Pesquisadores apresentam o AndroidReality, framework que mede a robustez de agentes móveis de IA sob perturbações realistas de interface. O estudo mostra que o desempenho em benchmarks limpos não se mantém no mundo real e propõe um mecanismo de correção sem treinamento.
Pesquisadores apresentam o CausalNav, um controlador que usa modelo de mundo causal com certificado de confiabilidade e se abstém de agir quando a previsão não é segura. O sistema liderou o ranking no estudo, e a conclusão central é que a abstenção certificada, mais que a precisão preditiva, foi o que tornou o modelo seguro de implantar.
Novo preprint submetido ao arXiv propõe controle autônomo de câmera laparoscópica com modelagem de atenção latente; o sistema foi validado em vídeos reais e em uma plataforma robótica física.
Benchmark com 10.437 instâncias mostra que compilar não basta: 13,6% a 18,5% dos reparos aprovados alteram o conteúdo do documento; Typst é o formato mais difícil.
Pesquisa no arXiv propõe um campo métrico contínuo treinado com uma única perda causal que descobre geometrias da navegação robótica ao horizonte de eventos de buracos negros.
Pré-print do arXiv (2608.07542) apresenta um 'cientista de IA' que evita deriva em loops de pesquisa autônomos com um cartão de experimento imutável e um oráculo de preferências, testado em navegação de robôs quadrúpedes. Os resultados mostram que o oráculo muda a direção da pesquisa, não a pontuação dos modelos.
Framework MetaSpace usa teste metamórfico para avaliar a cognição espacial de agentes incorporados e encontra 90.422 erros em modelos de última geração, com desempenho médio entre 0,44 e 0,52 contra 0,96 do humano.
Paper submetido ao arXiv em julho de 2026 propõe roteamento dinâmico que atinge 99,5% da utilidade ótima em IA multiagente ativando em média 1,96 de 8 agentes, contra 38,8% do broadcast completo.
Sondas internas detectam corrupção em LLMs com precisão quase perfeita, mas não preveem respostas erradas, aponta estudo do arXiv. Monitoramento exige roteamento ciente do modelo e do tipo de erro.
Preprint submetido ao arXiv propõe o Data-Centric Parallel, método que ajusta configurações de treinamento distribuído com base no comprimento das sequências de cada lote. Resultados preliminares indicam speedup de até 2,88x em 32 GPUs H200, com integração de cerca de 10 linhas de código.
