Pesquisa do arXiv analisa 8.135 experimentos e revela que skills de LLM estabilizam execução (65,7% dos casos) mas não injetam conhecimento — e que retrieval cai de 29,6% a 3,3% com pools maiores.
Estudo no arXiv compara quatro frameworks de IA para modelagem de materiais e conclui que todos têm desempenho notável, oferecendo orientação prática sobre forças e limitações de cada abordagem.
Estudo no arXiv propõe modelar o design autônomo de chips não como uma única IA, mas como uma organização de múltiplos agentes orquestrados, abordando a complexidade única da indústria de semicondutores.
Estudo publicado no arXiv em agosto de 2026 identifica 'residual dominance' como a razão estrutural pela qual IA de recomendação depende excessivamente do último item interagido.
Estudo com IA analisa 4,57 milhões de notícias financeiras e confirma que mercados subreagem a dados concretos, como lucros, e overreagem a histórias. O movimento de preço se concentra antes da publicação.
Novo estudo propõe sensores virtuais gerados por simulação para preencher lacunas nas redes de medição de trânsito urbano, validado em cidades belgas.
Cinco bugs impediam o Nanbeige4.2-3B de rodar no Apple Silicon; correções e otimização de memória elevaram o desempenho de 0% para 30% em tarefas agênticas reais.
Estudo na arXiv implementa lei computacional em Wolfram Language e revela falhas do GPT-4 ao traduzir declarações legais, propondo uma nova abordagem para a governança de IA.
Pesquisa do HKU apresenta HELIX, framework que evolui harnesses e modelos de IA em ciclo recursivo, com ganhos de 58% em cobertura de tarefas de código.
Novos modelos (RPMs) permitem que agentes de IA de pesquisa escolham os experimentos mais promissores sem executar todos, poupando até 33% de tempo de GPU e batendo records em benchmarks.
