Our approach to EU text provenance rules
OpenAI describes how it is approaching text watermarking under EU rules: where watermarks apply, how detection works, and why access to detection starts with researchers.
Notícias de IA — 2026-10-06
Notícias diárias de IA de fontes oficiais, Hacker News e arXiv
Os títulos e resumos desta página são traduções automáticas do inglês (offline) e podem conter erros. Prevalece o original vinculado.
Escolhas do editor
Construir publicidade para a forma como as pessoas usam AI
Publicidade dentro do ChatGPT continua crescendo: OpenAI está adicionando um formato de anúncio visual mais ferramentas de medição, atribuição e adequação da marca, que importa tanto para profissionais de marketing quanto para usuários do dia a dia.
OpenAI
Our approach to EU text provenance rules
A concrete look at how one major lab plans to handle EU text-provenance rules, including where watermarks apply and why detection access starts with researchers.
OpenAI
Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses
Um artigo raro que audita suas próprias alegações de manchete: os autores relatam que a correção de seus erros de análise reduziu uma economia de custos de 23,9% para 4,3%, uma cautela útil para quem avalia modelos de roteamento de agentes.
arXiv
Nota do editor: Os resumos foram redigidos com ajuda de IA a partir do texto de cada editor original e aguardam revisão humana.
De empresas e laboratórios de IA
Posts de blogs oficiais de empresas e laboratórios publicados nos últimos 7 dias.
OpenAI
Construir publicidade para a forma como as pessoas usam AI
Original: Building advertising for the way people use AI
O OpenAI introduziu um novo formato de anúncio visual no ChatGPT e expandiu ferramentas de medição, parcerias de atribuição e controles de adequação de marca para anunciantes.
Together AI
Juntos Link: modelos abertos no arnês que você já usa. Comece com um comando hoje.
Original: Together Link: open models in the harness you already use. Start with one command today.
Juntas AI's Together Link traz modelos abertos como GLM 5.3 e Kimi K3 para as equipes de agentes de codificação que já usam; Juntos diz que pode reduzir o gasto do modelo em mais de 50%.
Destaques de IA no Hacker News
Histórias com títulos relacionados a IA, ordenadas por pontos nas últimas 36 horas.
Antrópico relatou entrada no diário para a polícia, mulher enfrenta acusação de crime
Original: Anthropic reported diary entry to police, woman faces felony charge
Atividades de agente "rogue" do OpenAI encontradas em projetos Wikimedia
Original: OpenAI "rogue" agent activities found on Wikimedia projects
Como escalar intenção, qualidade e arte com AI [vídeo]
Original: How to scale intent, quality, and artistry with AI [video]
Homa: The end of TCP for AI clusters [video]
Despesas em AI estão se tornando quase impossíveis para as empresas para o orçamento
Original: Spending on AI Is Becoming Almost Impossible for Businesses to Budget
Aceitar 'coisas ruins' em troca de benefícios da IA, diz Sam Altman
Original: Accept 'bad things' in return for benefits of AI, says Sam Altman
Florida mulher presa por supostamente fazer ameaças em um bate-papo da IA
Original: Florida woman arrested for allegedly making threats in an AI chat
As pessoas estão pedindo ao ChatGPT para ajudá-los a decidir como votar nas provas
Original: People are asking ChatGPT to help them decide how to vote in the midterms
Construindo um pipeline RAG para pesquisa semântica de código
Original: Building a RAG pipeline for semantic code search
Altman: O mundo deve aceitar algumas coisas ruins acontecendo para os benefícios da IA
Original: Altman: The world should accept some bad things happening for the benefits of AI
Novos artigos no arXiv
Seleção automática de novas submissões, priorizando artigos listados ao mesmo tempo em cs.AI, cs.CL e cs.LG. Não é um ranking de qualidade.
arXiv cs.AI
Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses
Uma avaliação emparelhada de um modelo de decisão em um único passo e em um único passo, em 11 pontos de decisão de agentes, encontrou o modelo hospedado mais preciso em 9 deles, nem a chance de bater no roteamento do modelo de tiro zero, e os autores corrigiram vários de seus próprios erros de análise.
Ordem Correto, Escala Errada: Auditoria de Juízes LLM para Medir a IA Ocupacional
Original: Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement
Auditando 33 configurações de juízes de LLM contra 45.796 classificações de trabalhadores, os autores encontram juízes que podem classificar as respostas razoavelmente bem, mas ainda assim estimar taxas de aceitação em qualquer lugar de 3,0% a 97,9%, versus 61,1% para trabalhadores pareados.
ROUTEAUDIT: Identificação de interação-conhecimento para roteamento multi-verificador orçado
Original: ROUTEAUDIT: Interaction-Aware Identification for Budgeted Multi-Verifier Routing
Sistemas multi-verificadores adaptativos são comumente comparados através de gaps de custo-qualidade de endpoint, mesmo quando o catálogo do verificador, disponibilidade, contabilidade, filtragem de informações, ou escore muda com a política.
FSPO: Risco Consistente de Políticas e Controle Parado-Falsível para Pós-Formação LLM RL Orçamento
Original: FSPO: Policy-Consistent Risk and Pareto-Feasible Control for Budgeted LLM RL Post-Training
Adaptive LLM reforço-aprendizagem pós-treinamento muda vários atuadores de treinamento on-line, incluindo temperatura de implantação, tamanho do grupo, recorte, regularização KL, alocação de verificador e orçamento de atualização.
Componentes verificáveis, articuláveis e tácitos de preferência
Original: Verifiable, Articulable, and Tacit Components of Preference
O que torna um conto emocionante; um artigo jornalístico digno de notícias; ou uma prova de matemática elegante?
arXiv cs.CL
Modelos de Difusão Contínua de Língua Grande
Original: Large Language Continuous Diffusion Models
Apesar do sucesso de modelos discretos de linguagem de difusão (dLMs) para rápida decodificação paralela, seu espaço não suave e de alta dimensão dificulta o direcionamento da trajetória para o raciocínio e aceleração de inferência.
Não até que a evidência diga assim: Ensinar os Investigadores da LLM quando encerrar um caso
Original: Not Until the Evidence Says So: Teaching LLM Investigators When to Close a Case
Este artigo estuda quando os investigadores de LLM devem encerrar um caso, utilizando 731 casos de acidentes, defeitos e interrupções auditados; relata que mesmo um modelo de fronteira superou suas evidências em 91% das respostas.
Geração de Contraexemplo através de Verificadores Simbólicos Per-Theorem: Quando a imitação fere e reparos de reforço
Original: Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs
Modelos de linguagem grandes muitas vezes resolvem um teorema para frente, mas não conseguem refutar um falso intimamente relacionado: uma falha de falsificação que supervisionou o ajuste fino não fecha e pode ativamente piorar.
FinDialogLens: Extração de eventos sobre o Diálogo Multiparticipal para Identificação de Comércio Perdido em Salas de Conversa Financeiras
Original: FinDialogLens: Event Extraction over Multi-Party Dialogue for Missed-Trade Identification in Financial Chatrooms
Salas de bate-papo financeiras multipartidárias são vitais para profissionais de vendas e negociação, mas sua complexidade torna inviável a recuperação manual de transações perdidas: cada Pedido de Citação (RFQ) é um evento cujo preço final e resultado comercial aparecem muitas mensagens após o...
APDMem: Divulgação Progressiva Controlada pelo Agente para Memória Adaptiva de Longo Prazo
Original: APDMem: Agent-Controlled Progressive Disclosure for Query-Adaptive Long-Term Memory
APDMem organiza uma longa história de conversação em quatro camadas, desde resumos temáticos até mensagens cruas, e perfura mais fundo apenas quando uma consulta precisa dela; em LongMemEval relata resultados fortes ao ler cerca de 8% das conversas.
arXiv cs.LG
Destilação multi-objetivo Lexicográfico na Política
Original: Lexicographic Multi-Objective On-Policy Distillation
A aprendizagem de reforço de recompensas verificáveis (RLVR) geralmente otimiza a correção de respostas, mas o comportamento útil do modelo de linguagem também requer raciocínio de alta qualidade e respostas concisas.
Você está sintetizando ou se lembrando? Avaliando LLMs na recuperação de código Algorítmico
Original: Are you Synthesizing or Recalling? Evaluating LLMs on Algorithmic Code Retrieval
Modelos de linguagem grandes (LLMs) têm demonstrado forte desempenho na geração de código, onde o sucesso depende tanto de lembrar conhecimento algoritmo relevante e raciocínio sobre como aplicá-lo.
Como a Causalidade Ponte o Gap Semântico
Original: How Causality Bridges the Semantic Gap
Medições numéricas captam como um sistema se comporta, mas muitas vezes deixam os significados de suas variáveis não especificadas.
LEAP: Aprender propostas de ação eficientes para agentes LLM
Original: LEAP: Learning Efficient Action Proposals For LLM Agents
LEAP acelera os agentes LLM através do treinamento de um pequeno modelo de rascunho nas sequências de ação do próprio modelo-alvo para que suas ações propostas correspondam mais frequentemente, guiadas por um framework de latência para rodadas de ação especulativas.
OPD antes de RL: RL com base em rubric com destilação na política
Original: OPD Before RL: Warm-Starting Rubric-Based RL with On-Policy Distillation
Muitas tarefas úteis do modelo de linguagem não podem ser avaliadas pela verificação exata do resultado.
Fontes verificadas nesta edição
- OpenAI: OK (2)
- Hugging Face: sem novidades
- Mistral AI: sem novidades
- NVIDIA Blog: sem novidades
- Ai2 (Allen Institute for AI): sem novidades
- Together AI: OK (1)
- Qwen (Alibaba): sem novidades
- Engineering at Meta: sem novidades
- Berkeley AI Research (BAIR): sem novidades
- MIT News – Artificial intelligence: sem novidades
- Hacker News (via Algolia HN Search API): OK (10)
- arXiv cs.AI: OK (110)
- arXiv cs.CL: OK (56)
- arXiv cs.LG: OK (185)
- LiteLLM model_prices_and_context_window.json: OK (747)
Não incluídas:
- Anthropic: Nenhum feed público RSS/Atom encontrado (rss.xml, news/rss.xml, feed → 404); não raspado.
- Google DeepMind: Propriedade do Google — excluída pela política do projeto (só é permitido o google.com/search).
- Meta AI blog (ai.meta.com): Nenhum feed RSS público (404); Engenharia em Meta feed usado em vez disso (AI-filtrado).
- Microsoft Research: O feed devolveu HTTP 403 via proxy.
- Apple ML Research / AWS ML Blog: apple.com e Amazon propriedades excluídas pela política de projeto.
- Hacker News Firebase API: Hospedado no Firebase (Google); Algolia HN Search API usado em vez disso.
Atualizado: 2026-10-05 20:08 UTC