Notícias verificadas, lançamentos e análises para compreender o que muda na inteligência artificial e como isso o afeta.
170 artigos
O preprint reúne eventos já resolvidos e notícias datadas para avaliar agentes em diferentes momentos históricos. Seu resumo relata melhorias com ferramentas de pesquisa em 12 modelos, embora todos tenham ficado atrás das previsões históricas do mercado.
O benchmark avalia agentes que tentam reconstruir resultados de artigos de aprendizagem automática com os recursos publicados e um orçamento de GPU predefinido. As taxas de sucesso revelam uma dificuldade crescente, mas não determinam se as conclusões científicas dos artigos são válidas.
O benchmark reúne 799 casos de banca de retalho indiana e examina segurança, utilização de ferramentas, respostas e aconselhamento. Os autores argumentam que acertar uma vez não basta para medir a fiabilidade.
Um preprint descreve um sistema que consulta definições de informação sensível específicas de cada domínio durante a inferência. Os resultados iniciais favorecem sua capacidade de detecção em relação a um classificador de referência na maioria das combinações testadas, embora as informações disponíveis não permitam avaliar todos os erros nem sua preparação para uso real.
A Akamai confirmou um compromisso plurianual para fornecer capacidade de computação à Anthropic, incluindo cargas de trabalho baseadas em CPU. Informações iniciais apontavam para 1,8 mil milhões de dólares; o anúncio posterior aponta para um compromisso ampliado de 11,6 mil milhões. Os termos não demonstram, por si só, que toda essa capacidade já esteja operacional.
O piloto do Google permite que o Gemini faça algumas ligações simples em nome do usuário. Por enquanto, o acesso está limitado a proprietários de Pixel 11 nos Estados Unidos que pagam por uma assinatura do Gemini. A pessoa pode acompanhar a ligação e assumir a conversa.
O Google anuncia o Live Avatar para o Gemini Enterprise: uma representação visual que acompanha a conversa e sincroniza os movimentos com a voz. A disponibilidade, o desempenho e as modalidades compatíveis têm limites que vale a pena distinguir.
O benchmark mede se os agentes conseguem prever como mudanças nos componentes de um fluxo de trabalho afetam os resultados. Os dados descrevem o desempenho em tarefas específicas, não uma capacidade geral para fazer ciência.
O Made on YouTube apresentou comentários assistidos por IA sobre rascunhos e edição conversacional de Shorts. A empresa lista algumas ações, mas não informa regiões nem cronograma de disponibilidade.
A documentação da OpenAI define uma data de encerramento para a Videos API e os modelos Sora 2 e Sora 2 Pro, sem indicar um substituto. As equipes podem começar mapeando suas dependências e fazendo cópias de segurança dos ativos que já baixaram; as fontes disponíveis não esclarecem o destino dos trabalhos e metadados após o encerramento.
O preprint descreve um método de red teaming adaptativo que usa os resultados de cada teste para decidir o que explorar em seguida. Os autores relatam mais falhas identificadas do que com a repetição estática de testes iniciais em três famílias de avaliação, mas o resumo não permite quantificar essa vantagem nem extrapolá-la para a frequência de incidentes reais.
O benchmark compara o comportamento de agentes de uso de computador em nove ambientes de mercado, com e sem mecanismos de influência. Os resultados apontam uma queda acentuada na escolha do produto ideal para o usuário, mas não provam que o mesmo efeito ocorra em lojas reais.