A Meta anunciou que seu modelo Muse Spark 1.2 alcançou desempenho de medalha de ouro em cinco Olimpíadas de STEM e entrou no top 5 do Índice Vals a $0,69/teste, sendo relatado como 3x mais barato que o Kimi. A Meta atribuiu esses ganhos à orquestração multiagente com raciocínio paralelo, observando pontuações perfeitas em teoria na APhO e IPhO sem ferramentas externas.
A OpenAI divulgou os resultados de seu modelo interno não lançado, o Astra, que conseguiu resolver dez problemas abertos significativos em matemática. As soluções foram geradas pelo modelo e posteriormente formalizadas em certificados Lean por pesquisadores humanos.
A AI9Stars lançou o G9v3-39A5B, um modelo de linguagem de pesos abertos projetado para oferecer capacidades de raciocínio mais fortes do que seu antecessor, ai9stars/G9v3-3B. O modelo possui 39 bilhões de parâmetros e 5 especialistas ativos e é licenciado sob Apache 2.0 para uso pessoal e comercial.
Um artigo pré-publicado de Joseph JM Walker avalia modelos de linguagem de ponta em um benchmark de criptografia literária multi-canal inédito, embutido no romance físico "I Wrote a Book and Made a Million Dollars (I.B. Wryten)." O estudo descobre que o GPT-5.6 reconheceu independentemente o canal de comunicação secundário e recuperou aproximadamente 95% do material embutido em sua primeira passagem, enquanto modelos anteriores demonstraram capacidade efetivamente de 0%.
A OpenAI lançou soluções para dez problemas de matemática e ciência da computação teórica que não tinham visto progresso em seus resultados principais por pelo menos uma década, usando uma versão interna de seu próximo modelo principal, Astra.
Um estudo demonstra que modelos de linguagem de fronteira podem realizar computação consequential usando tokens de preenchimento semanticamente irrelevantes, criando um modo de falha em que o raciocínio não é visível na cadeia de pensamento de saída. A pesquisa avaliou 13 modelos em três tarefas e descobriu que muitos se beneficiam significativamente desses tokens, com melhorias de precisão de até 13 pontos percentuais.
Os autores apresentam o PoTRE (Poly-Topological Reasoning Ensembles), uma estrutura projetada para abordar as limitações da solicitação padrão de fluxo único em tarefas complexas de raciocínio. O PoTRE desacopla a inferência em quatro agentes distintos: um Agente de Refinamento Adversarial, um Agente de Planejamento Estratégico Hierárquico, um Agente de Busca Espectral e um Agente de Cadeia Direta.
Pesquisadores propõem a Isospectral Optimization (ISO), um framework para Aprendizado por Reforço com Recompensas Verificáveis (RLVR) que aborda a camada de otimização ausente ao manter os espectros de pesos do modelo fixos enquanto otimiza os quadros singulares de entrada e saída.
Um desenvolvedor compartilha o progresso em uma arquitetura de IA simbólica conversacional desenvolvida ao longo dos últimos oito meses, visando preencher lacunas na extração de informações não neurais.
O estudo introduz o GSM-Plus-BN, um novo conjunto de dados matemáticos bengalis perturbados derivado do benchmark GSM-Plus em inglês e verificado por tradutores humanos. Este recurso aborda a falta de benchmarks sistemáticos para avaliar a robustez de modelos em regiões linguisticamente diversas como Bangladesh.
Os autores propõem o Deep Interaction, um método eficiente de interação humano-IA projetado para corrigir erros de raciocínio em modelos de linguagem grandes sem exigir a regeneração completa da resposta. Este mecanismo permite que os usuários editem diretamente a resposta original do Chain-of-Thought, preservando os passos corretos enquanto consertam os erros.
A Thinking Machines Lab lançou o Inkling, um novo modelo de mistura de especialistas multimodal projetado para raciocínio eficiente em tokens e compreensão nativa de entradas de texto, imagem e áudio. A Together AI está disponibilizando o modelo em sua plataforma de inferência com acesso desde o dia zero.
Pesquisadores apresentam o Ring-Zero, um pipeline de treinamento estável que escala o aprendizado por reforço com recompensas verificáveis para modelos com um trilhão de parâmetros, abordando problemas como redundância de tokens e má legibilidade encontrados no escalonamento ingênuo.
Pesquisadores desenvolveram um novo conjunto de dados de raciocínio em larga escala e o benchmark FukuyamaBench para avaliar o raciocínio de mecanismos hierárquicos em grandes modelos de linguagem, abordando inconsistências físicas comuns em LLMs químicos atuais.
Uma nova estrutura teórica explica o surgimento de habilidades de raciocínio indutivo em modelos de linguagem Transformer ao estudar uma classe generalizada de tarefas indutivas que unifica tarefas sintéticas como n-gramas no contexto e raciocínio multi-salto.
O Desafio de Raciocínio do Modelo Nemotron da NVIDIA convidou a comunidade do Kaggle a explorar técnicas que melhorem a precisão do raciocínio sob restrições compartilhadas de modelos abertos, benchmarks e infraestrutura. Ao final da competição, mais de 5.000 participantes ativos em 4.000 equipes haviam gerado milhares de submissões.
Pesquisadores apresentam o TreeThink, uma biblioteca Python de código aberto projetada para busca em árvore modular e totalmente assíncrona na prova de teoremas neurais. Ela integra métodos de busca consolidados com pipelines de inferência baseados em vLLM e diversas técnicas de avaliação de nós.
Os autores apresentam o WILDTRACE, um novo benchmark projetado para avaliar quão bem os modelos integram evidências dispersas ao longo de passagens distantes em documentos longos. Diferente dos benchmarks existentes que dependem de fatos plantados ou cadeias reengenheiradas, o WILDTRACE utiliza 481 tarefas derivadas de 214 fontes de ocorrência natural, como relatórios técnicos de incidentes e narrativas literárias.
O artigo argumenta que a variância intraclasse nas representações de modelos de linguagem não é um colapso neural incompleto, mas sim armazenamento de informação alocado governado por uma lei específica. A análise de 14 modelos mostra que a estrutura de macro-categorias explica apenas 4-12% da variância representacional, enquanto o contexto intra-tokeno carrega 79-91%, permanecendo estável em uma faixa de parâmetros de 100x.
Este artigo argumenta que construir sistemas inteligentes mais fortes capazes de inovação aberta requer criar, estabilizar e reutilizar novas primitivas representacionais em vez de meramente pesquisar dentro de estruturas fixas.