Fita

476 materiais

Notícias4 novembro 2026

Os LLM médicos sabem que as recomendações foram revistas, mas muitas vezes respondem de acordo com as regras anteriores

Um estudo da ChronoEvo sobre 1709 alterações às recomendações clínicas mostra que, no modelo principal, 90,8% das respostas assinalavam a novidade, mas apenas 58,5% a aplicavam na íntegra, e a diferença de 32,3 pontos percentuais persistia em 14 modelos. Mesmo aumentar a visibilidade das atualizações não trouxe um aumento significativo da incorporação integral das novas regras nas recomendações clínicas.

Ler

Notícias4 novembro 2026

Modelo de mundo para agentes em LLMs proprietários: correção nos pontos de risco

É proposto o PAWM — um preditor externo que não duplica a observação passo a passo, mas é acionado quando há probabilidade de falha e afasta o agente de uma ação errada. Após SFT em cenários sintéticos e co-treinamento GRPO, o método apresentou um aumento de 24,3% no ScienceWorld e de 7,7% no WebArena-Lite para o Claude Sonnet 4.5.

Ler

Notícias4 novembro 2026

Das pontuações individuais aos conjuntos admissíveis: decodificação global sob restrições DDI

O artigo compara a seleção global exata de um conjunto compatível de medicamentos, implementada através de programação linear inteira mista, com vários esquemas locais de resolução de conflitos de DDI, usando pontuações FLAME fixas no MIMIC-III. Na amostra de teste, a abordagem global apresenta uma vantagem pequena, mas consistente, em termos de Jaccard, que aumenta quando as restrições são mais rigorosas e atinge +0.0064 em relação ao método de base local mais forte.

Ler

Notícias3 novembro 2026

A transição para o simplex probabilístico reduz a lacuna modal em modelos multimodais contrastivos

O trabalho arXiv:2610.32890 propõe substituir embeddings esféricos por um simplex probabilístico, adicionando adaptadores softmax leves e a similaridade de Variação Total. Em cinco benchmarks de recuperação, a distância ℓ2 entre centroides de modalidades diferentes diminui 97–99%, mantendo ou melhorando a qualidade da recuperação.

Ler

Notícias3 novembro 2026

Como o ActionRAG reavalia evidências durante a difusão no grafo de memória de agentes LLM

Foi proposta uma arquitetura de memória em grafo que, na fase de indexação, harmoniza cuidadosamente as entidades e, no momento da consulta, reavalia as relações com base na estrutura local. No MemoryAgentBench, o método alcançou uma precisão média de 55,1 e uma melhoria de 5,4 pontos percentuais face ao melhor método de referência de recuperação, com um custo de síntese reduzido por consulta.

Ler

Notícias2 novembro 2026

Quinze empresas apoiaram o MDK Tether para automatizar a mineração

Fabricantes de equipamentos, pools e operadores assumiram o desenvolvimento de integrações com o conjunto aberto da Tether para unificar a monitorização e a gestão dos equipamentos; o agente de IA QVAC já funciona com base nele. Ainda não foram publicados dados independentes que confirmem a redução dos custos de eletricidade ou o aumento da eficiência.

Ler

Notícias1 novembro 2026

Desenvolvimento controlado de agentes LLM em investimentos autónomos: arquitetura multiagente com um perímetro de segurança imutável

O artigo descreve o Steward — um sistema de nove agentes LLM com funções distintas, no qual as decisões de carteira são revistas por um gestor de risco, e as alterações aos prompts só são permitidas através de controlo reversível e da reprodução dos dados registados. A principal conclusão é que um núcleo imutável e procedimentos de auditoria permitem desenvolver os agentes sem lhes dar controlo sobre as regras de risco e a execução de ordens.

Ler

Notícias31 outubro 2026

TeachBack: o ajuste bidirecional de preferências ensina o modelo-mentor a investigar a tarefa, em vez de repetir a resposta de referência

É proposto o método TeachBack, que, durante a autodestilação com a sua própria política, leva o professor a desenvolver uma estratégia para resolver novamente o problema, em vez de se apoiar numa solução de referência privilegiada. Em tarefas de raciocínio matemático e lógico, demonstra-se um aumento consistente da qualidade do aluno em relação aos esquemas OPSD conhecidos.

Ler

Notícias30 outubro 2026

Método GoldiMask para o ajuste fino de modelos de linguagem de difusão: seleção de contexto e ponderação dos alvos

O trabalho apresenta o GoldiMask — uma abordagem de ajuste fino supervisionado para modelos de linguagem com difusão discreta, que seleciona tokens visíveis por meio da maximização aproximada de uma função submodular e atribui pesos aos objetivos restantes com base na sua utilidade para o treino. As experiências com vários modelos e conjuntos de dados demonstram um aumento da precisão média, ganhos em tarefas de raciocínio lógico e programação, bem como menos iterações de descodificação paralela no GSM8K e no MATH-500, com qualidade semelhante.

Ler