CAMA: framework combate viés em memórias de sistemas multi-agente
O framework CAMA aborda o problema de memórias correlacionadas em sistemas de IA multi-agente, promovendo evidências independentes para decisões mais precisas.
Simulação social com LLMs: nova proposta questiona avaliação por acurácia
Pesquisa publicada no arXiv questiona avaliação por acurácia em simulações sociais com LLMs e propõe novo benchmark com 19.300 contextos para medir subjetividade de respostas humanas.
Novo Pipeline QDOS Usa Aprendizado Offline para Acelerar Robôs e IA
Pesquisadores propõem o QDOS, método que usa dados já coletados para treinar habilidades robóticas de forma mais inteligente e eficiente, superando abordagens anteriores.
Novo Framework usa IA para Detectar Vulnerabilidades em Smart Contracts
Pesquisa publicada no arXiv apresenta pipeline de três estágios que adapta LLMs para detectar vulnerabilidades em smart contracts com alta precisão e baixo custo computacional, resolvendo o esquecimento catastrófico entre atualizações.
StateMem Melhora Rastreamento de Estado em Memórias de Agentes de IA
Pesquisa define 'rastreamento de estado' como habilidade crucial e apresenta método que dobra desempenho em sistemas de memória de IA, com testes em DeepSeek-V4-Flash e Qwen-3.5-9B.
SciDSK: Nova representação de dados científicos para agentes de IA
Novo paper do arXiv propõe o SciDSK, uma representação padronizada de dados científicos para facilitar o trabalho autônomo de agentes de IA, enfrentando a fragmentação e formatos inadequados para automação.
Novo método usa dinâmica de sistemas para detectar respostas perigosas em LLMs
Novo estudo propõe método 'black-box' que usa dinâmica de sistemas para detectar respostas perigosas em LLMs, analisando a interação entre prompt e resposta em espaços de embeddings.
Compressão Adaptativa em RAG Pode Reduzir Consumo de GPU em 53% em Dispositivos Edge
Estudo na arXiv demonstra que comprimir o contexto de IA de forma adaptativa em tempo real pode reduzir o consumo de energia de GPU em até 53% em dispositivos de borda, sem perda de qualidade.
Symposium: Framework registra ações de agentes de IA científicos para garantir confiança
Framework Symposium cria histórico imutável e auditável de agentes de IA em pesquisa científica, separando a memória durável da comunidade dos sistemas que evoluem rapidamente para garantir confiança nos resultados.
Pesquisa propõe R2-OPD para corrigir falha na destilação de modelos de IA
Pesquisa publicada no arXiv propõe o R2-OPD, método que filtra recompensas conflitantes durante destilação de modelos de linguagem para alinhar treinamento com progresso real de raciocínio.