O HarvestBench, publicado no arXiv em setembro de 2026, cobra combustível de agentes de IA para desviarem de animais em uma simulação de fazenda. As taxas de morte variaram de 0,4% a 98,8%, com o GPT-4o-mini no pior extremo.
Estudo no arXiv mostra que LLMs mais capazes se comportam de forma mais correlacionada, criando um piso de risco não diversificável em sistemas multiagente como mercados financeiros.
Artigo no arXiv apresenta o Harbor Adapters, que porta mais de 80 benchmarks de agentes de IA para uma infraestrutura única, e o Harbor-Index, meta-dataset de 82 tarefas em que o melhor modelo, o GPT-5.5 com Codex, atinge apenas 28% de aprovação.
Revisão no arXiv organiza 40 estudos sobre IA no recrutamento, mapeia a evolução dos modelos de matching aos agentes e mostra que nenhum trabalho avalia utilidade, justiça, privacidade e segurança ao mesmo tempo.
Iris-mini e Iris-pro, agentes de busca open-source de 35B-A3B e 397B-A17B, atingem até 88,6 no BrowseComp e 92,9 no DeepSearchQA. O paper no arXiv detalha o método SFT-RL climbing e promete liberação dos pesos com a receita completa.
Estudo no arXiv usa KNN, Random Forest e SVM para classificar contingências elétricas em seguro, moderado ou severo. O Random Forest atingiu F1 de 0,97 no IEEE-30 e 0,86 no IEEE-14, com PCA contribuindo mais que SMOTE para o desempenho.
O EXAONE Finance, modelo fundacional de séries temporais para previsão financeira, ficou em primeiro lugar nas três categorias do benchmark FinVerse. A arquitetura attention-free e o pré-treinamento com dados de ações, câmbio, cripto e renda fixa explicam o resultado.
Survey publicado no arXiv em setembro de 2026 propõe um framework unificado para agentes de IA proativos, com métricas para timing, segurança e valor de intervenção. O estudo mostra que classificação offline não prevê sucesso em implantação real.
Pesquisadores criaram o GPS-Bench, benchmark para simular com LLMs quem é afetado por políticas públicas. Resultados iniciais mostram que fine-tuning em dados reais supera abordagens multiagente na previsão de impacto.
Estudo do arXiv de setembro de 2026 mostra que a agregação temporal EMA é o fator decisivo na evicção agressiva de KV cache, com o InertiaKV-Lazy acelerando a decodificação em até 46%.
