Sondas internas detectam corrupção em LLMs com precisão quase perfeita, mas não preveem respostas erradas, aponta estudo do arXiv. Monitoramento exige roteamento ciente do modelo e do tipo de erro.
Paper submetido ao arXiv em julho de 2026 propõe roteamento dinâmico que atinge 99,5% da utilidade ótima em IA multiagente ativando em média 1,96 de 8 agentes, contra 38,8% do broadcast completo.
Framework MetaSpace usa teste metamórfico para avaliar a cognição espacial de agentes incorporados e encontra 90.422 erros em modelos de última geração, com desempenho médio entre 0,44 e 0,52 contra 0,96 do humano.
O NL2SHACL-Bench, novo benchmark para tradução de linguagem natural para SHACL, mostra que LLMs de ponta produzem sintaxe válida, mas erram a semântica em padrões complexos. A suíte foi apresentada em artigo submetido ao arXiv em 24 de julho de 2026.
Pré-print do arXiv (2608.07542) apresenta um 'cientista de IA' que evita deriva em loops de pesquisa autônomos com um cartão de experimento imutável e um oráculo de preferências, testado em navegação de robôs quadrúpedes. Os resultados mostram que o oráculo muda a direção da pesquisa, não a pontuação dos modelos.
