Estudo do arXiv localiza três modos de falha em sistemas de IA que leem documentos multi-página: representação, seleção e raciocínio. Visão é necessária, mas não substitui extração de texto, e integrar evidências entre páginas segue como principal gargalo.
Pesquisadores apresentam o CausalNav, um controlador que usa modelo de mundo causal com certificado de confiabilidade e se abstém de agir quando a previsão não é segura. O sistema liderou o ranking no estudo, e a conclusão central é que a abstenção certificada, mais que a precisão preditiva, foi o que tornou o modelo seguro de implantar.
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.
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.
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.
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.
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.
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.
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.
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.
