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.
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.
Um artigo no arXiv propõe o DNSSE, método híbrido que usa LLM, execução simbólica e mutação estocástica para testar programas de IA distribuída. Nos benchmarks, a abordagem encontrou 2,9% mais bugs de concorrência e elevou a cobertura de branches de 68,6% para 91,6%.
Estudo com 9.840 negociações entre LLMs de OpenAI, Google e Alibaba mostra que agentes chegam a acordo em 98,9% dos casos, mas a demora reduz o ganho conjunto em até 34%; modelos de entrada aceitam contratos ruins em 19,2% das vezes.
Novo benchmark TREAT testa se modelos de linguagem reconhecem teoremas conhecidos quando a representação matemática muda; o melhor modelo acertou 60,73% das identidades em um corpus com 737 teoremas e 29.480 variações.
Pesquisa no arXiv propõe um campo métrico contínuo treinado com uma única perda causal que descobre geometrias da navegação robótica ao horizonte de eventos de buracos negros.
Pesquisadores apresentam o IntelliAudit, sistema multiagente que avalia evidências de auditoria de TI com LLMs e mantém a supervisão humana como condição de uso.
Estudo do arXiv apresenta um agente de texto-para-SPARQL que propõe e testa mudanças nos próprios prompts e código com base em erros cometidos na validação. O sistema evoluiu nove versões em DBpedia, atingiu 0,22 de acurácia e aponta falhas nos benchmarks atuais.
Estudo do arXiv mostra que modelos clínicos de IA podem expor dados de pacientes por vazamento indireto, e que HIPAA e GDPR não cobrem esse risco. Pesquisadores propõem um framework de avaliação baseado em cenários reais de uso.
Pesquisadores apresentaram no arXiv o QuantumMind, um workflow agêntico que gera e filtra hipóteses de aceleração quântica com um validador determinístico de dez verificações. Em 582 tarefas, o sistema marcou 53,1 pontos no Open-Discovery Score, superando o melhor baseline em 17,3 pontos.
