Papers, benchmarks e avanços científicos
Google Research lançou o ToolGrad, uma nova metodologia para gerar conjuntos de dados que aprimoram a capacidade de ferramentas de IA. A técnica utiliza gradientes textuais para otimizar a interação com diferentes ferramentas.
O laboratório de César de la Fuente utiliza Codex e ChatGPT para investigar genomas de organismos vivos e extintos em busca de candidatos antimicrobianos que possam combater infecções resistentes a medicamentos.
Um pesquisador do MIT está usando o GPT-5.6 Sol em conjunto com o Codex para conduzir experimentos de computação quântica de forma autônoma, analisando resultados e calibrando qubits.
O AlphaGenome Atlas, desenvolvido pela Google DeepMind, mapeia os efeitos moleculares de 9 bilhões de variantes de DNA, oferecendo insights sobre a genética humana.
A OpenAI divulgou uma solução gerada por inteligência artificial para o problema de Navier-Stokes, que é um dos sete problemas do Prêmio Millennium. A solução inclui um artigo explicativo e uma prova formal na linguagem Lean.
OpenAI anunciou um programa de subsídios de US$ 5 milhões para pesquisas independentes sobre como a IA generativa influencia o desenvolvimento, bem-estar e segurança de adolescentes.
Jakub Pachocki, da OpenAI, analisa os desafios da IA em evolução e a urgência de medidas de segurança e colaboração global.
OpenAI divulga dados iniciais sobre o uso de agentes de codificação, mostrando como eles impactam a pesquisa em IA.
Google Research divulgou uma nova técnica de aprendizado de transferência para melhorar previsões genômicas em populações sub-representadas, visando aumentar a precisão e a inclusão em estudos genéticos.
Google Research anunciou o mapeamento completo do cérebro da mosca da fruta, um avanço significativo na área de conectômica, que pode impactar pesquisas em neurociência e biologia.
A Hugging Face lançou o BenchMIRT, uma nova ferramenta que busca esclarecer o que os benchmarks de LLMs medem. A iniciativa visa melhorar a compreensão e a avaliação do desempenho desses modelos.
Google Research desenvolveu uma técnica que usa aprendizado de máquina para mapear emissões de metano em todo o mundo a partir do espaço, contribuindo para o monitoramento climático.
O Google Research lançou o TimesFM-3, um modelo de previsão multivariada que opera em zero-shot, ou seja, sem necessidade de treinamento específico. Essa inovação pode impactar setores que dependem de previsões precisas, como finanças e logística.
A Google Research lançou o Earth AI, uma ferramenta que visa automatizar modelos globais, permitindo previsões mais precisas sobre fenômenos da Terra.
A Google DeepMind anunciou o início de avaliações duplo-cegas para inteligência artificial, visando aumentar a imparcialidade e a rigorosidade nos testes de desempenho dos modelos. Essa abordagem pode influenciar o desenvolvimento de IA no futuro.
O Google Research lançou o GlucoFM, um modelo de IA projetado para monitorar continuamente os níveis de glicose, visando otimizar o tratamento de diabetes e melhorar a saúde dos pacientes.
A Google Research desenvolveu uma ferramenta de IA que prioriza biomarcadores a partir de dados de sensores vestíveis, visando melhorar a identificação de indicadores de saúde.
Pesquisa do Google analisa como a mobilidade pode aprimorar a compreensão de modelos de linguagem sobre lugares, impactando aplicações em IA.
A Hugging Face divulgou um estudo que investiga a otimização de benchmarks em reconhecimento de fala, visando aprimorar a precisão dos modelos. A pesquisa pode impactar desenvolvedores e empresas que utilizam essa tecnologia.
Estudo da Hugging Face investiga a quantidade de memória necessária para o funcionamento eficaz de agentes de IA, com foco em otimização e desempenho.
Pesquisadores do Google desenvolveram um método que utiliza imagens de smartphones para estimar o risco cardiometabólico, superando limitações do IMC.
O relatório da Hugging Face sobre modelos abertos destaca tendências e desafios até 2026, incluindo a importância da colaboração e da ética na IA.
A Hugging Face reproduziu 2.200 artigos da ICML para avaliar a confiabilidade das pesquisas em IA. O projeto visa aumentar a transparência e a reprodutibilidade dos resultados na área.
Um estudo do Google Research revela que a recuperação de informações é um gargalo para a precisão da IA generativa, impactando sua capacidade de fornecer respostas factuais confiáveis.
