O Fortunate Recall, camada de política que gerencia o ciclo de vida de memórias em LLMs, atinge 76,9% no LifecycleBench e supera Mem0, A-MEM, Memory-R1 e MemoryOS. A implementação FR-Bank derruba a confabulação de 45,1% para 22,4% e responde mais consultas corretamente.
O artigo TRACE injeta intervenções conhecidas em um simulador de publicidade digital para fabricar recompensas objetivas e treinar agentes de diagnóstico. O Qwen3.5-35B-A3B salta de 0,159 para 0,757 e supera modelos de fronteira usados apenas com prompting.
O preprint arXiv:2609.10177v1 propõe um framework de in-context learning multimodal que troca a imitação superficial de exemplos por pares contrastivos com caminho de raciocínio explícito. Os autores relatam ganhos consistentes em três tipos de tarefas multimodais, com destaque para VQA.
O método Representational Bias Shift (ΔB) audita viés nos estados ocultos de modelos de linguagem, sem depender do texto gerado. O ΔB acompanhou a mudança de viés na saída em 15 de 18 cenários testados e roda uma auditoria em cerca de três minutos.
O artigo arXiv:2609.09885v1 apresenta um Decision Transformer que controla trajetória, atitude e fases de uma RIS montada em drone para redes D2D, com transferência zero-shot superior à do DRL direto e ajuste fino online com menos interações.
Estudo no arXiv mostra que validade sintática e sucesso do planejador não garantem que um problema PDDL gerado por LLM represente de fato a tarefa descrita em linguagem natural. O trabalho propõe checagem semântica contra referência e reparo iterativo, e aponta o PDDL 2.1 como o ponto mais frágil.
O Era by Eon Benchmark gera empresas fictícias completas, com simuladores de Salesforce, Zendesk, Slack e Gong, para avaliar agentes de IA com gabarito exato. Em 23 companhias simuladas, o realismo médio subiu de 61,8 para 97,0, e a acurácia dos nove modelos testados variou de 42,4% a 76,8%.
O UnitBoost substitui o meta-agente generativo de sistemas LLM compostos por um operador de merge definido, livre de ordem e com proveniência de unidade. Em três benchmarks held-out, supera o melhor candidato com rótulos gold em 0,060 a 0,195 ponto e eleva o F1 de célula do FanOutQA de 0,4778 para 0,5524.
O LexAgentHallu, benchmark publicado no arXiv, avaliou 18 agentes jurídicos de IA em 3.414 instâncias e encontrou um efeito de resposta certa com raciocínio errado. As alucinações se agrupam em perfis previsíveis por framework, tarefa e categoria jurídica.
Estudo no arXiv analisou destilação multi-professor com filtro de correção e encontrou acurácia maior, mas recall zero em categoria Refuted e perda de funcionalidade de rótulos. O ganho real sobre filtro rígido não foi demonstrado.
