Pesquisa da OpenAI com a Upwork identifica mudança na demanda por trabalho freelance, novas combinações de habilidades e orçamentos maiores e mais horas em projetos relacionados a IA.
Por que ler: O resumo antecipa que a pesquisa da OpenAI com a Upwork aponta mudança na demanda por trabalho freelance, com mais orçamento e horas em projetos ligados a IA.
Elith e NVIDIA lançaram o Nemotron-Personas-Finance-Japan, extensão de domínio financeiro da base aberta de personas Nemotron-Personas-Japan.
Por que ler: O conjunto traz 9M de personas sintéticas em japonês com finanças domésticas e letramento financeiro, sob CC BY 4.0, o que permite treinar e avaliar agentes financeiros sem dados reais de clientes.
O benchmark CyberOffense da Vals AI, que simula redes corporativas realistas, colocou o GPT-6 Sol.
Por que ler: O benchmark CyberOffense da Vals AI mede agentes invadindo redes corporativas simuladas e mostra o modelo aberto DeepSeek V4.1 Flash perto do GPT-6 Sol a um custo bem menor.
Um relatório da organização de pesquisa em segurança METR, após 11 semanas de investigação dentro da Anthropic.
Por que ler: O relatório da METR mede quanto da aceleração em P&D da Anthropic vem da própria IA e registra que a empresa censurou a maior parte das evidências mais informativas.
Um benchmark chamado Into the Unknown, liderado por pesquisadores da Carnegie Mellon University com cientistas de laboratórios nacionais do Departamento de Energia dos EUA.
Por que ler: O benchmark Into the Unknown mede honestidade e completude de agentes em questões abertas de laboratórios nacionais dos EUA, com 114 de 135 submissões reprovadas na checagem de integridade.
Pesquisadores da OpenAI notaram que o GPT-6 Astra avançava pouco em trabalhos de segurança e alinhamento。
Por que ler: O relato detalha um experimento controlado em que o GPT-6 Astra completou cerca de 10% dos critérios sob enquadramento de segurança, contra 16% no enquadramento geral, e aponta um dataset de treinamento como suspeito.
A IBM Research apresentou o Palette, um ajuste fino com LoRA de um modelo aberto de 20B que divide a criação de slides entre um designer.
Por que ler: O texto detalha como sintetizar dados com raciocínio contrafactual e usar um harness de verificação e reparo para fazer um modelo aberto de 20B competir em geração de slides.
A Collinear AI abriu o CWE-bench v2, conjunto público de 100 tarefas em que um agente recebe um repositório open source real e deve encontrar e corrigir uma falha de segurança sem quebrar a funcionalidade existente. As tarefas cobrem 91 CWEs e a pontuação é totalmente programática, com verificação determinística e reproduzível; há também um conjunto reservado para acompanhar tarefas que nenhum modelo viu. Entre os 11 modelos avaliados, o Gemini 4 Argon lidera com 67,8% de pass@1 e 81,0% de pass@4, à frente do Claude Opus 5.5 (67,3% e 78,0%), e 95 tarefas são resolvidas por ao menos um modelo, mas o líder falha 19% do conjunto em todas as tentativas. Na fronteira de custo, o DeepSeek V4.1 Flash alcança 57,0% de pass@1 a US$ 0,04 por rollout, o Opus soma dez pontos a US$ 1,83 e o Gemini chega a US$ 3,92. O conjunto, o avaliador e o harness são abertos, e as tarefas rodam pelo Harbor direto do repositório no Hugging Face, com acesso sujeito a aprovação.
Por que ler: O conjunto público de 100 tarefas com verificação determinística permite reproduzir resultados e comparar modelos em correção de falhas de segurança, com o custo por execução ao lado do desempenho.
O Google Research apresentou o framework sleep, que alterna fases ativas de interação com fases offline de consolidação de memória para permitir que LLMs aprendam continuamente sem esquecimento catastrófico. O método usa expansão de parâmetros com MoE, destilação de conhecimento e um estágio de sonho com seleção aleatória de especialistas e refinamento por RL. Nos testes, manteve queda de desempenho próxima de zero em tradução contínua para línguas não vistas, escalou até 10M tokens no BABILong e alcançou 48,9% em tarefa única e 46,2% em CPT no SQuAD, além de 79,2%, 69,0% e 46,1% em AIME 24/25 e HMMT 25.
Por que ler: O texto detalha o mecanismo de consolidação e sonho do framework e reporta ganhos em tradução contínua, contexto longo e raciocínio matemático, com comparação a baselines como SFT e GRPO.