A AWS apresentou o Universal Agent Evaluation Framework (UAEF), sistema de avaliação de agentes de IA que usa adaptadores para converter traces de frameworks como LangGraph.
A Tether AI Research apresentou o BotPsy, modelo de 0,8B parâmetro construído sobre o Qwen3.5-0.8B e voltado a chamadas de função e fluxos agênticos em dispositivo.
O Google DeepMind tornou o Gemini 4 Carbon disponível para desenvolvedores, empresas.
Por que ler: O texto detalha preço por token, benchmarks próprios e de terceiros e resultados de segurança do Carbon, permitindo comparar custo e desempenho com o Argon já disponível.
O Google DeepMind apresentou o Gemini Robotics 2.5, seu modelo visão-linguagem-ação mais capaz até agora.
O Hugging Face apresentou os modelos de decisão, que recebem um estado e perguntas com respostas predefinidas e retornam decisões estruturadas com probabilidades, sem gerar texto.
Por que ler: O texto detalha a interface comum de modelos de decisão e o suporte no Transformers, llama.cpp e Hub, mostrando como aplicações trocam geração de texto por probabilidades tipadas.
O Google DeepMind apresentou o AlphaProof Code, um framework agêntico que combina especialistas humanos e agentes de IA para verificação formal de software.
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.
A NVIDIA apresentou na CoRL, em Austin, o GR00T 2, modelo aberto de ação no mundo construído sobre o Cosmos e treinado com 100 mil horas de dados egocêntricos humanos de código aberto.
Por que ler: A NVIDIA detalha o GR00T 2, o Isaac Lab 3.0 e novos benchmarks abertos para robótica, com números de sucesso e ganho de throughput que permitem comparar o avanço do treinamento em simulação.
As ferramentas open source da NVIDIA para 6G, Aerial e Sionna, cresceram 10x em adoção global em um ano.
A NVIDIA adicionou quatro checkpoints de pesos abertos à família Cosmos 3 para geração de simulação interativa de mundos e cenas de direção com múltiplos sensores e pontos de vista.
Por que ler: A NVIDIA detalha quatro checkpoints de pesos abertos do Cosmos 3 Nano, com 16B de parâmetros treináveis e receita de pós-treinamento em quatro estágios para adaptação a novos sensores.
A Microsoft Research apresentou o PDD Kit, um kit de desenvolvimento que transforma a intenção do usuário em especificação formal em Verus.
O Google Research apresentou o AI-PPG-ACC-HTN, um sistema multimodal de IA que detecta sinais de hipertensão a partir de sensores de smartwatch, sem necessidade de calibração com manguito.
A Gradium abriu o Phonon, modelo de TTS que roda no próprio dispositivo sem servidor nem rede。
Por que ler: O texto detalha como o Phonon, com cerca de 65 MB e 75 MB, chega a cinco idiomas e lidera em inteligibilidade em alemão e espanhol, além de explicar a integração no Transformers.
O Google Research apresentou o Agile Deliberation, um framework que trata a criação de classificadores subjetivos como uma conversa iterativa entre humano e IA.
Pesquisadores apresentam o StateBench, um benchmark de rastreamento de estado em contexto longo que mede como modelos acompanham informações sobre entidades ao longo de documentos.
O Google DeepMind mostrou como o Google Antigravity, com as novas Cheminformatics Skills, acelera fluxos de descoberta de fármacos.
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.