AI FRONTIER
Signals worth understanding before they become obvious.
LRMoE: recalibração de carga do lado da demanda para treinamento MoE eficiente em nós com memória restrita
LRMoE é um sistema de treinamento MoE ciente de memória que recalibra conjuntamente a demanda na retropropagação e equilibra a carga de trabalho retida, usando roteamento ciente de capacidade e compactação física para reduzir o tráfego reverso, a computação e a demanda por buffers de execução. O artigo relata que, em Q...
- O artigo relata que, em Qwen3-30B-A3B e GLM4.5-106B-A12B, o LRMoE reduz o tempo de treinamento acumulado das camadas MoE até metas de perda fixas em 21,2-44,8% em relação ao SYMI.
- Durante a execução direta, planeja cotas de retenção e posicionamento de especialistas sob restrições de recursos, preservando todas as computações roteadas.
- Durante a retropropagação, uma métrica de recalibração de carga estima a contribuição de cada par token-especialista para a atualização do especialista e seleciona pares dentro dessas cotas.
Para equipes que treinam MoE esparsos em nós GPU com memória restrita, o LRMoE mostra que selecionar pares token-especialista por contribuição durante a retropropagação pode reduzir o tráfego reverso e a demanda por buffers sem alterar as c...
Detecção de conluio encoberto entre agentes de IA por meio de escuta positiva parceiro-externo
O artigo propõe um teste comportamental, Partner-Outsider Positive Listening (PoPLi): um parceiro que usa um código secreto reage ao texto exato de uma mensagem, enquanto um agente não envolvido colocado em seu lugar não reage. PoPLi é a diferença entre os dois agentes em quanto sua ação muda quando a mensagem é reform...
- Monitores que leem apenas mensagens não separaram as condições: um que lê as mensagens do falante respondeu "não" em todos os 50 mercados, e um que lê as mensagens de cada vendedor sinalizou 9 de 10 mercados sem conluio.
- PoPLi detecta o uso de um canal privado, não o conluio em si, e não consegue detectar conluio apenas por incentivos ou códigos carregados pelo significado.
- O método é calculado a posteriori pela reprodução de prompts registrados, e o artigo está marcado como trabalho em andamento.
Para quem constrói sistemas multiagente, o PoPLi oferece uma auditoria comportamental por reprodução de logs capaz de revelar um canal privado por trás de mensagens aparentemente inocentes, mas deixa fora do escopo o conluio apenas por ince...
WebAnything: da Web selvagem a ambientes de agentes escaláveis
WebAnything é um framework totalmente automatizado que reconstrói ambientes Web reutilizáveis e fundamentados na fonte a partir de URLs reais, sem implementação manual por site nem reparo após a configuração e autorização iniciais. O artigo relata a construção de 244 artefatos de sites em 14 domínios de aplicação e 53 ...
- O artigo relata a construção de 244 artefatos de sites em 14 domínios de aplicação e 53 categorias, suportando 12.984 tarefas executadas e aceitas.
- Em comparação com o WebHarbor assistido por humanos, o WebAnything alcança pontuações agregadas mais altas em três métricas de fidelidade, com 12 vitórias, dois empates e nenhuma derrota em uma auditoria cega.
Para os construtores de agentes, isso mostra que ambientes Web reiniciáveis de treinamento e avaliação podem ser gerados automaticamente a partir de URLs reais sem engenharia por site, com ganhos de ajuste fino quantificados em benchmarks e...
ThinkJev: um pensamento, todos os orçamentos para decisões tipadas calibradas
O ThinkJev constrói um sistema rápido e um lento a partir de um único modelo aberto de pensamento híbrido: o System 1 lê as probabilidades das letras de opção quando o modelo responde diretamente, e o System 2 lê as mesmas letras depois de o modelo pensar no mesmo prompt em cache, de modo que escalar não repete trabalh...
- Com uma taxa de erro alvo de 5%, o Qwen3.5-27B responde 24,5% de 8359 decisões de teste apenas com o System 1, com erro realizado de 3,9% (Qwen3.5-4B e 9B: 6,5% e 0,0%).
- Para as demais decisões, parar cada pensamento assim que sua resposta é confiante alcança 81,6% de acurácia contra 82,7% ao pensar sempre, usando 72% dos tokens de pensamento.
Para quem constrói serviços de decisões tipadas, isso sugere reutilizar um prompt em cache e suas probabilidades de letras em um único modelo aberto de pensamento híbrido, decidindo por decisão se deve pensar sob garantia estatística, para ...
Medir onde a intenção se perde na síntese agêntica de contratos inteligentes
O artigo projeta uma avaliação baseada em execução que reproduz as mesmas transações em um contrato escrito por IA e no original que ele deve reproduzir para medir com que frequência concordam, e propõe uma arquitetura de elicitação primeiro que faz ao cliente uma breve lista de perguntas antes de escrever código.
- O artigo relata que verificar apenas as funções que todos os sistemas incluem ocultou cerca de metade da diferença entre pipelines.
- O artigo relata que perguntar primeiro importou muito mais do que revisar ou corrigir depois em três modelos de IA, enquanto correções de segurança automatizadas frequentemente quebram o comportamento solicitado.
- O artigo relata que métodos comuns, como juízes de IA e ferramentas de análise padrão, deixam passar erros óbvios, e que escolhas de pontuação também importam.
- Os autores liberam suas ferramentas, 600 tarefas e todos os resultados; o artigo foi aceito na ACM TheWebConf2027.
Para a geração de código agêntica, é preciso elicitar requisitos ausentes antes da geração e validar contra uma chave de respostas executável escrita de forma independente, em vez de depender de revisão posterior ou correção de segurança au...
OpenFrontiers: uma coleção de problemas de pesquisa abertos e um benchmark para redescoberta científica
OpenFrontiers combina um corpus estruturado de 12.151 problemas de pesquisa abertos com um benchmark retrospectivo de 200 problemas de matemática, 110 resolvidos em 2026 e 90 ainda abertos, cada um com um enunciado Lean 4 verificado por sondas automatizadas e duas revisões independentes.
- O corpus registra enunciados de problemas, contexto, progresso e outras informações de 12.151 problemas.
- O benchmark contém 200 problemas, 110 resolvidos em 2026 e 90 ainda abertos, cada um com um enunciado Lean 4 verificado por sondas automatizadas e duas revisões independentes.
- Um subconjunto HQ-50 filtra ainda mais com base na pontuação de qualidade, etc.
- O protocolo de avaliação pontua provas formais com dois verificadores independentes em um sandbox isolado sob condições de livro fechado, recuperação congelada e web ao vivo.
Como o benchmark separa a pontuação formal nas condições de livro fechado, recuperação congelada e web ao vivo, os desenvolvedores podem distinguir redescoberta genuína da recuperação de soluções publicadas.