Investigação relevante, resultados publicados e limites das avaliações.
75 artigos
Um preprint avalia se a discrepância entre respostas de um modelo pequeno pode prever quando é vantajoso derivar a consulta para um modelo maior. Os resultados em GSM8K mostram uma melhoria, mas o estudo alerta sobre armadilhas metodológicas e custos operacionais.
Um preprint propõe avaliar a coordenação de agentes de código como um problema de planejamento: dividir o trabalho em áreas compatíveis e ordenar as tarefas antes que as mudanças entrem em conflito. O resumo declara melhorias na integração limpa, mas o escopo dos ensaios e a reprodutibilidade exigem examinar o artigo completo e seus materiais.
A H Company apresenta dois modelos de agentes capazes de alternar entre interfaces gráficas, execução de código e ferramentas MCP ou APIs. A empresa publica pesos e resultados, mas os testes não demonstram autonomia geral nem desempenho uniforme em todos os ambientes.
O Google DeepMind e a GovTech Singapore anunciaram uma ferramenta que analisa possíveis golpes em conversas usando modelos Gemma no próprio dispositivo. As informações disponíveis não especificam a variante, os resultados dos testes nem o alcance da proteção da privacidade.
A Mistral apresentou o Large 4 em prévia pública e anunciou que publicaria os pesos no fim de outubro. A empresa declara um trilhão de parâmetros, dos quais 52 bilhões ativos, mas os números e os resultados de desempenho precisam de contexto: a maioria das comparações disponíveis vem de avaliações da própria empresa.
Um modelo avançado completou uma cadeia de replicação numa rede controlada, com acesso simplificado. A Anthropic alerta que ainda não existe um modelo pequeno que combine capacidade suficiente e tamanho viável para se propagar por dispositivos de consumo em condições reais.
O Agent Lightning conecta agentes e seus sistemas de ferramentas e contexto a um fluxo de treinamento por reforço. O projeto oferece código sob licença MIT e apresenta resultados próprios que ainda precisam de avaliação independente.
O Google amplia o acesso ao Gemini 4 Argon, apresentado para trabalhos prolongados de programação, ciência, finanças e cibersegurança. Os resultados e o uso real ainda precisam de avaliação independente; as informações disponíveis também não permitem confirmar capacidades concretas em robótica.
Quine combina um modelo de biologia com ferramentas de pesquisa para priorizar hipóteses antes de testá-las em laboratório. A Microsoft Research relata ensaios iniciais em câncer de pâncreas, mas ainda falta uma avaliação independente do sistema.
O Google DeepMind apresenta uma prova de conceito que marca sequências de proteínas e estruturas previstas. Os ensaios divulgados sustentam a funcionalidade de alguns designs, mas não demonstram rastreabilidade universal nem resistência a manipulações deliberadas.
A OpenAI propõe documentar, com argumentos e evidências, por que uma execução de treinamento de fronteira pode prosseguir. A abordagem combina controles técnicos e revisões operacionais, mas a empresa a apresenta como uma orientação inicial, não como uma garantia de segurança comprovada.
A aquisição, totalmente em ações, levaria para a AMD a pesquisa da World Labs em modelos espaciais. O fechamento está previsto para o fim de 2026, sujeito a aprovações e outras condições.