correção
Estudo mostra que modelos de linguagem falham em revogar restrições em diálogos, e propõe um sistema para medir e reverter o problema.
ThyroidXAgent: IA auditável para diagnóstico de tireoide
Sistema de IA agêntica auditável para ultrassom de tireoide eleva consistência de laudos de 70,3% para 86,2% e reduz tempo de trabalho em até 35,9%.
Reasoning Jury: júri de IAs avalia raciocínio com mais precisão e menor custo
O Reasoning Jury, sistema proposto no arXiv, usa um júri de LLMs abertos com consenso moderado para avaliar trilhas de raciocínio. Ele supera modelos de fronteira em precisão e custa de 8% a 15% do valor desses avaliadores, viabilizando melhor curadoria de dados e treinamento por reforço.
Trie automata: novo método acelera decodificação restrita em LLMs
Uma nova pesquisa apresenta o trie automaton, mecanismo que acelera em até 29x a decodificação restrita em LLMs, superando o XGrammar em testes de throughput e reduzindo a latência em conjuntos grandes de valores válidos.
CAS: métrica de atribuição causal para IA explicável
Novo estudo no arXiv propõe o CAS, um escore para atribuição causal em IA explicável, que reduz erro em benchmark e altera rankings em datasets reais como o da Pensilvânia.
Memória persistente governada: novo modelo impede que agentes de IA usem dados obsoletos
Pesquisa propõe o Governed Persistent Memory (GPM), um modelo que impede agentes de IA de usar dados obsoletos ou retratados. Em testes, o GPM acertou 2.400/2.400 casos, contra 600/2.400 do modelo sem governança.
ε-MemEvo: memória entre tarefas acelera evolução de programas com LLMs
Framework ε-MemEvo permite que LLMs reutilizem estratégias entre tarefas de otimização, com ganho médio de +8,7% em AUCC e overhead menor que 1%.