arxiv arXiv cs.AI · há 1 h · research

Faraday 27B supera Claude Opus 4.8 e GPT-5.5 em tarefas de replicação de artigos

Traduzido do English → Português (BR)

Os pesquisadores desenvolveram o Replica, um espaço de tarefas escalável para replicação de artigos, e introduziram um juiz baseado em rubricas gerado automaticamente para fornecer sinais de recompensa de baixo ruído que se alinham com a avaliação humana.

A equipe realizou o pós-treinamento do Faraday, um agente "AI Scientist" de 27B parâmetros que utiliza agentes de codificação como ferramentas.
O Faraday supera o desempenho do Claude Opus 4.8 e do GPT-5.5 em tarefas de replicação reservadas.
A análise qualitativa indica que o Faraday adota uma abordagem mais fundamentada cientificamente durante as execuções.

Os autores acreditam que esses resultados fornecem um degrau rumo a agentes de IA capazes de inovação científica de longo prazo sem exigir harnesses complexos.

Importância 2/3 Novo ambiente de avaliação com diferenciais arXiv cs.AI DeepSeek AI agents Research paper

Ler original

AutoMem automatiza o aprendizado de memória como habilidade cognitiva para LLMs

Pesquisadores apresentam o AutoMem, um framework que trata o gerenciamento de memória em grandes modelos de linguagem como uma habilidade treinável, em vez de um componente estático. O sistema eleva as operações do sistema de arquivos a ações de memória de primeira classe, permitindo que o modelo decida autonomamente como codificar, recuperar e organizar o conhecimento.

arxiv arXiv cs.CL · há 45 d

Escalando o Horizonte, Não os Parâmetros: Alcançando Desempenho de Trilhões de Parâmetros com um Agente de 35B

Pesquisadores apresentam o Agents-A1, um modelo Mixture-of-Experts de 35B que alcança desempenho comparável a modelos de trilhões de parâmetros ao escalar o horizonte do agente em vez da contagem de parâmetros. A abordagem foca na extensão de trajetórias de longo prazo e na unificação de habilidades heterogêneas de agentes por meio de uma infraestrutura de treinamento especializada.

arxiv Moonshot AI (arXiv) · há 255 d · 2 visualizações

DeepSeek-V3.2 introduz Atenção Esparsa e síntese agêntica, superando o GPT-5

A DeepSeek lançou a DeepSeek-V3.2, um modelo de linguagem grande de código aberto que combina alta eficiência computacional com capacidades avançadas de raciocínio. O lançamento destaca três principais avanços técnicos: um novo mecanismo de atenção esparsa, uma estrutura de aprendizado por reforço escalável e um pipeline para sintetizar dados de treinamento agênticos.

arxiv arXiv cs.AI · há 1 h Ao vivo

AutoDesign usa otimização de meta-harness para melhorar o design agêntico de longo prazo

O artigo apresenta o AutoDesign, um framework que emprega um otimizador de meta-harness para guiar um agente de código na melhoria recursiva de seu harness com base no feedback de rollout. Esta abordagem visa alinhar-se com as preferências de design humano e acumular experiência reutilizável para autoaperfeiçoamento recursivo.

arxiv arXiv cs.CL · há 2 h

AutoDesign usa otimização de meta-arneza para melhorar o design agencial de longo prazo

O artigo apresenta o AutoDesign, um framework que emprega um otimizador de meta-arneza para guiar um agente de código na melhoria recursiva de sua arneza com base no feedback das rollout. Os autores avaliam essa abordagem na tarefa de geração de pôster a partir de artigos acadêmicos, utilizando um novo benchmark chamado PosterBench.