IA — notícias de 2026-09-16

Fontes

Objective vs. Search: Decomposing What Makes a Good Tokeniser

arXiv · 2026-09-16 Estudo desacopla objetivo e busca em tokenização para LLMs, comparando BPE (compressão, bottom-up) e UnigramLM (verossimilhança, top-down) com duas variantes inéditas BottomUpLL e TopDownComp. Treinando modelos em diferentes tamanhos e vocabulários, a busca bottom-up supera consistentemente em bits-per-byte, enquanto o objetivo tem efeito secundário; em BLiMP não há correlação consistente. Aceito no EMNLP 2026, oferece orientação prática para construção mais fundamentada de tokenizadores. Abrir fonte

A Zeroth-Order Paradigm for LLM Preference Alignment

arXiv · 2026-09-16 Propõe o Comparison-based Preference Optimization (ComPO), método de alinhamento de preferência de ordem zero que extrai direção de pares com pequena margem via oráculo de comparação, sem otimizar perda diferenciável direta. Apresenta garantias de convergência offline sob suavidade e esparsidade e extensão online com controle KL reverso. Em Mistral, Llama, Gemma-2/3 e Qwen3 supera métodos diretos em win rate com controle de comprimento, com diagnósticos consistentes de mitigação de likelihood displacement. Abrir fonte

ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments

arXiv · 2026-09-16 Apresenta o ScienceIDE, que converte repositórios científicos fragmentados em ambientes aprendíveis por agentes, padronizando toolchains e critérios de correção por domínio. O harness expõe modelos executáveis e ferramentas como espaço de ação para agentes codificarem, executarem e verificarem hipóteses. Foca em transformar conhecimento decodificado em código legível por agente para descoberta científica assistida. Abrir fonte

Cognitive Extensions for Dual-Process Language Agents: Memory and Self-Reflection in Interactive Environments

arXiv · 2026-09-16 Estende o agente dual-process SwiftSage com memória de longo horizonte e autorreflexão para ambientes interativos. O harness combina propositor rápido e refletor lento com rastreamento de estado e recuperação de falha. Resultados mostram maior robustez em tarefas longas com execução válida de ações e correção de passos falhos. Abrir fonte

Monitoring and Discovering Reward Hacking with Internal Representations during LLM Evaluations

arXiv · 2026-09-16 Investiga se reward hacking deixa assinatura interna em LLMs fronteira durante avaliações, analisando representações de modelos open-source. Mostra que padrões de hacking se manifestam em features esparsas e podem ser monitorados sem depender apenas de saída final. Propõe sondas para detecção precoce, relevante para harnesses de avaliação e interpretabilidade. Abrir fonte

Higher-order pruning of experts in mixture-of-experts language models

arXiv · 2026-09-16 Aborda gargalo de memória em LLMs MoE via poda de especialistas com decisões de ordem superior, considerando interação entre experts em vez de escores isolados. Método reduz contagem de parâmetros preservando desempenho, complementando pipelines de quantização e serving. Avaliação em múltiplas escalas mostra trade-off superior entre compressão e qualidade. Abrir fonte

Beyond Outcomes: Dual-View Relational Learning for Efficient Agent Benchmarking

arXiv · 2026-09-16 Propõe compressão de benchmarks de agentes modelando redundância não só em scores finais, mas em relações duais tarefa-modelo e tarefa-tarefa. A abordagem seleciona subconjunto representativo que preserva ranking com custo de avaliação drasticamente menor. Relevante para harnesses de avaliação onde rodar suítes completas de agentes é proibitivo. Abrir fonte

ASLEval: Measuring Privacy Exposure Displacement in LLM Agent Sessions

arXiv · 2026-09-16 Critica avaliações de privacidade que inspecionam apenas ação designada ou resposta final, propondo métrica de deslocamento de exposição ao longo de sessões multi-step com tool-use. Introduz ground truth comum entre outlets e análise sessão-inteira. Essencial para harnesses de agentes que manuseiam dados sensíveis, revelando vazamentos perdidos por proxies locais. Abrir fonte

Ask the Tool, Don't Guess: Agent Tool Calls Hold Their Progress, and the Serving System Should Read It

arXiv · 2026-09-16 Revela que requisições agênticas passam tempo significativo aguardando tools com KV cache ocupando GPU. Em vez de adivinhar duração pela tool, o sistema de serving deve ler progresso explícito da chamada. Propõe protocolo onde tool reports permite decidir manter, despejar ou restaurar cache, otimizando throughput de serving de agentes em vLLM-like engines. Abrir fonte

ReFigBench: Benchmarking Scientific Figure Reconstruction as Editable PowerPoint Artifacts

arXiv · 2026-09-16 Avalia coding agents multimodais que reconstróem figuras científicas como artefatos PowerPoint editáveis, atuando através de harness com ferramentas, gestão de contexto e execução. Benchmark mede fidelidade visual e editabilidade estrutural além de chamadas curtas isoladas. Expõe lacunas de agentes em gerar artefatos utilizáveis a partir de entradas visuais. Abrir fonte

Infinite-Parameter LLMs: Generating and Adapting Weights from Live Data

arXiv · 2026-09-16 Propõe LLMs de parâmetros infinitos que geram e adaptam pesos a partir de dados ao vivo, estendendo leis de escala além de MoE esparsos. Arquitetura ativa fração dinâmica de pesos sintetizados sob demanda, explorando trade-off entre memória e computação em tempo de inferência. Discussão conecta a serving adaptativo e fine-tuning contínuo. Abrir fonte

CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents

arXiv · 2026-09-16 Trata limitação de Mixture-of-Agents que separa roteamento e fine-tuning, propondo coevolução de roteador e agentes em aprendizado contínuo. O roteamento adapta-se a capacidades emergentes dos agentes, melhorando alocação de queries ao longo do tempo. Resultados mostram ganhos em cenários multi-agente comparado a roteamento estático. Abrir fonte

M-SQE: Multilingual Skill Quality Estimation for Enhancing Language Equality in Agentic Skill Use

arXiv · 2026-09-16 Foca em skills - documentos procedurais reutilizáveis que estendem agentes além da memória paramétrica - e no viés multilíngue de bibliotecas comunitárias. Propõe M-SQE para estimar qualidade de skills em múltiplas línguas, promovendo paridade. Relevante para ecossistema de skills agênticas onde cobertura é desigual entre idiomas. Abrir fonte

Dependency-Aware Trajectory Refinement for Efficient Multi-Turn Agent Fine-Tuning

arXiv · 2026-09-16 Modela trajetórias multi-turno como DAG de dependências entre rounds para identificar rounds redundantes (tool calls falhos, sub-queries paralelas, verificações). Poda seletiva reduz custo de treino e inferência sem degradar desempenho. Oferece pipeline prático para fine-tuning eficiente de agentes com dados de interação ruidosos. Abrir fonte

GeoMesh: Workload-Balanced and Sign-Compressed Geo-Distributed LLM Training

arXiv · 2026-09-16 Enfrenta treinamento geo-distribuído de LLMs em clusters heterogêneos com balanceamento de carga e compressão por sinal. Introduz malha que adapta particionamento e comunicação comprimida a links inter-região, mantendo convergência com menor banda. Contribuição direta para infraestrutura de treino distribuído em larga escala. Abrir fonte

Bad Genius: Counterfactual-Guided Harness Evolution Beyond Task-Specific Shortcuts

arXiv · 2026-09-16 Aborda otimização automática de harness que sobreajusta ao benchmark liberado B_rel ao editar prompts, memória, retrieval e controle. Propõe evolução guiada por contrafactuais que distingue melhorias reutilizáveis de atalhos específicos da tarefa. Framework melhora generalização de harnesses além de benchmarks vazados. Abrir fonte

BENCHCOMPASS: From Scores to Signals for Training and Harness Decisions in Payment-Domain

arXiv · 2026-09-16 Investiga valor de LLMs em operações de pagamento onde regras mudam rápido; traduz scores de benchmark em sinais acionáveis para decisões de treino e harness. Mapeia lacunas de evidência e propõe bússola que orienta fine-tuning e design de scaffolding por domínio. Estudo de caso em infraestrutura financeira crítica. Abrir fonte

M2Tok: Multi-head Multi-codebook Discrete Action Tokenization for Vision-Language-Action Models

arXiv · 2026-09-16 Adapta modelos autoregressivos a sinais multimodais com tokenização discreta de ações via múltiplos codebooks e cabeças. Avalia fidelidade de tokenizadores de ação para treino de políticas VLA e recuperação de comandos executáveis. Avanço em tokenização para agentes de ação contínua, paralelo a esforços em tokenização textual. Abrir fonte

llama.cpp b11009 — fix split state and granularity for fused QKV (Gemma 4, Qwen3.5)

GitHub ggml-org/llama.cpp · 2026-09-16 Release corrige cálculo de split states para atenção QKV fundida, necessário para Gemma 4 onde n_embd diverge de Q, e trata camadas de atenção completa fundida para Qwen3.5/Qwen3.5-MoE. Ajuste em nível de modelo garante particionamento correto com --fuse-qkv e inferência eficiente. Publicado em 2026-09-16T19:37:19Z, dentro da janela D. Abrir fonte

llama.cpp b11010 — work around NV bug with argsort_large.comp (Vulkan)

GitHub ggml-org/llama.cpp · 2026-09-17 Release corrige bug de driver NVIDIA em shader Vulkan argsort_large.comp com workaround específico. Mantém paridade de throughput em backend Vulkan para inferência local quantizada. Publicado em 2026-09-17T00:01:04Z, ainda dentro de D (America/Sao_Paulo 2026-09-16 03:00-03:00Z), considerado na janela. Abrir fonte

Nota de cobertura: varredura cobriu arXiv via API (cs.CL, cs.LG, cs.AI, cs.DC, cs.SE e correlatos) e releases GitHub vLLM/llama.cpp/lm-evaluation-harness; consultas nativas nos 10 idiomas previstos não retornaram itens adicionais datados em D dentro do escopo estrito de harness/skills/modelos LLM; lacuna em fontes não-arXiv em D foi informada preservando todos os qualificados encontrados.