Benchmarking com 14 LLMs revelou desempenho 'pobre' em tarefas técnicas de química cosmética. Pesquisadores alertam para o risco de respostas autoritativas, mas incorretas, sobre cuidados com a pele.
CacheScout otimiza o uso de cache em servidores de IA multi-agente, reduzindo latência e aumentando throughput com base na semântica de execução de agentes.
Estudo publicado no arXiv revela que pontuações gerais de LLMs podem esconder falhas em conselhos de parentalidade, influenciados por idioma e estilo de criação.
Novo benchmark MecEng testou 34 LLMs em tarefas de engenharia mecânica; o melhor modelo proprietário acertou 91% dos sistemas rígidos, mas a geração de geometrias complexas continua um desafio para todas as IAs.
Novo framework de verificação busca alinhar agentes de IA com princípios da teoria dos jogos, mas resultados mistos expõem limites atuais dos LLMs em negociações complexas.
Estudo do arXiv revela que LLMs apresentam viés para aplicar a lei mais recente, mesmo quando os fatos ocorreram sob legislação anterior, e identifica um possível mecanismo por trás dessa falha.
Paper no arXiv critica o foco da IA médica em diagnóstico e ignorar dados reais de tratamento, limitando sua eficácia clínica. A solução exigiria integrar dados de desfechos ao treinamento e avaliação desses modelos.
Revisão sistemática de 38 estudos revela que agentes LLM ainda não têm garantias formais de segurança, com gargalos em especificação e verificação limitando a adoção segura.
Pesquisa propõe framework agente que combina regras e LLMs para extrair automaticamente dados botânicos de documentos, com resultados em mais de 55 mil anotações.
Novo framework neuro-simbólico acopla LLMs e modelos visuais para resolver problemas de geometria euclidiana, desde cálculos simples até provas olímpicas, com menos dados e computação que sistemas atuais.
