178 materiais
Engenheiros do Instituto de Tecnologia de Massachusetts criaram uma ferramenta de IA que gera cenários de clima extremo ausentes nos arquivos de observações. O modelo avalia sua possível intensidade, duração e abrangência sem treinar com dados de desastres passados.
Os autores do novo trabalho argumentam que sistemas científicos autônomos devem se basear em sinais densos de progresso intermediário, como fazem os fuzzers, e não apenas no resultado final esparso. Essa abordagem permite que o agente explore hipóteses não convencionais e evite o overfitting ao benchmark.
Na artigo para o ISWC 2026, os autores apresentaram uma ferramenta que mede a capacidade de LLMs transformarem consultas comuns em restrições SHACL válidas, considerando que as mesmas regras podem parecer diferentes. Testes em quatro modelos mostraram: eles lidam facilmente com a sintaxe, mas frequentemente não captam a semântica de restrições complexas.
Pesquisadores descobriram que os métodos padrão de desaprendizado de LLMs quebram facilmente quando refinados com um pequeno número de exemplos esquecidos. A técnica proposta por eles, Margin Calibration, adiciona uma penalidade de margem não saturante e reduz significativamente o sucesso desses ataques em diferentes modelos e conjuntos de dados.
Um novo benchmark oferece 100 cenários de perguntas e respostas em inglês e árabe, construídos em torno de dados reais do operador: site, banco SQL e arquivo web. Testes em 12 modelos mostraram que até o melhor resolve apenas 71% das tarefas, e em categorias visuais o resultado cai abaixo de 30%.
A professora do Caltech e sua colega lançaram sua própria startup, abrindo mão de uma participação no projeto apoiado por Bezos. A nova empresa pretende criar modelos que preveem fenômenos físicos para robótica, semicondutores e clima.
A nova abordagem LRS durante a geração ajusta cuidadosamente as representações ocultas do modelo, orientando-se por sinais de qualidade das etapas intermediárias. Com isso, os modelos de linguagem com raciocínio encontram e corrigem seus próprios erros, e os experimentos mostram um aumento estável de precisão em vários benchmarks.
Pesquisadores propuseram uma abordagem que avalia modelos não pelo volume de conhecimento nem isoladamente da realidade, mas por meio de tarefas que exigem simultaneamente raciocínio, controle de contexto e trabalho com restrições. O benchmark incluiu 820 tarefas autorais, e seus autores também estudaram como as configurações de "reflexão" e outros parâmetros dos modelos influenciam o resultado.
Pesquisadores apresentaram o teste MindHelper, no qual um agente deve monitorar continuamente uma pessoa e ajudar apenas no momento certo, permanecendo à parte no restante do tempo. O framework proposto, MindClaw, supera significativamente as abordagens diretas de VLM em precisão de intervenção e execução de tarefas.
