Um novo artigo refuta o "Teorema Ingenia", que alegava provar a impossibilidade da AGI via ML usando teoria da complexidade. A refutação argumenta que a prova original é falha devido a uma definição inadequada de "classificador de nível humano" e uma troca nas definições formais.
Este artigo propõe uma explicação teórica para a eficiência dos modelos de difusão na aprendizagem da função de score para dados de alta dimensão em variedades de baixa dimensão. Ele identifica um mecanismo de "colapso e refinamento" impulsionado pela geometria da própria função de score, onde o mapa de denoising se projeta na variedade de dados e refina a densidade intrínseca.
Esta pesquisa introduz o Processo de Decisão de Markov Aumentado por Ferramentas (TA-MDP) para modelar formalmente a tomada de decisão agêntica multimodal, abordando lacunas teóricas no ajuste fino por reforço para Grandes Modelos Visão-Linguagem (LVLMs). O estudo investiga como as recompensas verificáveis afetam a convergência do GRPO e a generalização de LVLMs agênticos para domínios fora de distribuição.