12 posts found
9 modelos. 145 perguntas políticas. BaiChuan recusou 60%. DeepSeek recusou 36%. GPT-4o recusou 0%. O PNAS Nexus publicou a primeira análise comparativa de censura em LLMs — e provou que quando o governo aprova o modelo antes do lançamento, a IA se cala.
Um paper aceito no ACL 2026 provou: trocar vocabulário rebuscado por palavras simples aumenta a precisão do GPT-4o, DeepSeek e LLaMA em 8%. A Lei de Adam explica por quê — e liberta você do 'corporativês' que sabota suas respostas.
Um professor de matemática mandou um paper absurdo para uma revista de obstetrícia. Foi aceito em dias. A NeurIPS 2025 publicou 100+ citações alucinadas em 51 papers. 1 em cada 277 artigos no PubMed em 2026 tem referências fabricadas. E esses dados vão treinar a próxima geração de IA.
GPT-4o: de 91% com 5 palavras para 15% com 40. Em condições mistas: 1%. GPT-5, Claude Opus 4.1 e Gemini 2.5 também falharam. Um paper do PNAS Nexus provou: transformers não têm 'árbitro' para resolver conflitos de atenção. É limitação arquitetural.
Nature Medicine, 12 de junho de 2026: GPT-5.2, Claude Opus 4.6 e Gemini 3.1 Pro venceram OpenEvidence e UpToDate em TODOS os testes. 100 queries reais de médicos. 12 clínicos avaliando às cegas. 1.800 anotações. E as ferramentas 'especializadas' não superaram nem o Google Search AI Overview.
Cosmos 3 lançou em 1 de junho de 2026: o primeiro modelo omnimodal aberto que entende e gera texto, imagens, vídeo, áudio E ações robóticas em uma única arquitetura. Jensen Huang: 'O big bang da IA física está a caminho.' E ele abriu o código inteiro.
Um estudo do Journal of Marketing com 7 experimentos e dados de 27 países provou: quanto mais você sabe sobre IA, menos receptivo você é. O mecanismo? 'Assombro mágico'. Desmistificar a IA reduz sua adoção. E isso é um problema gigante.
+8,3% de precisão. Até 2,4x mais rápido. 75,6% menos tokens. Custo de treinamento: $4,27. RecursiveMAS prova que quando IAs param de 'falar' e começam a 'pensar juntas', tudo muda.
O AlphaFold resolveu a forma das proteínas. Mas a forma é só uma foto. O VibeGen do MIT projeta moléculas pelo movimento — criando proteínas que nunca existiram na natureza. Literalmente: vibe coding para a biologia.
Stanford provou que mudar apenas o harness — sem tocar no modelo — gera variação de até 6x em performance. O Meta-Harness ficou em #1 no TerminalBench-2, batendo todas as soluções humanas. O problema nunca foi o modelo.
Yann LeCun saiu da Meta, levantou $1 bilhão e disse que LLMs são um 'beco sem saída'. Eu achava isso exagero. Depois de pesquisar a fundo, mudei de ideia. Parcialmente.
E se o especialista que você procura dentro da IA já estivesse lá — escondido? O conceito de Neural Thickets do MIT me fez repensar tudo que eu achava saber sobre fine-tuning.