A OpenAI relata que um sistema de IA interno produziu uma prova mostrando que a dinâmica das equações de Navier-Stokes para o movimento de fluidos pode desenvolver uma singularidade em tempo finito. A solução, derivada por um sistema multiagente alimentado por um modelo significativamente mais capaz que o GPT-6 Astra, estabelece a afirmação "C" da formulação do Prêmio Millennium.
A Anthropic anunciou a criação de um novo grupo de pesquisa em ciências da vida dedicado a usar o Claude para identificar famílias de proteínas não caracterizadas e testar hipóteses por meio de experimentos laboratoriais. Nos resultados iniciais, a IA descobriu autonomamente um novo sistema enzimático chamado transcriptases reversas associadas a arrays (ART), encontrado em bacteriófagos.
A Microsoft Research publicou e disponibilizou como código aberto o RetroChimera, um novo framework para previsão de retrosíntese que combina dois modelos complementares para propor rotas de síntese de alta qualidade. O sistema integra R-SMILES 2, um modelo de-novo baseado em Transformer, com NeuralLoc, um modelo baseado em rede neural gráfica (GNN), utilizando uma estratégia de ensembling aprendida para classificar as previsões.
O Google DeepMind e o Google Research apresentaram o WeatherNext 3, um modelo avançado de IA para previsão do tempo global que gera previsões horárias em altas resoluções espaciais aprendendo diretamente de observações de satélite em tempo real. Esta atualização fornece previsões aproximadamente cinco vezes mais nítidas que seu antecessor, o WeatherNext 2, permitindo previsões mais localizadas para eventos climáticos críticos.
O artigo apresenta o Human2Any, um método para transferência de humano para robô que utiliza planejamento composicional com consciência de restrições. Nenhum detalhe adicional ou corpo de texto é fornecido na fonte.
O pesquisador da Nvidia N. Horrocks apresenta os modelos estendidos de erro de detector (EDEMs) projetados para lidar com programas quânticos tolerantes a falhas com circuitos estabilizadores e erros de Pauli estocásticos. Esses modelos permitem que a análise de erros seja composta em sequência e paralelo, espelhando a estrutura das realizações físicas do circuito.
Contas afiliadas à OpenAI relataram que um esforço assistido por IA produziu um resultado relacionado ao problema da existência e regularidade de Navier-Stokes, um dos Problemas do Milênio. A alegação afirma que aproximadamente 10.000 agentes colaboraram na tarefa após serem treinados por cerca de um ano usando aprendizado por reforço multiagente.
Pesquisadores desenvolveram um pipeline de pós-treinamento para modelos de linguagem grandes que permite alcançar desempenho de medalha de ouro em programação competitiva. Ao combinar ajuste fino supervisionado, aprendizado por reforço e uma nova estratégia orientada por feedback chamada GenCorrect, o sistema supera os melhores participantes humanos no conjunto de problemas do IOI 2026.
A NVIDIA desenvolveu pipelines de pós-treinamento para seus modelos de linguagem Nemotron-3-Nano-CC e Nemotron-3-Ultra-CC para se destacarem na programação competitiva. Ao combinar a curadoria de problemas em larga escala, rastros de raciocínio sintéticos, ajuste fino supervisionado e aprendizado por reforço, a equipe criou sistemas especializados capazes de raciocínio algorítmico de alto nível.
A NVIDIA desenvolveu um pipeline de pós-treinamento para seus modelos de linguagem Nemotron-3, permitindo que eles alcancem desempenho de nível de medalha de ouro na Olimpíada Internacional de Informática (IOI). A abordagem combina curadoria em larga escala de problemas, rastros de raciocínio sintéticos, ajuste fino supervisionado e aprendizado por reforço.
Os autores introduzem o raciocínio meta-agêntico, um mecanismo de tempo de inferência que estrutura escolhas de execução para tarefas de longo horizonte. Um controlador gerencia o processo consolidando o progresso e despachando trabalho com base em uma conta de execução compacta em vez do histórico completo.
Os autores apresentam o RareDx, um sistema que acopla o uso controlado de evidências com otimização de política fundamentada em grafos de conhecimento para abordar o problema de raciocínio de cauda longa no diagnóstico de doenças raras. O pipeline de treinamento combina Top-10 pós-treinamento com RareDx-KGPO, que projeta previsões em um grafo canônico de doenças e integra relevância graduada curada, proximidade ontológica, similaridade biomédica e consistência fenotípica.
Pesquisadores apresentam o TokenProbe, uma estrutura que aborda o alto consumo de tokens do raciocínio em cadeia (Chain-of-Thought) explorando o valor não uniforme dos tokens dentro de uma sequência. O método usa probabilidade logarítmica normalizada para distinguir tokens estruturais centrais de preenchimento redundante, permitindo compressão seletiva.
Pesquisadores apresentam o TokenProbe, uma estrutura que aborda o alto consumo de tokens do raciocínio Chain-of-Thought explorando o valor não uniforme dos tokens dentro das trilhas de raciocínio. O método distingue tokens centrais que carregam conteúdo decisivo de preenchimento redundante usando sinais de probabilidade logarítmica normalizada.
Pesquisadores introduzem o Diagnóstico de Responsividade Visual com Raciocínios (VAD-R), um novo benchmark projetado para avaliar a capacidade dos modelos de visão e linguagem de se absterem de perguntas sem resposta sem usar atalhos. O estudo revela que, embora os estados ocultos possam distinguir a responsividade, os modelos atuais falham em traduzir isso em decisões explícitas.
Pesquisadores propõem o Highlight-Then-Summarize (H2S), um paradigma de compressão seguida de raciocínio que identifica evidências relevantes à pergunta e as integra em um resumo compacto antes de gerar uma resposta. A equipe constrói o H2S-Dataset com 6.647 exemplos e introduz o H2S-RL para fornecer recompensas em nível de processo para a seleção de evidências.
Pesquisadores propõem o Highlight-Then-Summarize (H2S), um paradigma de compressão-então-raciocínio que identifica evidências relevantes à pergunta e as integra em um resumo compacto antes de gerar uma resposta. Para apoiar essa abordagem, a equipe construiu o H2S-Dataset com 6.647 exemplos de 11 famílias de benchmarks e introduziu o H2S-RL para recompensas em nível de processo.
Hung Tran, estudante de mestrado da Universidade de Tecnologia da Informação (VNU-HCM), publicou código e dados para seu artigo "The Clipping Trap: A Silent Failure Mode in Overfitted Neural Image Codecs." O trabalho destaca como codecs superajustados, como Cool-chic e C3, podem produzir imagens com cores planas e gradientes de distorção zero em tipos específicos de conteúdo.
Um novo projeto de código aberto chamado Biological JEJA combina aprendizado de representação no estilo JEPA com restrições biológicas para modelar como as doenças progridem ao longo do tempo. A abordagem foi testada em dados reais do ADNI de 2.347 pacientes e comparada a vários outros modelos.
Um estudante de graduação nos fóruns do Hugging Face discute a aplicação de conceitos do artigo VAPO ao modelo Qwen 2.5 Omni 3B para abordar problemas de alucinação durante a transcrição de áudio com contexto de slides.