Framework agêntico que integra LLMs a ferramentas especializadas elevou a precisão na detecção de glaucoma em até 47 pontos percentuais e eliminou o viés de superdiagnóstico — sinal de mudança para sistemas multiagente na IA médica.
Pesquisa publicada no arXiv descreve o Guixu, sistema que combina valoração de dados, orçamento e atestação on-chain para agentes de IA autônomos comprarem datasets de forma verificável.
Preprint no arXiv propõe a Mendel Gödel Machine, método em que agentes de programação se auto-melhoram usando o histórico completo de tentativas, com base em princípios de herança mendeliana. Testes em SWE-bench e Polyglot indicam ganhos consistentes de performance, eficiência e generalização.
Artigo do arXiv mostra que conflitos entre memórias acumuladas em agentes de IA suprimem o aprendizado contínuo; o framework CMI ajuda a diagnosticar e tratar o problema.
A OpenAI classificou como infundado o processo movido pela Apple, corrigiu alegações sobre seus funcionários e divulgou mensagens para documentar sua versão do caso.
Pesquisadores apresentam o TRACE, benchmark que rastreia em cinco camadas como drift e falhas se propagam em sistemas humano-IA. Com 1.918 traces, o padrão permite diagnosticar onde a coordenação quebra e como recuperá-la.
Estudo do arXiv mostra que, em pipelines de raciocínio, a regra de decisão importa mais que a acurácia do LLM judge. Limitar o poder do juiz com certificados de evidência superou voto majoritário e juiz livre em GSM8K e HotpotQA.
Artigo na arXiv propõe um framework unificado para construir interpretações canônicas a partir de múltiplas teorias de estrutura e classifica a não-determinização em tipos epistêmico e estrutural. O trabalho conecta a formalização à alucinação de LLMs, tratada como canonização sem suporte.
Pesquisadores propõem o SCOUT, framework de agentes que combina autocorreção e exploração adaptativa para raciocinar sobre horas de vídeo em primeira pessoa. O método alcançou resultados de última geração em benchmarks egocêntricos ultralongos.
Pesquisadores apresentam o ZhuLong, agente de IA que usa execução em sandbox para inferir o comportamento de APIs não documentadas em scripts de EDA. No benchmark EDA-Eval-PyAether, o sistema alcançou 78,5% de Pass@1, contra 23,6% de um LLM puro.
