AI FRONTIER

SWE-Duel: rumo a uma arena autoescalável para agentes de programação

O artigo apresenta o SWE-Duel, uma arena na qual dois agentes de programação se avaliam mutuamente em turnos Red-Blue espelhados, com tarefas e oráculos criados no momento da avaliação, de modo que nenhum conteúdo existe antecipadamente para vazar.

• Um torneio entre 11 participantes de modelo e harness foi executado em 15 repositórios em cinco linguagens por 1.500 turnos.
• GPT-5.5 com Codex CLI ficou em primeiro lugar como o solucionador mais forte, reparando 98,3% dos defeitos que revisou.
• Claude Opus 4.8 com mini-swe-agent ficou em segundo lugar como o autor de tarefas mais forte, com taxa de vitória Red de 27,3%.
• Dentro de uma mesma família de modelos, as tarefas escritas pela versão mais recente derrotaram um solucionador de referência fixo muito mais vezes do que as de versões anteriores (42,9% contra 4,0%).

Para equipes que constroem agentes de programação, esta arena vincula a dificuldade de avaliação à capacidade de redigir tarefas, indicando que tanto a resolução quanto a criação de tarefas devem ser medidas.

Artigo da IBM Research: tornar acessível o design de chips com IA por meio de fábricas de agentes abertas e inferência distribuída em escala

Um resumo de artigo da IBM Research propõe combinar fábricas de agentes abertas com inferência distribuída em escala para tornar mais acessível o design de chips com IA.

• A fonte é um resumo de artigo da IBM Research.
• O título cita duas alavancas: fábricas de agentes abertas e inferência distribuída em escala.
• O objetivo declarado é tornar acessível o design de chips com IA.

Para os construtores de IA, isso sugere combinar agentes de design de chips com inferência distribuída para controlar o custo em fluxos de design em larga escala.

Novo modelo no OpenRouter: LiquidAI LFM2.5-24B-A2B

LFM2.5-24B-A2B é um modelo de raciocínio de mistura de especialistas da Liquid AI, com 24B de parâmetros totais e 2,45B ativos, que sempre raciocina antes de responder e foi criado para agentes que chamam ferramentas.

• 24B de parâmetros totais com 2,45B de parâmetros ativos.
• Janela de contexto de 128.000 tokens, com suporte a até 8.192 tokens de conclusão.
• Preço de US$ 0,05 por 1M de tokens de entrada e US$ 0,70 por 1M de tokens de saída, com leituras de cache a US$ 0,025 por 1M de tokens.
• Aceita tools e tool_choice para chamada de funções e oferece suporte a saídas estruturadas via esquema JSON em response_format.

Para quem constrói agentes que chamam ferramentas, 2,45B de parâmetros ativos com contexto de 128K e preço de entrada baixo atendem a pipelines de raciocínio aumentado por recuperação de alto desempenho.

openbmb lança MiniCPM-V-4.7-35B-A3B, o primeiro modelo MoE da série MiniCPM-V

A openbmb lançou o MiniCPM-V-4.7-35B-A3B, primeiro modelo MoE da série MiniCPM-V, sob Apache-2.0, com compreensão de imagem, múltiplas imagens e vídeo e inferência em dispositivo anunciada como fluida.

• O modelo tem 35,2B de parâmetros em arquitetura MoE, pipeline image-text-to-text e licença apache-2.0.
• O anúncio afirma que Lookahead Expert Scheduling, quantização fina camada a camada e amostragem especulativa DSpark permitem decodificação de 13+ tokens/s com cerca de 3 GB de memória no iPhone 17 Pro Max.
• O anúncio afirma que, no modo Instruct, o 35B-A3B obtém pontuação geral superior em menos tempo de inferência que o Qwen3.6 35B-A3B.
• Suporta os frameworks de inferência SGLang, vLLM, llama.cpp e Ollama, além de ajuste fino com SWIFT e LLaMA-Factory, e oferece variantes quantizadas GGUF, BNB, AWQ, GPTQ e FP8.

Para quem implanta em celulares ou chips de borda, os pesos Apache-2.0, os vários formatos de quantização e o suporte a frameworks populares permitem testar nos próprios dispositivos a decodificação declarada de 13+ tokens/s.

Passamos seis meses perdendo o dinheiro de 3.500 bots de trading com IA e depois escrevemos um artigo

Segundo 科技行者, um estudo colocou 3.500 bots de trading com IA para operar durante seis meses, e todos os seus fundos foram perdidos, após o que os pesquisadores escreveram um artigo.

• O experimento durou seis meses.
• O experimento envolveu 3.500 bots de trading com IA.
• Todos os fundos dos bots de trading com IA foram perdidos.

Para os construtores de IA, este experimento sugere que agentes de trading com IA podem enfrentar risco de perda sistêmica nos mercados, exigindo avaliação cuidadosa antes da implantação.

Microsoft Research apresenta StudentSim para avaliar tutores de IA com estudantes simulados

StudentSim é um sistema de pesquisa que treina simuladores de estudantes de IA personalizados a partir de registros de aprendizes desidentificados e disponíveis publicamente, para avaliar e melhorar ferramentas de tutoria com IA antes de testá-las com aprendizes reais. O trabalho também apresenta o StudentSimEval, um b...

• 论文摘要：StudentSim 是在真实学习者测试之前评估和改进 AI 辅导工具的研究系统，它不是产品，未部署在课堂，也不打算取代教师。
• 在国际象棋中，StudentSim 的行为保真度为 0.5150，指导响应度为 0.9067；GPT-5.4 分别为 0.2316 和 0.7186，国际象棋专用预测模型 Maia2 分别为 0.4535 和 0.2721。
• 在国际象棋辅导强化学习研究中，使用 StudentSim 作为奖励来源训练的辅导模型达到 90.5% 准确率，无强化学习基线为 75.7%，使用 GPT-5.4 作为模拟学生奖励来源为 71.6%。
• 研究仅使用为研究发布的、去标识化的公开学习者数据集，每个个性化模拟器只在该学生自己的去标识化记录上训练。

Para equipes que constroem tutores de IA, o StudentSim oferece uma forma de gerar sinais de feedback escaláveis a partir de registros de aprendizagem reais antes de realizar estudos caros com aprendizes reais.

CLEAT: aprendizado de esclarecimento guiado por valor para agentes interativos

O artigo apresenta o CLEAT, um framework que co-treina um controlador de valor de esclarecimento e a política de tarefa a partir de resultados de interação compartilhados, medindo pelo valor de consulta residual a utilidade ganha ao perguntar em vez de prosseguir.

• Com Qwen3-4B, o CLEAT alcança a maior pontuação média nas dez configurações de avaliação em quatro benchmarks.
• O artigo relata ganhos sobre a baseline mais forte de 13,2 pontos percentuais no UserGym Travel e 6,5 pontos percentuais na acurácia de julgamento de subespecificação do IN3.
• Ablações mostram que o co-treinamento melhora a política de tarefa mesmo quando o controlador é removido na inferência, e que adaptar a orientação de esclarecimento à política em evolução gera ganhos adicionais.

Para quem constrói agentes interativos, este trabalho indica que o valor de uma pergunta de esclarecimento deve ser reestimado conforme a política muda, em vez de fixado por uma heurística estática.

Know What You Don't Know: Agentic Data Synthesis by Evolving Generation Space for Closed-Loop Learni...

论文摘要：Know What You Don't Know：围绕大语言模型的能力、评测或对齐问题展开，适合关注方法与实验结果。

This is a useful technical direction to keep on the radar, even if it does not require immediate action.