DECOWAM é um modelo de world-action para robôs com pernas que separa locomoção e movimentos de braços, reduzindo erros de previsão em 21,7% com apenas 25,95M de parâmetros treináveis.
Pesquisa publicada no arXiv mostra que sistemas de IA que restringem a visibilidade de dados entre módulos superam versões com acesso global por mais de 20 pontos em generalização composicional.
Estudo no arXiv mostra como Safety Nets reduzem o tamanho de sistemas de IA em até mil vezes, garantindo 100% de precisão para certificação na aviação.
Novo paper no arXiv propõe tipologia tridimensional para classificar agência em sistemas de IA avançados, diferenciando agência moral e legal.
Pesquisa publicada no arXiv apresenta o modelo CMPL, que resolve o problema de queda de desempenho em sistemas de análise de sentimento quando enfrentam combinações de dados novas e não vistas durante o treinamento.
Estudo formaliza o 'manifold drift' como causa de alucinações em modelos de imagem e propõe o ThermoDPO, que melhora Stable Diffusion 3.5 em 47,5% em OCR.
Novo benchmark com 24.000 cenas simuladas avalia se modelos de IA entendem propriedades físicas como massa e fricção, e não apenas preveem movimentos.
Pesquisa apresenta algoritmo BPS, que otimiza a escolha de habilidades para agentes LLM, garantindo maior taxa de sucesso com menor consumo de tokens.
Novo framework SCPaT usa partição semântica estruturada para melhorar previsão de séries temporais multivariadas, testado em 12 datasets reais.
