Ciência da computação
Uma linguagem que não afeta a maneira como você pensa sobre programação não vale a pena ser conhecida.
— (1982)
Desenvolvedores experientes se sentiram mais rápidos com IA enquanto trabalhavam mensuravelmente mais devagar
Um ensaio controlado randomizado da METR fez dezesseis desenvolvedores experientes de código aberto executar 246 tarefas reais em codebases que conheciam bem, com ferramentas de IA do início de 2025 (Cursor Pro mais Claude 3.5/3.7 Sonnet) permitidas em uma metade aleatória. Eles esperavam que a IA reduzisse o tempo das tarefas em cerca de 24%; em vez disso, ela aumentou o tempo de conclusão em 19% — e depois eles ainda acreditavam que ela os havia acelerado em cerca de 20%. Essa lacuna de percepção é o núcleo mais forte do estudo. Mas são dezesseis desenvolvedores, um cenário estreito e um retrato fixo do início de 2025: os autores deixam claro que isso não mostra que a IA deixe de ajudar a maioria dos desenvolvedores, e o acompanhamento de 2026 da própria equipe já inclina para aceleração, com seus próprios caveats.
Uma prova criptográfica pode esconder seu segredo tornando difícil provar a ausência do simulador
Provas de conhecimento zero deixam alguém provar uma afirmação sem revelar a testemunha. A teoria clássica diz que você não pode ter isso, no sentido completo, com uma mensagem, nenhuma configuração confiável e solidez perfeita. O artigo de Rahul Ilango não faz essa impossibilidade desaparecer. Ele muda o alvo: em vez de exigir que um simulador realmente exista, pede que nenhum sistema de provas escolhido consiga provar eficientemente que o simulador não existe. Sob grandes suposições de complexidade de provas e criptografia, isso basta para recuperar consequências falsificáveis, baseadas em jogos, do conhecimento zero propriedade por propriedade. O ponto não é uma primitiva de internet plug-and-play. É uma forma teórico-probatória de transformar indemonstrabilidade matemática em cobertura criptográfica.
Uma IA médica pode ser privada em média e ainda expor pacientes específicos, sobretudo os sub-representados
Um modelo de IA médica chamado preservador de privacidade costuma se apoiar em um número médio. Este estudo argumenta que esse é o teste errado. Ao estudar ataques de inferência de participação — que revelam se o registro de uma pessoa específica esteve nos dados de treinamento de um modelo e portanto podem denunciar que ela teve certa doença —, os autores mediram o risco por paciente, não em agregado, em sete conjuntos de dados médicos e muitos modelos. O padrão: modelos que parecem seguros em média ainda podem permitir identificar indivíduos específicos quase perfeitamente (AUC de ataque >= 0,95); os expostos pertencem sistematicamente a grupos sub-representados; e o problema piora à medida que os modelos crescem. Eles não dizem para abandonar a IA médica: dizem para medir a privacidade por paciente, controlar o acesso ao modelo e usar privacidade diferencial.
Ensinar uma IA de desenho a olhar para a página
Modelos de linguagem que geram gráficos vetoriais fazem isso às cegas: escrevem os comandos de desenho sem nunca ver o resultado. Um novo método deixa o modelo observar a própria tela se preencher, traço por traço, e a virada honesta é que simplesmente dar olhos ao modelo piora as coisas: ele precisa ser retreinado para usá-los. O ganho é um modelo que iguala ou supera por pouco rivais treinados com até vinte vezes mais dados — um resultado real e cuidadoso em um benchmark, não uma revolução.
Um agente de IA trabalhou casos completos de pacientes por conta própria: em um simulador, com prontuários antigos
MIRA é um novo tipo de IA médica: em vez de responder a uma única pergunta, trabalha um caso inteiro dentro de um prontuário hospitalar simulado: colhe a história, pede e lê exames, chega a um diagnóstico e escreve as ordens. Em 574 casos retrospectivos de uma base pública, com oito diagnósticos pré-selecionados, os autores relatam que superou médicos em acurácia diagnóstica e tomou decisões em grande parte alinhadas a diretrizes e seguras em medicação. Cada qualificador importa: foi um sandbox com prontuários passados, apenas texto; boa parte da vantagem veio de condições com exames claros; pediu cerca de duas vezes mais exames de sangue que os médicos; e vários resultados foram pontuados contra o que estava no prontuário original. O avanço real é um agente que atua ao longo de todo o fluxo de trabalho, não uma prova de que uma máquina diagnostica melhor que um médico.
Modelos grandes de “fundação” para robôs funcionam melhor? Uma resposta cuidadosa — modestamente sim, e a maioria dos estudos não consegue dizer
O Toyota Research Institute treinou “large behavior models” — políticas robóticas pré-treinadas em ~1.700 horas de dados diversos de manipulação — e os testou contra políticas de tarefa única treinadas do zero com rigor incomum: ensaios cegos, randomizados e de grande amostra (~1.800 no mundo real, 47.000+ em simulação), com estatística real. Depois de ajuste fino por tarefa, os modelos grandes foram melhores em média, precisaram de cerca de 3–5× menos dados específicos da tarefa e foram mais robustos quando as condições mudaram; o desempenho subiu suavemente com mais dados de pré-treinamento. Mas usados sem ajuste fino eles não superaram consistentemente modelos de tarefa única, vários efeitos eram pequenos o bastante para exigir grandes amostras para serem vistos, e uma escolha mundana de normalização dos dados importou mais que a arquitetura. É apoio medido à direção dos modelos de fundação para robôs — não um robô de uso geral, não um generalista zero-shot, não um “salto emergente” — além de um aviso direto de que boa parte da robótica pode estar medindo ruído.
Por que modelos de linguagem alucinam — e por que a forma como os avaliamos mantém isso assim
As falsidades confiantes que chamamos de “alucinações” não são uma falha misteriosa: algumas são um subproduto estatístico do treinamento, e persistem porque benchmarks centrais recompensam um chute confiante mais do que um “não sei” honesto. Um estudo de caso com quatro modelos de fronteira mostra que declarar as regras de pontuação no prompt (“rubricas abertas”) inverte esse incentivo.