LLMs reduzem ciclo de produção agrícola em 35%
Estudo do arXiv mostra que LLMs autônomos podem reduzir o ciclo de produção agrícola em 35% e o consumo de energia em até 67,9%.
DashArena: benchmark para LLMs em dashboards analíticos interativos
Pesquisadores apresentam o DashArena, primeiro benchmark para avaliar a geração de dashboards analíticos interativos por LLMs, considerando a trajetória de interação como evidência.
SKILLER extrai skills reutilizáveis em modelos pequenos de IA
O framework SKILLER gera skills sob medida para modelos pequenos de IA com aprendizado por reforço em linguagem natural, reduz o custo de agentes e iguala o desempenho de modelos fechados em benchmarks, com código aberto no GitHub.
RL2C: algoritmo de IA acelera ajuste de corte a laser
Estudo publicado no arXiv apresenta o RL2C, algoritmo de aprendizado por reforço que reduz em até 12,5% os passos e 81,8% o tempo para ajustar parâmetros de corte a laser de filmes ópticos.
Feature Nonlocality: métrica mede abstração semântica de features em LLMs
Pesquisadores propõem a Feature Nonlocality (FNL), métrica que mede a abstração semântica de features de sparse autoencoders sem depender de outro LLM. O método distingue features contextuais de token-level em até 84% dos pares e revela que a mitigação de jailbreak costuma operar por features posicionais, não semânticas.
RadFusion controla sensibilidade e especificidade em laudos de IA
Pesquisadores apresentaram no arXiv o RadFusion, framework que dá controle sobre o trade-off sensibilidade-especificidade em laudos de radiologia gerados por IA. No MIMIC-CXR, o método reproduziu a curva ROC do classificador e elevou a sensibilidade em 6,9% e a especificidade em 20,7%.
MAP-Graph: memória compartilhada com proveniência para agentes de IA
Pesquisadores propõem no arXiv uma camada de memória para agentes de IA que rastreia a origem das informações, bloqueia acessos sem permissão e avalia risco antes de executar ações. Em benchmark com 2.700 tarefas sintéticas, o MAP-Graph alcançou 94,96% de sucesso geral.
MEGA: infraestrutura que faz agentes de IA evoluírem com o uso
Paper no arXiv propõe o MEGA, uma infraestrutura de três camadas que acumula conhecimento de sessões de agentes de IA e o usa para orientar otimizações futuras. O sistema combina um Wisdom Graph com retroalimentação por evidência operacional para que o processo melhore continuamente.
DyRIS: LLM prevê grupos espaciais em perovskitas duplas
Pesquisadores propuseram o DyRIS, framework baseado em LLM que prevê grupos espaciais de perovskitas duplas a partir da composição química. O método melhora a precisão em classes minoritárias em 3,26 pontos percentuais em conjuntos de dados desbalanceados.
MR-MoL: LLM que mostra quais subestruturas definem cada predição
MR-MoL, um LLM molecular guiado por racionais, expõe as subestruturas que definem predições de propriedades químicas e supera modelos generalistas em oito tarefas do MoleculeNet.