arxiv arXiv cs.LG · 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)

Pesquisadores desenvolveram o Replica, um espaço de tarefas escalável para replicação de artigos, para atender à necessidade de conhecimento científico confiável. Eles realizaram pós-treinamento no Faraday, um agente "AI Scientist" de 27B parâmetros que usa agentes de codificação como ferramentas, para aproveitar este ambiente.

O Replica fornece um juiz baseado em rubricas auto-gerado com baixo ruído que se alinha com a avaliação humana da qualidade da replicação.
O Faraday supera o desempenho do Claude Opus 4.8 e GPT-5.5 em tarefas de replicação retidas.
A análise qualitativa mostra que o Faraday adota uma abordagem mais fundamentada cientificamente em comparação com outros modelos.

Os resultados servem como um passo em direção 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.LG DeepSeek AI agents Research paper

Ler original

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

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.

arxiv arXiv cs.CL · há 40 d

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 3 h

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.