O TEAM-Design, regra proposta em artigo no arXiv, atribui duas probabilidades de replay a cada tarefa para decidir qual baseline ausente medir sob orçamento fixo. Nos 6 cenários clínicos reanalisados, nenhum fluxo humano-IA superou humano sozinho e agente sozinho.
Estudo no arXiv simulou 4.000 conversas com 1.200 personas e três modelos (GPT-4o, Gemini-2.5-Flash e Gemma-4-E4B) ancoradas no World Values Survey. Mais de 50% das personas já falham em expressar o perfil de valores atribuído na primeira conversa, e apenas 2% a 7% derivam depois.
O preprint arXiv:2609.05512v1 propõe uma compressão que mede a vulnerabilidade de cada camada do modelo e restaura só os circuitos críticos para FP16. No ProofWriter, o R1-Qwen-7B ganha 12 pontos percentuais com 9,7% menos energia, enquanto o INT4 uniforme pode até aumentar o gasto total.
O SCAFFOLD, framework de agentes web visuais que se aprimoram sozinhos, supera o melhor baseline com habilidades em 11,1 a 17,2 pontos absolutos em WebArena, VisualWebArena e Online-Mind2Web. O código está aberto no GitHub.
O PGP-Clinical-TimeKAN, framework de previsão de trajetórias clínicas publicado no arXiv, obteve o menor RMSE (0,52656) entre 13 modelos em uma coorte de 6.882 pacientes. O próprio artigo admite que a precisão em fisiologia não garante um detector de eventos confiável, com AUROC de 0,603 contra 0,650 do GRU-D.
O RAPID, método de destilação relacional submetido ao arXiv em 23 de agosto de 2026, separa a confiabilidade do alvo da prioridade de avaliação dos pares de exemplos. Nos testes com AG News e SST-2, o alvo com gate de confiabilidade atingiu as maiores acurácias médias observadas, 94,285% e 88,800%.
O ARC-Bench, novo protocolo de avaliação, auditou checkpoints oficiais de JEPA-WM e descobriu que o candidato de ação mais bem pontuado é quase sempre subótimo, em manipulação e em labirintos. O replanejamento em ciclo fechado esconde a falha e infla as taxas de sucesso.
Pesquisa do arXiv apresenta o framework de metanormas e o dataset NormReact, com 450 cenários de violação de normas. Em seis modelos testados, os LLMs previram mais punição do que humanos e pioraram o alinhamento conforme a distância social aumentou.
A OpenAI anunciou em 9 de setembro de 2026 o GPT-6 Astra, seu modelo mais capaz para negócios, com raciocínio avançado, uso de computador e julgamento mais forte de escrita e design.
A OpenAI publicou um caso em que um pesquisador do MIT usa o GPT-5.6 Sol com o Codex para rodar experimentos de computação quântica de forma autônoma, incluindo análise de resultados e calibração de qubits.
