Avaliação de IA

Auditoria especializada mostra que falhas nos benchmarks podem inflacionar muito os erros atribuídos aos modelos

14 de setembro de 2026

Especialistas reavaliaram seis benchmarks de física e encontraram falhas capazes de alterar fortemente os resultados atribuídos a modelos de fronteira.

Investigação
Benchmark TAM expõe limites do GPT-5 na execução de procedimentos longos e regulados

14 de setembro de 2026

No TAM, configurações GPT-5 atingiram 1% de correspondência exata em ICD e 15,5% nos cálculos de pena.
Agentes
UiPath passa a usar um modelo como avaliador das regras dos agentes

7 de setembro de 2026

O LLM-as-Judge da UiPath acrescenta verificações por modelo, consumo adicional e novos parâmetros que precisam de ser auditados na governação de agentes.
Investigação
Variações em APIs partilhadas podem invalidar critérios de produção baseados em avaliadores LLM

5 de setembro de 2026

Auditoria pré-registada mostra como instabilidade em serviços LLM partilhados pode fragilizar critérios de aprovação e exige qualificação do avaliador.