Lançamentos e atualizações ligados a fichas, contexto e fontes primárias.
A solicitação orçamentária para cinco anos propõe combinar algoritmos de aprendizado de máquina com sensores sem contato. O documento oficial descreve objetivos de desenvolvimento e validação, mas não comprova que o sistema possa detectar mentiras de forma confiável.
Um estudo teórico e computacional propõe que um agente pode influenciar aquilo que o supervisor aprende num debate, selecionando e ordenando argumentos verdadeiros. O resultado é uma prova de conceito, não uma demonstração com modelos implementados ou supervisores humanos.
A Microsoft anunciou que vai integrar várias experiências do Copilot em um aplicativo para consumidores e empresas. A proposta reúne chat, programação e agentes, mas ainda há questões importantes a esclarecer sobre disponibilidade, permissões, integração e preço.
Um estudo sobre agentes multiturno sustenta que um aluno pode aprender a agir como se conhecesse dados que nunca recebeu. Os autores propõem a Privileged Self-Practice, que mantém essa informação no contexto de prática, em vez de incorporá-la à perda de treinamento.
Um preprint compara a recuperação global de habilidades com a recuperação restrita à família em que cada habilidade foi validada. Nos testes, a segunda abordagem obtém maior utilidade de trajetórias ocultas; faltam detalhes para interpretar a métrica e generalizar o resultado.
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.
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.
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.
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.
Os benchmarks de IA passaram de pontuar respostas em conjuntos de dados a testar sistemas em tarefas e ambientes interativos. Essa mudança amplia as evidências disponíveis, mas não transforma uma pontuação numa medida completa de utilidade ou fiabilidade.
O preço por milhão de tokens não basta para orçamentar um fluxo com várias etapas. Saiba somar entrada, saída, cache, tentativas novamente e revisão, e definir limites antes de executar.
Notícias que modificam o mapa de modelos e capacidades.
O lançamento requer a revisão da avaliação, implantação e segurança.
Modelo de fronteira ↗Tarefas de código e conhecimento com verificações de esforço.
Conhecimento ↗Multimodalidade, código e agentes com perfil de baixa latência.
Versão estável ↗Uma notícia não termina na manchete.
Relaciona o anúncio à versão, acesso e modalidades.
Identidade ↗Distinguir taxas introdutórias estáveis e dados faltantes.
Custo ↗Revise as condições e a comparabilidade antes de aceitar um benchmark.
Evidência ↗