Estudo do arXiv formaliza o 'spec-delta' — mudanças incrementais na especificação — como unidade de governança para plataformas de dados do tipo lakehouse, com o objetivo de reduzir defeitos e carga cognitiva em revisões.
Novo framework bipartido resolve ambiguidade dos modelos causais tradicionais em sistemas com feedback cíclico, sem quebrar compatibilidade com abordagens existentes.
Estudo publicado no arXiv mostra que inserir duas camadas de verificação — humana e automatizada — no fluxo de criação de vídeos com IA melhora a qualidade pedagógica do conteúdo gerado.
Modelo ADAPT usa difusão generativa com consciência física para otimizar climatização: reduz 7,3% o consumo de energia e 30,2% o desconforto de ocupantes em testes computacionais.
Paper do arXiv publicado em agosto de 2026 propõe um roadmap com cinco desafios-chave para construir agentes de IA adaptativos e multimodais, integrando LLMs, bases de conhecimento e raciocínio físico.
Pesquisa no arXiv mostra que LLMs de código aberto podem acelerar a descoberta de materiais em comparação com seleção aleatória, mas seu desempenho é variável e requer apresentação cuidadosa dos dados.
Pesquisa publicada no arXiv introduz o TT-Net, que usa conceitos de redes de tensores da física quântica para melhorar a remoção de ruído em imagens por GANs, superando o método tradicional e até o estado da arte em ruído gaussiano.
A DiDi implementou o GenMatch, o primeiro framework de correspondência generativa para dispatch de viagens a ser implantado em produção real, com testes positivos em cinco cidades internacionais.
Novo framework SafeBranch usa pares de ações seguras e inseguras para treinar agentes de IA a evitar violações sem perder eficiência, alcançando 10x mais successes seguros em testes com objetos não vistos.
O framework CAMA aborda o problema de memórias correlacionadas em sistemas de IA multi-agente, promovendo evidências independentes para decisões mais precisas.
