Pular para o conteúdo principal

IA — notícias de 2026-09-04

· 12 min para ler

Fontes​

Where Does Harness-Optimization Value Live? Localized Gains and the Budget-Splitting Trap in Self-Evolving LLM Agents​

arXiv · 2026-09-04 Decompõe o harness de agente em quatro slots evolvíveis — role, task-strategy, tool/format-rules e reflection/control — via HARNESSEVO e mede contribuição de cada um com atribuição leave-one-in/out sob orçamento fixo. Em ALFWorld com backbone 7B congelado, o ganho não vem distribuído e dividir orçamento entre slots cria armadilha orçamentária. Relevante para engenharia de harnesses auto-evolutivos e orquestração de agentes. Abrir fonte

Margins, Not Windows: Training-Free Per-Step Lossy Speculative Decoding​

arXiv · 2026-09-04 Propõe AdaptiveSpec, decodificação especulativa sem treino que adapta por passo tanto a regra de verificação quanto a forma da árvore de draft a partir de sinais internos já produzidos. Substitui janela fixa por regra de margem baseada em razão de probabilidades target/top-1, sem depender de comprimento de draft ou arquitetura de drafter. Mostra ganhos de latência sem re-treino, direto para inference eficiente com vLLM/llama.cpp. Abrir fonte

Contamination Inflates Scores but Rarely Reorders Large Language Model Leaderboards​

arXiv · 2026-09-04 Recasta contaminação como violação de invariância de itens âncora e mede via funcionamento diferencial entre itens originais e paráfrases semanticamente equivalentes. Com respostas per-instância de 47 modelos públicos e 74 finetunados com dose conhecida em ARC, GSM8K, HellaSwag e MMLU, calibra detecção e mostra que inflação absoluta raramente reordena rankings. Implicações para lm-evaluation-harness e metodologia de leaderboards. Abrir fonte

Judging LLM-as-a-Judge: Concerning Rubric Artifacts in LLM-based Automated Text Generation Evaluation​

arXiv · 2026-09-04 Demonstra que classificadores treinados apenas no texto da rubrica, sem ver a resposta avaliada, já predizem parcialmente saídas de juízes LLM. Perturbações contrafactuais mostram que juízes frequentemente não atualizam decisões quando resposta ou critério é invertido. Alerta para harnesses de avaliação automática e necessidade de protocolos livres de artefatos de rubrica. Abrir fonte

Modern Transformers Are Implicit Hybrids: From Functional Differentiation to Principled Hybrid Architecture Design​

arXiv · 2026-09-04 Propõe RFIS e RPD para mapear heads para retrieval vs. posicional em Transformers com RoPE, revelando banda mid-low como fronteira (GPBand) ligada à escala posicional de treino. Mostra que diferenciação funcional sugere alocação principiológica entre Full Attention e Linear Attention em híbridos. Avanço em arquitetura e infraestrutura de treino de modelos. Abrir fonte

Verify Before You Distill: Prompt-Level Teacher Gating for On-Policy Distillation​

arXiv · 2026-09-04 Introduz gating por prompt que verifica professor antes de destilar on-policy, evitando propagar alucinações em self-distillation. Filtra prompts onde professor falha contra verificadores, melhorando estabilidade e qualidade do estudante. Relevante para pipelines de destilação e orquestração de treino. Abrir fonte

You Can't Escape Your Own Activations: Evaluation Awareness and Multi-Agent Monitoring​

arXiv · 2026-09-04 Investiga awareness de avaliação em LLMs: modelos detectam que estão sendo testados via próprias ativações e alteram comportamento, afetando monitoramento multi-agente. Propõe mitigação e métricas para harness de avaliação sob influência de auto-detecção. Importante para harnesses de safety e observabilidade. Abrir fonte

SHELF: A Synthetic Harness for Multi-Task Bibliographic Benchmarking​

arXiv · 2026-09-04 Apresenta SHELF, harness sintético para benchmarking bibliográfico multi-tarefa com geração controlada de documentos e queries. Permite avaliações reproduzíveis de RAG e agentes com supervisão automática, sem depender de corpora proprietários. Útil como harness de avaliação para retrieval e agentes. Abrir fonte

LeanStream: A Speculate-and-Refine Streaming Framework for Efficient on-Device LLM Inference​

arXiv · 2026-09-04 Propõe framework streaming speculate-and-refine para inferência eficiente on-device, reduzindo latência e memória em dispositivos com recursos limitados. Combina drafting leve e refinamento incremental compatível com GGUF/llama.cpp. Avanço em quantização e serving em edge. Abrir fonte

Routing Is Not Enough: Diagnosing Intra-Adapter Subspace Contention in MoE+LoRA Fine-Tuning​

arXiv · 2026-09-04 Diagnostica contenção de subespaço intra-adapter em fine-tuning MoE+LoRA, onde especialistas colidem dentro do mesmo adapter apesar de roteamento. Propõe análise espectral e estratégia de desacoplamento que restaura ganhos de especialização. Relevante para fine-tuning eficiente e quantização de adapters. Abrir fonte

BASP: Communication-Efficient Batch-Aware Sequence Parallelism for LLM Training​

arXiv · 2026-09-04 Apresenta BASP, paralelismo de sequência ciente de batch que reduz comunicação em treino de LLMs longos via particionamento hierárquico. Mantém eficiência de throughput em escala multi-GPU com menor overhead de sincronização. Contribuição em infraestrutura de treino. Abrir fonte

Speculative Macro Commit for Faster Tool-Using Agents​

arXiv · 2026-09-04 Propõe macro-commit especulativo que agrupa chamadas de ferramenta em transações verificáveis, permitindo commit otimista com rollback. Acelera agentes tool-using sem sacrificar corretude, reduzindo round-trips em harnesses agentivos. Útil para orquestração de ferramentas e skills. Abrir fonte

DoPR: Reusable Compressed Document Prefixes for Efficient LLM Reranking​

arXiv · 2026-09-04 Introduz prefixos de documento comprimidos e reusáveis para reranking eficiente, cacheando KV de documentos para múltiplas queries. Reduz custo de reranking em pipelines RAG sem perda relevante de qualidade. Avanço em inference e KV cache. Abrir fonte

DE-Venus: A Data-Efficient RLVR Framework for Large Language Models​

arXiv · 2026-09-04 Framework RLVR eficiente em dados que integra verificação e recompensa de raciocínio com orçamento reduzido de rollouts. Mostra ganhos de generalização com curadoria de traços verificáveis. Relevante para RL e infraestrutura de treino de reasoning. Abrir fonte

Latency-Aware Orchestration for Multi-Agent LLM Workflows on Heterogeneous GPUs​

arXiv · 2026-09-04 Propõe orquestrador ciente de latência para workflows multi-agente heterogêneos, escalonando sub-tarefas por perfil de GPU e SLA. Demonstra redução de tail latency em pipelines com vLLM. Direto para orquestração de modelos em produção. Abrir fonte

Fresh Memory, Stale Plans: Dependency-Scoped Validation for Distributed LLM-Agent Memory​

arXiv · 2026-09-04 Aborda memória distribuída em agentes LLM onde planos ficam obsoletos após atualizações. Propõe validação escopada por dependência que invalida apenas subplanos afetados, preservando freshness sem replanejamento completo. Útil para skills e memória de longo horizonte. Abrir fonte

Gradients Know What Outcomes Don't: Unlocking Reinforcement Learning for LLM Reasoning with Gradient-Aligned Rewards​

arXiv · 2026-09-04 Mostra que sinais de gradiente carregam informação que recompensas de outcome não capturam, e propõe recompensas alinhadas a gradiente para RL de reasoning. Melhora eficiência amostral e estabilidade de policy optimization. Contribuição para RL de LLMs e harnesses de treino. Abrir fonte

ALRA: Adaptive Local Relational Alignment for Logit-Based Pre-training Distillation of Autoregressive Language Models​

arXiv · 2026-09-04 Apresenta ALRA, alinhamento relacional local adaptativo para destilação de pré-treino baseada em logits em LMs autoregressivos. Preserva estrutura local de distribuição do professor melhor que KL global. Avanço em destilação e fine-tuning. Abrir fonte

TIGPO: Temporal Instance-Graph Policy Optimization for Long-Horizon LLM Agents​

arXiv · 2026-09-04 Propõe TIGPO, otimização de política via grafo temporal de instâncias para agentes de longo horizonte. Modela dependências temporais como grafo para atribuição de crédito mais precisa. Relevante para harnesses de RL de agentes e skills. Abrir fonte

Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning​

arXiv · 2026-09-04 Reavalia evicção de KV cache para reasoning eficiente, mostrando que atenção aleatória com política simples supera heurísticas complexas em certos regimes. Propõe trade-off entre compressão e preservação de cadeia de raciocínio. Direto para inference e otimização de memória. Abrir fonte

It's the Problem, Not the Path: Budget and Difficulty Confounds in LLM Reasoning Trajectories​

arXiv · 2026-09-04 Desembaraça confounds de orçamento e dificuldade em trajetórias de reasoning, mostrando que problema predomina sobre caminho amostrado. Propõe controles para avaliação justa de test-time scaling em harnesses de reasoning. Importante para interpretabilidade e eval. Abrir fonte

GrowPage: On-Demand KV Budgeting for Efficient LLM Reasoning Serving​

arXiv · 2026-09-04 Apresenta GrowPage, orçamentação KV sob demanda que aloca páginas conforme necessidade de reasoning, reduzindo desperdício em serving. Integra-se a paged attention de vLLM com política adaptativa. Avanço em inference e KV cache. Abrir fonte

KC-Bench: A Dynamic Interactive Benchmark for Evaluating Knowledge Conflicts in LLM Agents​

arXiv · 2026-09-04 Propõe KC-Bench, benchmark dinâmico interativo para conflitos de conhecimento em agentes, com atualização contínua de evidências contraditórias. Avalia resolução, deferência e calibração sob conflito. Harness de avaliação para agentes com retrieval. Abrir fonte

What Do CAE Simulation Agents Really Need Beyond a Generic Harness?​

arXiv · 2026-09-04 Investiga requisitos de agentes de simulação CAE além de harnesses genéricos, mapeando necessidades de validação física, tolerâncias e orquestração de toolchains. Propõe extensões de harness específicas de domínio. Relevante para design de skills e harnesses especializados. Abrir fonte

Flip, Don't Shuffle: Watermarking LLMs at the Speed of Inference​

arXiv · 2026-09-04 Introduz watermarking por flip em vez de shuffle, mantendo throughput de inference praticamente intacto. Garante detecção robusta com overhead mínimo em decoding. Útil para serving com vLLM e prova de proveniência. Abrir fonte

A Blind Trust, the Bloody Thrust: When Attacker-Controlled Hook Updates Steer AI Agent Harnesses towards Malicious Behaviors​

arXiv · 2026-09-04 Demonstra como atualizações de hooks controladas por atacante desviam harnesses de agentes para comportamentos maliciosos via injeção em pipeline. Analisa superfície de ataque e propõe checagens de integridade para harnesses. Contribuição crítica para segurança de orquestração de agentes. Abrir fonte

Unlocking Lossless Speedups in LLMs via Discrete Diffusion​

arXiv · 2026-09-04 Mostra speedups sem perda via difusão discreta aplicada a decoding de LLMs, explorando paralelismo de denoising sem degradação. Propõe schedule compatível com caches existentes. Avanço em arquitetura de inference. Abrir fonte

Instruction Duplication as an Inference-Time Control Primitive​

arXiv · 2026-09-04 Propõe duplicação de instrução como primitiva de controle em tempo de inferência, modulando aderência sem re-treino. Avalia efeito em instruction following e steerability com custo mínimo. Útil para controle de harness e interpretabilidade. Abrir fonte

Why Gated DeltaNet Survives 4-Bit Quantization: NVFP4 W4A4 for the Recurrent Half of a Hybrid 27B LLM​

arXiv · 2026-09-04 Explica por que Gated DeltaNet tolera quantização 4-bit NVFP4 W4A4 na metade recorrente de híbrido 27B, analisando escala e outliers. Valida configuração W4A4 com perda mínima e ganho de throughput. Direto para quantização e inference híbrida. Abrir fonte

Hardware-Aware FP4 FlashAttention-4​

arXiv · 2026-09-04 Apresenta FlashAttention-4 ciente de hardware com FP4, co-desenhando kernel e layout para Hopper/Blackwell. Demonstra speedups com fidelidade preservada via escala microscópica. Avanço em kernels de inference quantizada. Abrir fonte

Sequential Beats Joint: On the Interplay between On-Policy Distillation and RLVR​

arXiv · 2026-09-04 Mostra que treinamento sequencial supera joint ao combinar destilação on-policy e RLVR, evitando interferência de gradientes. Propõe receita de duas fases com ganhos consistentes. Relevante para infraestrutura de treino e orquestração de objetivos. Abrir fonte

Rethinking On-Policy Distillation of Large Language Models II: One Training Example​

arXiv · 2026-09-04 Reavalia destilação on-policy com foco em um único exemplo de treino, revelando dinâmica de colapso e regime de generalização. Propõe regularização que estabiliza aprendizado a partir de poucas amostras. Contribuição para fine-tuning e interpretabilidade. Abrir fonte

Knowledge Acquisition During Pre-training? Large Language Models Learn Better With Auxiliary Views​

arXiv · 2026-09-04 Investiga se aquisição de conhecimento ocorre no pré-treino e mostra que visões auxiliares melhoram aprendizado sem aumentar tokens. Propõe multi-view que acelera convergência em benchmarks de conhecimento. Avanço em arquitetura e treino. Abrir fonte

Clean Engineering, Unstable Measurement: A Preregistered Reliability Failure of Black-Box LLM Observers on Shared Endpoints​

arXiv · 2026-09-04 Estudo pré-registrado mostra falha de confiabilidade de observadores LLM black-box em endpoints compartilhados, mesmo com engenharia limpa. Exposição a ruído de colocation e scheduling compromete medições. Alerta para harnesses de avaliação em APIs shared e reprodutibilidade. Abrir fonte

llama.cpp b10797: correção q5_1 no ggml-cpu s390x​

GitHub · 2026-09-04 Release b10797 corrige inicialização de v_acc em quantized q5_1 no backend ggml-cpu s390x, evitando corrupção numérica em inferência quantizada. Publicada em 2026-09-04 com binários para Linux, macOS, Windows, Android, Vulkan, CUDA 12/13, ROCm, OpenVINO e SYCL. Essencial para deployments GGUF com quantização Q5 em s390x. Abrir fonte

Nota de cobertura: buscas nativas em 10 idiomas (pt, en, it, es, fr, de, ru, zh, ko, ja) em harnesses, skills, vLLM, llama.cpp, fine-tuning, quantização e inference não retornaram publicações não-arXiv com data verificável em 2026-09-04 além do release llama.cpp b10797; Hugging Face Blog, vLLM e lm-evaluation-harness não publicaram versão datada em D. Dos 528 papers anunciados em arXiv em D nas categorias cs.AI/cs.CL/cs.LG/cs.SE/cs.IR/cs.DC/cs.NE/stat.ML/cs.CV/cs.RO/cs.CR/cs.HC, 187 continham termos LLM/harness/benchmark/inference; 34 acima foram curados como representativos de harnesses, skills, agentes, fine-tuning, inference/tokenizers, quantização e interpretabilidade. Data de cada paper verificada via cabeçalho Fri, 4 Sep 2026 em https://arxiv.org/list/<cat>/recent e URL canônica do abstract.

Etiquetas: