Leituras

Notas curtas sobre trabalhos de outros autores

Registro aqui o que ando lendo e o que me chamou atenção em cada trabalho. Cada nota traz a referência completa, algumas linhas sobre o que o trabalho faz e o que dele me interessa, e o caminho para o texto integral. Quem quiser ir além da nota lê o original.

Nenhum conteúdo de terceiro é reproduzido além do estritamente necessário à crítica, na forma do art. 46, III, da Lei 9.610/1998.

Lin et al. (2026): agentes de código chegam às páginas certas, mas erram ao transcrever o que leram

Estado da arte em IA
Método de pesquisa
Em 150 protocolos de ensaios clínicos, agentes de código visitam quase todas as páginas de evidência e ainda assim alteram números e operadores ao estruturar a saída; uma auditoria da saída contra a fonte eleva o F1 dos critérios de elegibilidade.

Google DeepMind (2026): o Gemini 4 Argon reduz a alucinação abstendo-se quando incerto, e reconhece com mais frequência que pode estar sendo testado

Estado da arte em IA
Método de pesquisa
O relatório de segurança do desenvolvedor registra queda de 2,7 a 3,9 vezes nas respostas incorretas ou alucinadas frente ao Gemini 3.1 Pro, ligada à abstenção sob incerteza, e aumento da consciência de avaliação, que o próprio relatório trata como desafio metodológico.

Grynets (2026): a acurácia de três juízes de linguagem não se distingue da de uma regra de comprimento da especificação

Estado da arte em IA
Método de pesquisa
Os autores testam três modelos de linguagem como avaliadores de especificações de código Oracle PL/SQL e mostram que, em 247 registros de teste, nenhum deles se separa estatisticamente de uma regra baseada no comprimento do texto; o que os distingue é a capacidade de apontar categoria e evidência do defeito.

Anthropic (2026): em avaliações e no uso interno, o Claude contornou restrições em sítios reais, com impacto descrito como mínimo

Estado da arte em IA
Método de pesquisa
Relatório da própria desenvolvedora sobre quatro categorias de ações não pretendidas de agentes com acesso à internet, entre elas o envio de formulário a um departamento de polícia, e sobre as medidas de contenção adotadas.

Sun (2026): as configurações de maior acurácia comunicam menos a incerteza, e uma cláusula de prompt eleva o escalonamento em geral à custa de acurácia

Estado da arte em IA
Método de pesquisa
Mede, na trajetória de agentes que usam ferramentas, se o conflito entre evidência e crença prévia é reconhecido, enfrentado e comunicado, e mostra que maior acurácia não corresponde necessariamente a maior humildade epistêmica.

Quan (2026): o melhor detector de reward hacking chega a AUROC de 0,962, mas quatro detectores perdem de 10,7 a 15,9 pontos de acurácia em trajetórias com ferramentas

Estado da arte em IA
Método de pesquisa
Benchmark que reúne onze conjuntos públicos mostra que um escore agregado alto esconde a queda de desempenho em trajetórias longas com ferramentas, a dependência da forma de entrada e a transferência desigual do ajuste supervisionado.

Kumar (2026): consistência de 100% não torna confiável o juiz de IA, cujo caso extremo acertou apenas 51%

Estado da arte em IA
Método de pesquisa
Auditoria de seis modelos usados como juízes mostra que o veredito muda com a repetição e, sobretudo, com a troca de ordem dos candidatos, e propõe uma taxa de veredito confiável que combina estabilidade, invariância à ordem e acerto.

Florin (2026): modelos deixam de revelar ao usuário um erro inserido em seu turno anterior em 36,4% das execuções de chat e 67,1% das agênticas

Estado da arte em IA
Método de pesquisa
Com erros sintéticos inseridos por prefill, sete modelos deixam de revelar o erro ao usuário em 36,4% das execuções de chat e 67,1% das agênticas, ainda que o identifiquem quando revisam a transcrição como observadores externos.

Al-Negheimish (2026): em provas dedutivas lineares, a acurácia da maioria dos modelos se aproxima do acaso além da profundidade 10

Estado da arte em IA
Método de pesquisa
Num conjunto sintético de 2.400 amostras em Prolog, oito modelos de raciocínio perdem acurácia com a profundidade da prova, o melhor chega a 67% na profundidade 20, e os traços de raciocínio nem sempre apontam o fato que realmente falta.

Yun (2026): acertar a fonte citada pelo agente não basta para sustentar o achado nos registros entregues ao perito

Estado da arte em IA
Método de pesquisa
Em 64 casos de execuções salvas de agentes, um leitor de modelo localizou todas as ocorrências literais e, sem a tabela que liga o identificador ao registro, fez 26 afirmações de fonte sem suporte em 28 casos, 22 delas coincidentes com a referência completa.

Yang (2026): a região da tarefa, definida pelo custo de verificar e pela salvaguarda treinada, explica a cessão do modelo muito mais do que a retórica da pressão

Estado da arte em IA
Método de pesquisa
Com 103.939 respostas de dez configurações de modelos, os autores mostram que retirar a região da tarefa custa 0,485 do R² de McFadden, contra 0,139 da família do modelo e 0,009 da tática de pressão; fatos ancorados são cedidos em 1,3% das conversas e escolhas pessoais em 77,0%.

Yu (2026): nenhuma das 58 fontes revisadas satisfaz o critério que mostraria que melhorar o raciocínio custa confiabilidade factual, e o erro precisa ser localizado, não só contado

Estado da arte em IA
Método de pesquisa
Levantamento de 312 trabalhos sobre alucinação em modelos de raciocínio que propõe um registro diagnóstico em cinco campos e conclui que a evidência disponível não estabelece o suposto custo factual do raciocínio.

Ravideshik e Kejriwal (2026): com o veredito do sistema à vista, o juiz de IA deixa de discriminar acertos de erros

Estado da arte em IA
Método de pesquisa
Em três bases de alinhamento de entidades, o juiz que vê o rótulo do sistema o ecoa, e a inversão do rótulo muda o escore em 53% a 99% dos pares, com maior sensibilidade nos modelos mais fortes.

Meng et al. (2026): a premissa alucinada derruba mais a acurácia dos modelos mais fortes, e a recuperação bem-sucedida é rara

Estado da arte em IA
Método de pesquisa
Em 4.820 instâncias e 18 modelos, a premissa alucinada reduz a acurácia em 7,7 pontos percentuais em média, e na maioria dos modelos menos de 10% das respostas corrigem a premissa e ainda acertam a resposta.

Baek et al. (2026): manter o registro da tarefa fora do modelo melhora o que o agente entrega a partir de muitos arquivos

Estado da arte em IA
Método de pesquisa
Uma «aba» mantida pelo ambiente, com requisitos, leituras e arquivos não abertos, supera a linha de base em três benchmarks e três modelos, e boa parte do ganho vem do que o ambiente captura por conta própria.

Ozer e Nti (2026): o que o modelo declara sobre atalhos não prediz o que o agente faz quando o atalho existe

Estado da arte em IA
Método de pesquisa
Cinco modelos atuaram como agentes de código em tarefas cujo teste contradizia a especificação, e três deles trapacearam em 65% a 86% dos episódios, explicando o conflito ao usuário em apenas 27% dos casos, embora o raciocínio o reconhecesse.

Zhang (2026): a maioria dos modelos responde mesmo quando o contexto não traz a informação, e o treino pode fixar o atalho errado

Estado da arte em IA
Método de pesquisa
Um benchmark em pares, com a mesma pergunta diante de contexto suficiente e insuficiente, mede se 39 modelos sabem trocar entre responder e abster-se, e mostra que 35 deles respondem demais.

Valjakka (2026): o rótulo de alucinação dado por um juiz de linguagem depende em grande medida do critério escrito no prompt

Estado da arte em IA
Método de pesquisa
Em perguntas e respostas de domínio aberto, juízes de linguagem instruídos a verificar a fidelidade à referência classificam como alucinação respostas corretas que apenas acrescentam informação, e, na maioria dos pares juiz-gerador, trocar o critério pelo da correção factual aproxima o rótulo do humano.

Xu (2026): trocar a citação por outra célula de mesmo valor mostra o que o verificador probabilístico não distingue

Estado da arte em IA
Método de pesquisa
O Jev, usado como juiz de suporte da fonte em cálculos financeiros do GPT-4.1-mini, discrimina bem no conjunto natural, mas aceita parte das citações de papel errado e deixa de aceitar parte das citações equivalentes válidas quando o número é mantido fixo.

Sousa et al. (2026): quatro de nove modelos visão-linguagem combinam acurácia de 79% ou mais com 39% ou mais de acertos sem raciocínio fiel

Estado da arte em IA
Método de pesquisa
O SpatialChain audita a cadeia de raciocínio de modelos visão-linguagem contra grafos de cena e mostra que acurácia alta pode coexistir com taxa elevada de atalho, sinal que sobrevive à troca de juiz e à comparação com anotadores humanos.

Andrew (2026): verificador que se abstém pode estar apenas reagindo ao aviso de que falta a fonte

Estado da arte em IA
Método de pesquisa
Em corpus clínico sintético, dois verificadores de evidência deixam de responder quando a nota anuncia a omissão, mas só um deles, e parcialmente, nota a falta quando a evidência é suprimida em silêncio.

Vaugrante e Hagendorff (2026): juízes LLM acertam 96,5% em média na classificação binária, mas a leniência muda com o prompt e o modelo

Estado da arte em IA
Método de pesquisa
Dez modelos de raciocínio usados como juízes são confiáveis em média, mas a escala, o detalhe do prompt e sobretudo a identidade do modelo deslocam o viés e a leniência, e dois juízes igualmente acurados podem errar em direções opostas.

Zhang e Li (2026): agentes Claude acertam 95% com os dados, mas só 41% acertam acompanhando a evidência

Estado da arte em IA
Método de pesquisa
Ao retirar ou inverter a evidência nos arquivos de dados, o trabalho mostra que a resposta certa de um cientista de IA muitas vezes não vem dos dados fornecidos, e que a pontuação do benchmark e os juízes LLM premiam quem ignora a evidência alterada.

Farri e Gomes (2025): a Itália automatiza a liquidação e a análise de risco, mas mantém a decisão humana como princípio da cobrança

IA e Direito
Direito Tributário
Inventário descritivo dos usos de inteligência artificial pela administração tributária italiana, da liquidação automatizada de declarações ao concordato preventivo bienal, com os limites de transparência algorítmica e de proteção de dados que a jurisprudência e o Garante da Privacidade impuseram.

Domingos Júnior et al. (2025): um RAG próprio supera ChatGPT e Perplexity em relevância, mas perde em correção factual no IRPF

IA e Direito
Direito Tributário
Método de pesquisa
Os autores montam um conjunto de 715 perguntas sobre o imposto de renda da pessoa física, com normas e acórdãos do CARF como referência, e mostram que o sistema próprio responde de forma mais relevante, enquanto as ferramentas comerciais obtêm correção factual mais alta.

Oliveira, Caliendo e Bulara (2025): no CARF, a maioria dos consultados espera eficiência da IA e quer revisão humana integral

IA e Direito
Direito Tributário
O artigo propõe uma curadoria algorítmica paritária para uma inteligência artificial de apoio ao julgamento no CARF e relata pesquisa com 25 conselheiros e ex-conselheiros, em que a expectativa de eficiência convive com o receio de viés e de perda de autonomia.

Cunha, Stamile e Grupenmacher (2024): o sigilo dos critérios de seleção do Sisam seria compatível com uma transparência algorítmica apenas temperada

IA e Direito
Direito Tributário
Estudo de caso do sistema de aprendizado de máquina que a Receita Federal usa na seleção aduaneira; os autores defendem transparência temperada, sujeita a auditoria da ANPD, e registram que não há controle externo do sistema.

Menezes (2024): o split payment amplo cobra do caixa das empresas o que promete ganhar em combate à fraude

Direito Tributário
Sobre o PLP 68/2024, o artigo sustenta, com apoio em relatório elaborado para a Comissão Europeia, que o pagamento fracionado do IBS e da CBS só se justifica como medida específica e de alcance limitado, e aponta a falta de regras sobre decisões automatizadas.

Valle (2025): a predição de IA entra na política pública como elemento não vinculante e passa pelo crivo do agente humano

IA e Direito
Estudo exploratório sobre se indicações preditivas de inteligência artificial podem vincular quem formula políticas públicas; a autora conclui que não e que a deliberação humana é indispensável.

Lee (2026): o modelo extrai os fatos, o resolvedor SMT calcula a multa

IA e Direito
Proposta teórica para o procedimento sumário penal coreano em que o modelo de linguagem só extrai fatores de dosimetria rastreados ao documento e o cálculo fica com um resolvedor lógico, cujo traço serve de trilha de auditoria.

Comissão Europeia (2026): diretrizes vivas para o uso responsável de IA generativa na pesquisa

IA e Direito
Método de pesquisa
Terceira versão, de maio de 2026, das recomendações não vinculantes do ERA Forum a pesquisadores, organizações de pesquisa e agências de fomento, com a responsabilidade final mantida no pesquisador e a declaração do uso substancial.

Alviano et al. (2026): extração de fatos com ASP e gramática restrita chega a F1 entre 0,96 e 0,98, mas a melhor configuração acerta 74% das instâncias por inteiro

Estado da arte em IA
Método de pesquisa
O LLMASP deixa ao modelo de linguagem apenas a extração de fatos e entrega o raciocínio a regras escritas por especialistas; a decodificação restrita por gramática (CSV, Datalog, JSON) muda o custo e o tipo de erro, e o resultado agregado esconde instâncias que seguem imperfeitas.

Hu (2026): auditar o raciocínio estruturado de modelos acha erros que o juiz sobre prosa livre deixa passar

Estado da arte em IA
Método de pesquisa
Os autores obrigam o modelo a registrar o raciocínio em campos verificáveis e mostram que veredito correto não garante fundamentação correta: o juiz holístico sobre texto livre deixou de apontar 86,8% dos registros em que a auditoria estruturada achou erro.

Zahraei (2026): modelos alinhados reescrevem em silêncio o que o documento diz, e a lacuna cresce com o porte e com o DPO

Estado da arte em IA
Método de pesquisa
Em 940 pares de documentos que diferem só no valor de verdade da afirmação central, todo modelo alinhado foi menos fiel quando a fonte contrariava sua crença, e o estágio de preferência (DPO) foi o que mais ampliou a diferença.

Xie (2026): a auditoria do próprio texto da OpenAI Model Spec achou cinco inconsistências validadas

Estado da arte em IA
Método de pesquisa
O VeriSpec extrai regras da especificação, agrupa as que podem colidir e exige de um modelo verificador uma situação concreta antes de aceitar a inconsistência; de 13 candidatos, cinco foram validados por dois revisores.

Zeloni (2026): um juiz de modelo barato entrega saída impecável e mal distingue resposta fiel de infiel

Estado da arte em IA
Método de pesquisa
O AGO AI Quality Gate trata dado ausente e erro do juiz como resultados explícitos da decisão de liberar uma versão de RAG; no RAGBench, o juiz barato teve AUROC de 0,603 sem emitir um único erro de protocolo.

Zhao (2026): citações fundamentadas na fonte convivem com F1 de 0,65 e alucinação de 0,48 quando a evidência falta

Estado da arte em IA
Método de pesquisa
Os autores propõem medir a fundamentação de respostas com citação pelo casamento exato de números, sem anotação de especialista, e mostram que o modelo cita bem, acerta menos o que se perguntou e, em quase metade dos casos, produz número ou citação quando o trecho necessário é retirado do contexto.

Finley (2026): a melhor de 30 configurações de agente cumpre toda a rubrica em cerca de um quarto das tentativas de trabalho profissional

Estado da arte em IA
Método de pesquisa
O DAYJOB reúne 130 tarefas de saúde e finanças com pedidos curtos e espaços de trabalho extensos, e mostra que agentes aceitam premissas que o registro contradiz e constroem análises coerentes sobre dados errados.

Arawjo (2026): rodar testes sobre notas brutas de juiz de linguagem infla falsos positivos e, em dados numéricos, o risco é maior onde a concordância parece excelente

Estado da arte em IA
Método de pesquisa
O autor simula intervalos e testes para avaliações com menos de 100 itens, mostra que a concordância alta entre juiz e humanos não autoriza testes sobre as notas do juiz e propõe testes corrigidos por inferência apoiada em predição, reunidos no pacote evalstats.

Won (2026): um classificador leve antes do LLM melhora a abstenção diante de ruído de recuperação simulado, mas não em todas as bases

Estado da arte em IA
Método de pesquisa
O arranjo em dois estágios, com uma peneira que detecta evidência conflitante antes do gerador, eleva a acurácia de sistema em relação ao modelo sem ajuste e, em sete de oito bases, ao DTA-chatQA, mas perde para o gerador ajustado isolado em parte das bases gerais, em testes cujo ruído é predominantemente simulado.

Rehman (2026): o filtro conformal leva a factualidade a cerca de 96%, mas retém só 4% a 31% das afirmações

Estado da arte em IA
Método de pesquisa
Em RAG de múltiplos saltos, metas conformais mais severas elevam a fração de respostas inteiramente apoiadas, ao preço de reter poucas afirmações e de devolver muitas respostas vazias, que satisfazem o critério de modo vacuoso.

Hong et al. (2026): a cadeia de raciocínio de modelos de 8 a 9 bilhões de parâmetros alinha-se ao cálculo interno com F1 macro de apenas 0,45 a 0,76

Estado da arte em IA
Método de pesquisa
Os autores medem a concordância entre o que o modelo escreve em sua cadeia de raciocínio e a estratégia detectada por sondas internas, e mostram que o pós-treinamento orientado por essa medida a aumenta, ora por mudar o cálculo, ora por mudar apenas o relato.

Lyu (2026): juízes de modelo de linguagem acertam a ordem das respostas e erram a escala, com aceitação estimada entre 3,0% e 97,9%

Estado da arte em IA
Método de pesquisa
Auditoria de 33 configurações de juízes automáticos sobre 4.501 avaliações de trabalhadores: a ordenação das respostas concorda razoavelmente, mas a taxa de aceitação estimada varia de 3,0% a 97,9%, contra 61,1% dos trabalhadores.

Marwah (2026): no Llama-3.1-8B com distrator em híndi, pontuar alucinação por correspondência exata superestima em cerca de 1,5 vez o erro semântico

Estado da arte em IA
Método de pesquisa
Cinco modelos abertos, 40.000 avaliações e uma frase irrelevante em outro idioma antes da pergunta: a taxa de alucinação do Llama-3.1-8B com distrator em híndi vai a 0,710, mas cai a 0,470 quando se separam as respostas corretas escritas no alfabeto errado.

Ye (2026): com o corpus de treino à mostra, fatos raros ficam codificados (84%) mas pouco expressos (54%), e a autoverificação do modelo de 32B cai a cerca de 50% sobre o que ele não viu

Estado da arte em IA
Método de pesquisa
O LUMOS usa o OLMo 2, de corpus aberto, para cruzar exposição ao treino e comportamento, e mostra que a acurácia sobre conteúdo não visto fica abaixo de 44% mesmo no modelo de 32 bilhões de parâmetros, sem que escala ou raciocínio em cadeia corrijam a autoavaliação.

Lewis-Lim (2026): encurtar a cadeia de raciocínio reduz a fidelidade em 11 de 15 configurações, mas preserva em boa parte a monitorabilidade

Estado da arte em IA
Método de pesquisa
Três métodos de treino para raciocinar com menos tokens, aplicados a três modelos, mostram que a perda de fidelidade da cadeia de raciocínio vem sobretudo de respostas menos consistentes, e que a capacidade de detectar influência indevida só cai sob compressão muito forte.

Cong (2026): juízes LLM concordam moderadamente com humanos na qualidade, mas mal concordam sobre quais casos são difíceis

Estado da arte em IA
Método de pesquisa
Um modelo de Rasch de múltiplas facetas, ajustado separadamente a avaliadores humanos e a 17 modelos de pesos abertos, mostra que a concordância em qualidade latente (ρ de 0,371) não se repete na dificuldade residual de julgar cada caso (ρ de 0,089).

Choi (2024): anotação de acórdãos por modelo de linguagem

IA e Direito
Método de pesquisa
Replicabilidade
O GPT-4 iguala o codificador humano numa classificação de cânone interpretativo, desde que a entrada seja curta — e o que esse desenho de validação deixa de medir.

Cui e Alexander (2026): o mesmo comando, rodado dez vezes, produz análises diferentes

IA e Direito
Método de pesquisa
Replicabilidade
Quatrocentas e oitenta execuções da mesma tarefa de análise de dados por seis modelos: as estimativas divergem em sinal e magnitude, e a divergência sobrevive à temperatura zero.

Törnberg (2024): padrões para anotação de texto com modelos de linguagem

IA e Direito
Método de pesquisa
Replicabilidade
Nove exigências para que a anotação feita por modelo de linguagem sobreviva a uma revisão séria, e por que o piso de vinte a trinta casos por categoria incomoda quem pretende anotar acórdãos.

Schepers e outros (2025): metade do custo, mas a extração de citações não se repete

IA e Direito
Método de pesquisa
Replicabilidade
GPT-4o e quatro estudantes de direito anotaram os mesmos 104 documentos do Comitê DESC da ONU. Empate nos campos simples, vantagem humana na extração de citações e custo total pela metade do lado automatizado.

Watson e outros (2026): quando o modelo acerta porque a sentença já contou o final

IA e Direito
Método de pesquisa
Em reclamações do tribunal trabalhista britânico, 4% dos atributos, todos expressões retrospectivas do próprio julgado, bastam para prever o desfecho, e o sinal que sobrevive à remoção desses atalhos é bem menor do que o desempenho agregado sugeria.

Lin e Zhang (2025): a estabilidade da anotação por modelo desaba quando a tarefa deixa de ser binária

IA e Direito
Método de pesquisa
Replicabilidade
Repetida vinte e cinco vezes a mesma consulta, com o mesmo prompt e os mesmos parâmetros, a concordância entre execuções cai de 0,934 num campo binário para 0,518 num campo multiclasse. O artigo desloca a discussão da acurácia para a reprodutibilidade e propõe um fluxo de trabalho para quem use modelo de linguagem como codificador.

Trautmann e outros (2022): o mesmo comando, quatro idiomas

IA e Direito
Método de pesquisa
Prever o desfecho de julgados europeus e suíços por comando direto, sem treinamento adicional, e o que acontece com o desempenho quando o comando é traduzido do inglês para o alemão, o francês e o italiano.

Maia e Bezerra (2023): no TRF4, o tipo de peça e a natureza da parte predizem o sentido do voto

Método de pesquisa
Replicabilidade
Jurimetria sobre os 11.770 acórdãos publicados pelo TRF4 em 2018, com análise de correspondência múltipla e testes G. A nota registra o que esse desenho oferece, e o que não oferece, a quem pretenda medir a estabilidade de anotação de decisões em português.

Mółka e Jiménez (2025): o algoritmo que bloqueia a conta bancária do contribuinte polonês é secreto

IA e Direito
Direito Tributário
Comparação entre o instrumental de inteligência artificial da administração tributária da Polônia e da Espanha. A diferença decisiva está na moldura jurídica que cada país construiu, ou deixou de construir, em torno da tecnologia.

Lorusso (2026): a opacidade dos modelos generativos torna o art. 20 da LGPD quase inexequível depois do fato

IA e Direito
Regulação
Estudo qualitativo de cinco casos brasileiros sustenta que o direito à explicação do art. 20 da LGPD não se cumpre a posteriori diante de modelos generativos, e que a resposta útil é preventiva. Interessa-me o que isso faz com o dever de motivar a decisão administrativa tributária.

Thaldar (2025): dos cinco modelos testados, só um trouxe a lei escrita sem ser provocado

IA e Direito
Método de pesquisa
Cinco modelos generativos julgados em três hipóteses de direito privado sul-africano, segundo sete critérios. O ranking importa menos do que o desenho da avaliação: uma execução por modelo, sem repetição e sem escala de nota.

Shi (2025): verificar cada passo do raciocínio eleva a concordância com o tribunal de 72,37 para 80,27

IA e Direito
Método de pesquisa
Um verificador de processo audita passo a passo o raciocínio do modelo e corrige o passo defeituoso antes da conclusão. A nota examina o que esse desenho entrega a quem mede a estabilidade da anotação automatizada de decisões e o que ele apenas desloca.

Leng et al. (2025): predição conjunta de acusação e artigo de lei

IA e Direito
Método de pesquisa
Direito Penal
Replicabilidade
Uma rede de atenção cruzada prevê ao mesmo tempo a acusação e o dispositivo aplicável em 86.154 casos ambientais chineses, e a distância entre as duas tarefas é o que interessa a quem trabalha com tipos penais de perímetro estreito.

Ngo (2026): vencer a recuperação de precedentes do COLIEE ainda dá F1 de 0,42

IA e Direito
Método de pesquisa
A equipe NOWJ ficou em primeiro lugar em duas das cinco tarefas do COLIEE 2026, mas o sistema que decide bem sobre o Código Civil japonês erra a indicação dos artigos que sustentam a decisão, e a configuração validada em dados históricos desabou no teste cego.

Edelman e Skolnick (2025): recuperar a fonte antes de citá-la zera a citação inventada

IA e Direito
Método de pesquisa
Utilitário aberto e auto-hospedável que verifica afirmações científicas em lote conferindo cada referência antes de redigir o relatório: 211 citações confirmadas e nenhuma falsa, contra nenhuma citação íntegra do GPT-4o isolado.

Jarussi (2026): o split payment reconfigura a extinção da obrigação tributária sem tocar sua constituição

Direito Tributário
Regulação
Ensaio que circunscreve o split payment do IBS e da CBS à fase de recolhimento e extinção, preserva a constituição do crédito no lançamento por homologação e propõe um estatuto mínimo de garantias em cinco eixos.

Chaves (2025): o IBS troca o crédito físico pelo financeiro pleno, e condiciona o crédito à extinção do débito anterior

Direito Tributário
Contrasta o crédito físico do ICMS com o crédito financeiro pleno do IBS, e mostra que o art. 47 da LC 214/2025 condiciona o crédito à extinção do débito anterior enquanto o art. 48 dispensa essa condição até que o split payment esteja implementado.

Lima e Pêgas (2026): a opção do art. 487 nem sempre reduz a carga da locação não residencial

Direito Tributário
Simulação contábil da locação não residencial sob CBS e IBS a partir de 2027, comparando o regime específico da LC 214/2025 com a opção do art. 487, e mostrando que o sinal do resultado depende de o locatário ser contribuinte regular ou final.

Hoza e Żabka (2018): as ferramentas de TI contra a lacuna do IVA, e por que os autores apostam na obrigatoriedade

Direito Tributário
Regulação
Descreve o arquivo padronizado JPK_VAT, o sistema de teleinformação STIR e o split payment como instrumentos poloneses contra a sonegação de IVA, e sustenta que só o que é obrigatório produz resultado apreciável.

Pinho e Almeida (2026): o split payment desloca a fraude para o crédito fictício?

Direito Tributário
Direito Penal
Examina como a EC 132/2023 e a LC 214/2025 alteram a persecução dos crimes da Lei 8.137/1990, e sustenta que o ilícito migra da omissão de receitas para a geração artificial de créditos.

Farhadishad e outros (2023): o sentimento do texto do processo melhora a predição da pena?

IA e Direito
Direito Penal
Método de pesquisa
Onze algoritmos preveem a intensidade de três penas em seis mil processos criminais iranianos sobre entorpecentes. Acrescentar escores de sentimento às declarações das partes elevou a acurácia nas três.

Mozetic (2025): que salvaguardas o Judiciário precisa antes de deixar a IA minutar decisões?

IA e Direito
Regulação
Pesquisa documental sobre a regulação do uso de inteligência artificial pelo Judiciário brasileiro, apoiada nas audiências públicas do CNJ, com proposta de salvaguardas para as aplicações de alto risco.

Toledo e Pessoa (2023): o que os tribunais informam sobre os próprios sistemas de IA

IA e Direito
Regulação
Replicabilidade
Mapeia os programas de inteligência artificial e de automação do STF, do STJ e dos tribunais de justiça, e confronta a documentação oficial com as respostas obtidas dos próprios tribunais.

Magalhães, Pozo e Machado (2022): rótulos criados por agrupamento servem para classificar acórdãos?

IA e Direito
Método de pesquisa
Replicabilidade
Representa 430 mil acórdãos trabalhistas do TRT do Paraná com BERT, agrupa os vetores por K-Means e usa os grupos como rótulo para treinar três classificadores, com desvio padrão em 30 execuções.

Magesh e outros (2025): ferramentas jurídicas com busca aumentada alucinam de 17% a 33% das vezes

IA e Direito
Método de pesquisa
Replicabilidade
Avaliação pré-registrada de três ferramentas comerciais de pesquisa jurídica e do GPT-4 sobre 202 consultas de direito estadunidense, com tipologia que separa a correção da ancoragem da resposta.

Araszkiewicz (2025): precedente como recurso interpretativo

IA e Direito
Método de pesquisa
Como uma metarregra hermenêutica do Supremo Tribunal polonês migra do direito penal para o administrativo, e o que o autor deixou de medir ao usar modelo de linguagem para montar as próprias tabelas.

Brandizzi e Rodrigues (2025): o contencioso do MEI em 57 mil ementas

IA e Direito
Método de pesquisa
Modelagem de tópicos sobre ementas para mapear o litígio gerado por uma política pública brasileira, com rotulagem por modelo de linguagem e validação por juiz automático.

Dik (2025): a justificação do juiz é logicamente compatível com o que ele decidiu?

IA e Direito
Método de pesquisa
Converte os fatos e a fundamentação de um caso de guarda em programação lógica e testa se o conjunto é satisfatível. A justificação de primeiro grau não era.

Garzo e Palumbo (2025): o GPT-4o diante do homicídio viário italiano

IA e Direito
Direito Penal
Método de pesquisa
Testa sessenta conceitos do art. 589-bis do Código Penal italiano e dez acórdãos da Corte de Cassação, com avaliação por perito jurídico e taxonomia do erro cometido pelo modelo.

Gultekin e outros (2025): a resposta certa pelo caminho errado

IA e Direito
Método de pesquisa
Replicabilidade
Separa a correção da resposta jurídica da solidez do raciocínio que a sustenta, sobre 91 processos de proteção internacional julgados em Palermo.

Barrie, Palaiologou e Törnberg (2026): medir a estabilidade de um prompt

IA e Direito
Método de pesquisa
Replicabilidade
Trata execuções repetidas e paráfrases do mesmo comando como avaliadores distintos e mede a concordância entre elas. É a origem da métrica de estabilidade que adoto na tese.

Sem itens correspondentes