ANÁLISE EDITORIAL / 2026-10-05 — 2026-10-11
Verificar números antes de confiar na citação
Evidência financeira, reivindicações auditáveis e feature engineering de texto longo marcam a semana em cs.CL.
Same-Number Citation Swaps mostra que um cálculo de LLM pode citar a métrica certa com o número errado do período — e isso passa despercebido quando só se confere o número, não a linha contábil de origem. Auditable Claims about AI Agents propõe que toda alegação sobre comportamento de agente precise de um registro que a sustente, na linha do Artigo 12 do AI Act europeu. Long Text to Predictive Features usa LLMs para extrair sinais de texto longo para sistemas de risco de crédito industriais sem processar cada entrada em tempo real, e os dois papers de alpha mining com RL cross-listados aqui (AlphaPilot, AlphaRLM) tratam factor discovery como busca de ferramentas, não só prompt.
EVOLUÇÃO
A W40 trazia um benchmark de dados corporativos em escala real; esta semana a pauta é verificar se o que o modelo cita realmente sustenta o número que ele reporta.
O QUE FAZER COM ISSO
Sistemas de IA sobre demonstrações financeiras devem verificar a procedência da citação, não só a correção numérica do resultado.
cs.CL recebe centenas de papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv, não leitura de todos os títulos. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.