Pesquisadores apresentam um solver GPU que torna o soft top-k exato e diferenciável em escala de milhões, com overhead de milissegundos e aceleração de uma ordem de grandeza em aplicações esparsas.
OpenAI expande o Daybreak com o GPT-5.6-Cyber, modelo especializado em cibersegurança para pesquisa autorizada de vulnerabilidades, validação de exploits e testes de segurança.
Artigo na arXiv propõe o Flow-by-Flow, paradigma de governança que regula a saída de IA por métricas formais em vez de julgar conteúdo. Em 1.000 simulações, o método superou o reforço de supervisão isolado em 90,8% dos casos.
Estudo propõe tarefa ternária para detectar vídeos de fake news criados do zero por IA e cria o primeiro dataset com síntese pura. O framework R-T2V superou 10 baselines em acurácia e macro F1.
Pesquisadores apresentam o Agent-MD, framework que usa LLMs apenas em eventos críticos de simulações moleculares longas, completando 120 ciclos sem invocar raciocínio de IA na rotina.
Estudo do arXiv mostra que oito modelos de linguagem de quatro famílias — incluindo Anthropic e OpenAI — preferem consistentemente filmes aclamados pela crítica a sucessos comerciais, revelando um viés de prestígio cultural embutido nos LLMs.
Pesquisadores apresentam o NeSy-Spatial, framework neuro-simbólico que faz agentes de IA acumularem e refinarem habilidades de raciocínio espacial. O método melhora a precisão em três benchmarks e reduz a dependência de pipelines fixos.
Estudo submetido ao arXiv formaliza quando a contaminação de benchmarks de IA é detectável e mostra que 'sem evidência' pode refletir apenas uma auditoria sem poder estatístico. A eficácia dos detectores pode ser estimada antes da auditoria, mas orçamentos simples falham em amostras pequenas.
Pesquisadores lançam benchmark com mais de 1.300 trajetórias anotadas para atribuir decisões de agentes de IA, cobrindo ações inseguras e recusas de segurança.
Pesquisadores propõem o KGCache, um cache em memória para vizinhanças de knowledge graphs que acelera a recuperação de grafos em até 1,91x em workloads de perguntas e respostas com LLMs.
