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.
O benchmark CyberOffense da Vals AI, que simula redes corporativas realistas, colocou o GPT-6 Sol.
Por que ler: O benchmark CyberOffense da Vals AI mede agentes invadindo redes corporativas simuladas e mostra o modelo aberto DeepSeek V4.1 Flash perto do GPT-6 Sol a um custo bem menor.
Um relatório da organização de pesquisa em segurança METR, após 11 semanas de investigação dentro da Anthropic.
Por que ler: O relatório da METR mede quanto da aceleração em P&D da Anthropic vem da própria IA e registra que a empresa censurou a maior parte das evidências mais informativas.
Um benchmark chamado Into the Unknown, liderado por pesquisadores da Carnegie Mellon University com cientistas de laboratórios nacionais do Departamento de Energia dos EUA.
Por que ler: O benchmark Into the Unknown mede honestidade e completude de agentes em questões abertas de laboratórios nacionais dos EUA, com 114 de 135 submissões reprovadas na checagem de integridade.
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.