Pesquisadores submetem ao arXiv o TongGuOCR, framework que combina consciência de layout e aumento de tokens para transcrever documentos históricos chineses. No benchmark M5HisDoc, o sistema supera modelos de OCR tradicionais e MLLMs, com redução expressiva de erros.
Estudo do arXiv propõe um framework para transformar chatbots isolados em ecossistemas governados de agentes de IA em hospitais, com foco em conformidade e produção.
Pesquisadores lançam na arXiv o CliniCARE-Bench, benchmark que avalia agentes de IA em 750 casos baseados em prontuários reais e indica que acurácia bruta esconde falhas de processo.
Estudo propõe identificar a linhagem de LLMs de peso aberto a partir da geometria dos pesos, sem acesso a dados de entrada. Técnica foi testada em mais de 110 pares de modelos e pode apoiar auditoria e governança de IA.
Framework GraphThink integra grafos de tarefa e de cena ao raciocínio de LLMs e alcança desempenho de última geração no benchmark ALFRED, superando modelos comerciais por API em tarefas de horizonte longo.
Benchmark lançado no arXiv mostra que LLMs detectam falhas em agentes de IA com até 100% de F1, mas localizar a origem do defeito com telemetria padrão fica perto de zero.
Paper submetido ao arXiv propõe o MCF-CVA, framework que combina múltiplos agentes morais para alinhar modelos de linguagem a valores contextuais. Testes indicam desempenho superior a abordagens com agente único em métricas padrão.
Pesquisa do arXiv propõe destilar skills de trajetórias existentes para recuperar até 100% da vantagem do modo de raciocínio do GPT-5.4-mini com até 6x menos tokens. A técnica foi validada em quatro benchmarks de agentes.
Pesquisadores apresentaram o GRACE, um framework que usa LLMs para clusterizar dados tabulares mistos com custo computacional reduzido. O método superou 11 concorrentes em precisão e interpretabilidade, mantendo a escalabilidade das abordagens estatísticas.
Estudo no arXiv propõe algoritmo de duas camadas para dividir orçamento de capacidade entre locais e classes de serviço. Em testes de defesa de CDN, atendeu de 66% a 93% da demanda de alta prioridade sem deixar capacidade ociosa.
