Como acompanhar a pesquisa em inteligência artificial?

Acompanhar pesquisa de IA é montar uma rotina de descarte, não de leitura. Passa de mil papers por semana só nas três categorias de IA do arXiv, e ninguém lê isso. A rotina que funciona tem três filtros em cascata — fonte, abstract, figuras — e termina em um paper lido inteiro por semana. O resto você fecha em segundos, de propósito.

Onde estão os papers tem resposta curta, porque quase tudo em IA está aberto e de graça: onde achar papers sem pagar se resolve em uma tarde. A parte difícil é a segunda, que é o que fazer com um PDF de trinta páginas depois de abri-lo, e é o assunto de como ler um paper de IA sem ser pesquisador.

Este texto é o mapa do território. O placar de benchmark, que é o pior sinal disponível para decidir se um trabalho importa, tem artigo próprio em benchmarks saturados.

Onde a pesquisa de IA é publicada

Na maior parte da ciência se submete, espera-se a revisão por pares e publica-se. Em IA se publica primeiro, e a revisão acontece depois, em público, quando acontece.

O canal padrão é o arXiv. O autor sobe o PDF, um moderador confere se o texto é científico e se está na categoria declarada, e em um ou dois dias o trabalho está no ar com identificador permanente. Moderação não é revisão por pares. Ninguém checou se o experimento roda, se a comparação é justa ou se o número da tabela está certo.

O volume é o número que organiza todo o resto. Em junho de 2026 o arXiv inteiro recebeu 32.040 submissões¹. Só nas três categorias que interessam a quem trabalha com modelos de linguagem, a listagem daquele mês tinha 5.845 entradas em cs.AI, 5.229 em cs.LG e 2.718 em cs.CL, consultadas em julho de 2026. Os três números se sobrepõem, porque um paper costuma aparecer em mais de uma categoria. Mesmo descontando a sobreposição, é da ordem de 250 por dia útil.

A conferência vem depois, quando vem. NeurIPS, ICML e ICLR cobrem aprendizado de máquina em geral; ACL e EMNLP, linguagem; CVPR e ICCV, visão. O ciclo entre submissão e apresentação leva meses, então o paper que você lê hoje no arXiv só conta como publicado no ano seguinte. E boa parte do que mais mudou a prática nunca passou por conferência nenhuma: relatório técnico de laboratório, com autor institucional e sem revisor externo.

Existe uma quarta fonte que quase ninguém usa e devia. O OpenReview publica os pareceres do ICLR, as notas e a réplica dos autores, ao lado do texto submetido. Ler os pareceres de um paper que você achou impressionante é o exercício mais rápido que existe para calibrar leitura.

O funil: de mil por semana para um

Ninguém acompanha esse volume lendo. Acompanha filtrando, e o filtro precisa descartar mais de 99% sem remorso.

Fonte. Você não segue o arXiv, segue pessoas. Vinte a quarenta nomes entre autores, laboratórios e dois ou três agregadores humanos derrubam o dia de 250 para uns 40. É o filtro mais grosseiro e o que mais rende.

Título e abstract. Dez segundos por item, com uma pergunta só: isso muda alguma decisão que eu vou tomar nos próximos três meses? “Isso é interessante” não vale, porque quase tudo é interessante. Dos 40 diários, sobram uns 10 na semana.

Figura e tabela. Dois minutos. Pule o texto, vá na Figura 1, que quase sempre é o diagrama do método, e na primeira tabela de resultados. Se a figura não explica o método sozinha e a tabela não tem um baseline reconhecível, feche. Sobram dois ou três por semana.

Leitura completa. Quarenta minutos, um paper, uma vez por semana. Cinquenta por ano.

Ler um paper em três passadas

O método mais útil aqui não veio de IA. Keshav descreveu em 2007, num artigo de duas páginas da SIGCOMM Computer Communication Review, uma abordagem de três passadas para ler qualquer paper de computação, e ela envelheceu bem².

A primeira passada leva de cinco a dez minutos. Leia título, abstract e introdução, os títulos de seção e subseção, a conclusão, e passe o olho nas referências marcando o que já leu. No fim disso você responde os cinco Cs de Keshav: categoria, contexto, correção das premissas, contribuição e clareza. Quase todo paper morre aqui, e é para isso que a passada existe.

A segunda leva até uma hora. Leia com cuidado e ignore as provas. A instrução mais valiosa é sobre os gráficos: os eixos estão rotulados, os resultados vêm com barra de erro, a conclusão sobrevive à variância? Keshav diz que erro desse tipo separa trabalho apressado de trabalho bom, e continua sendo a checagem que mais elimina paper em pouco tempo. No fim da segunda passada você consegue explicar o argumento a outra pessoa, com a evidência, sem ter entendido os detalhes.

A terceira passada é reimplementar o paper de cabeça, refazendo as mesmas suposições e comparando a sua reconstrução com o que os autores escreveram. Keshav estima quatro a cinco horas para quem está começando e cerca de uma hora para quem tem prática.

Aqui entra a adaptação para quem não é pesquisador: a terceira passada vira rodar o código. Quase todo paper de IA que importa publica repositório, e clonar, rodar o exemplo e mexer em um hiperparâmetro entrega o mesmo entendimento em menos tempo. A pergunta que essa passada responde é sempre a mesma: o que precisaria ser verdade para o resultado deles valer no meu caso?

Os papers que formam a base

Existe um conjunto pequeno de papers que quase todo texto de IA cita sem explicar. Agrupá-los por camada funciona melhor que ordená-los por data, porque a cronologia mistura contribuições de natureza diferente.

O que o modelo é reúne arquitetura e escala. O Attention Is All You Need propôs em 2017 uma arquitetura baseada só em atenção, abandonando recorrência e convolução, e mediu isso em tradução: 28,4 BLEU em inglês-alemão do WMT 2014, mais de 2 BLEU acima do melhor resultado anterior, incluindo ensembles, e 41,8 BLEU em inglês-francês depois de três dias e meio de treino em oito GPUs³. O paper fundador da IA generativa moderna era um paper de tradução automática com orçamento pequeno.

Como ele é moldado reúne o que acontece depois do pré-treino: instrução, preferência humana, alinhamento e as técnicas de adaptação barata. É a camada que explica por que dois modelos com arquitetura quase igual se comportam de forma tão diferente.

Como você usa reúne o que roda em runtime, sem tocar em peso nenhum: raciocínio em cadeia, uso de ferramentas, recuperação. É a camada mais próxima de quem constrói produto e onde mora a engenharia de prompts.

A ordem de leitura que funciona é de trás para frente. Comece pelo paper que muda o que você faria amanhã, e desça pela citação quando faltar contexto.

Sinal e ruído

Lipton e Steinhardt catalogaram em 2018 quatro padrões recorrentes na literatura de aprendizado de máquina: não separar explicação de especulação; não identificar de onde veio o ganho empírico, atribuindo à arquitetura nova o que veio do ajuste de hiperparâmetro; usar matemática que impressiona em vez de esclarecer; e apropriar-se de termos com carga coloquial. Eles atribuem os quatro menos a má-fé que ao crescimento rápido da comunidade e à diluição do time de revisores⁴.

O segundo padrão é o que mais aparece na prática. Dodge e colegas mostraram em 2019 que a pontuação no conjunto de teste, sozinha, não sustenta a conclusão de qual modelo é melhor: propuseram reportar o desempenho esperado de validação em função do orçamento de computação e encontraram comparações publicadas em que os autores teriam concluído o contrário com mais ou com menos busca de hiperparâmetro. No mesmo trabalho, a computação necessária para chegar aos resultados publicados variava de horas a semanas entre papers⁵. Uma tabela sem essa informação não permite comparar nada.

O terceiro sinal é a escolha do benchmark. Dehghani e colegas chamaram de “loteria do benchmark” o fato de que a ordem relativa entre métodos pode mudar bastante só pela escolha de quais tarefas entram na avaliação, e mostraram isso em vários subcampos, de processamento de linguagem a recuperação de informação e aprendizado por reforço⁶. Um resultado que só existe em um benchmark, ainda mais quando o benchmark aparece escolhido depois do experimento, não é resultado.

Do outro lado, o que indica que vale gastar quarenta minutos: código e pesos públicos, um baseline ajustado com o mesmo esforço que a proposta, e uma seção de limitações que nomeia um custo concreto.

Onde essa rotina falha

A revisão por pares não é o filtro que você imagina. No experimento de consistência do NeurIPS 2021, 10% das submissões foram avaliadas por dois comitês independentes: os comitês discordaram sobre aceitar ou rejeitar em 23% dos papers, e cerca de metade da lista de aceitos mudaria se o processo fosse repetido do zero. Os autores notam ainda que tornar a conferência mais seletiva aumentaria a arbitrariedade⁷. Revisitando o experimento equivalente de 2014, Cortes e Lawrence estimaram que 50% da variação nas notas de qualidade era subjetiva e, sete anos depois, não acharam correlação entre a nota dos papers aceitos e o impacto medido por citação. O processo identificava bem o paper ruim e mal o paper bom⁸.

Reprodutibilidade continua sendo trabalho seu. O NeurIPS montou em 2019 um programa com política de submissão de código, um desafio de reprodução comunitário e uma checklist obrigatória no formulário de submissão⁹. Isso melhorou o que é declarado. A distância entre “o repositório existe” e “o número da tabela sai do repositório” continua sendo onde a maioria dos resultados morre.

O resultado negativo não chega até você. A técnica que não funcionou não vira paper, então a literatura mostra uma amostra enviesada do que foi tentado. Você vai reimplementar coisa que outras equipes já descobriram que não presta.

A escala do resultado pode não ser a sua. Um ganho medido em modelo de 70B diz pouco sobre o que acontece no modelo que você chama por API. Vale para as duas direções: técnica que só emerge em escala grande e técnica que só compensa em escala pequena.

O paper que vai importar não parece importante hoje. A citação leva anos para acumular, e no dia da publicação o sinal disponível é fraco por construção. Nenhuma rotina de triagem resolve isso, e insistir em resolver é o caminho mais rápido para ler demais e entender de menos.

Uma rotina de duas horas por semana

1. Monte a fonte antes do hábito. Assine o feed de cs.CL e cs.LG, siga vinte autores cujo trabalho você já usou e um ou dois agregadores humanos. Fonte ruim faz o resto da rotina desmoronar em duas semanas.
2. Quinze minutos por dia útil, não uma hora no sábado. Acumular sete dias transforma dez segundos por abstract em uma tarde perdida.
3. Registre o descarte. Uma linha por paper fechado, com título e motivo. Em um mês esse arquivo mostra qual filtro está calibrado errado.
4. Uma leitura completa por semana, marcada na agenda. Sem horário fixo ela não acontece, e a triagem sem leitura vira consumo de manchete.
5. Rode o código antes de acreditar na tabela. Vinte minutos aqui valem mais que a terceira leitura do texto.
6. Escreva três frases. O que os autores afirmam, com que evidência, o que muda para você. Se a terceira frase estiver vazia, o filtro deixou passar.
7. Revise as fontes a cada trimestre. Pessoas mudam de área e laboratórios mudam de foco. Uma lista de fontes de dois anos atrás está entregando o campo de dois anos atrás.

O passo 3 é o que separa quem melhora a triagem de quem apenas lê mais. Sem o registro do descarte, você nunca descobre que vem rejeitando por hábito a subárea que mais mudaria seu trabalho.

Quanto custa

Duas horas por semana dão cerca de cem horas por ano. Keshav estimava em 2007 que um pesquisador típico gasta centenas de horas por ano lendo²; cem horas é a fração disso que cabe em quem tem outro emprego, e é suficiente para não estar desatualizado em nada que afete decisão de engenharia.

Em dinheiro, quase zero. O arXiv, os pareceres do OpenReview e as atas do NeurIPS, do ICML, do ICLR e da ACL são todos abertos. O que sobra são os artigos em periódico fechado, que em IA são poucos e quase sempre têm preprint correspondente; dado o DOI, o Unpaywall localiza a versão legal aberta. Orçamento para acesso a paper de IA é um problema que outras áreas têm e esta não.

O custo real é de atenção: cada hora lendo é uma hora não construindo. Quem lê demais acumula erudição sem uso, e quem lê de menos reimplementa em três semanas o que um paper de 2023 resolve em uma tarde.

Footnotes

1. O arXiv publica a contagem mensal de submissões desde 1991. Junho de 2026 fechou em 32.040 submissões em todas as áreas, contra 21.206 em dezembro de 2024. ↩

2. Keshav (2007) descreve o método de três passadas e estima o tempo de cada uma: cinco a dez minutos, até uma hora, e quatro a cinco horas para iniciantes na terceira. ↩ ↩²

3. Vaswani et al. (2017) propuseram uma arquitetura baseada só em atenção, sem recorrência nem convolução, e mediram 28,4 BLEU em inglês-alemão e 41,8 em inglês-francês no WMT 2014, com três dias e meio de treino em oito GPUs. ↩

4. Lipton e Steinhardt (2018) catalogam quatro padrões: confundir explicação com especulação, não identificar a origem do ganho empírico, matemática que obscurece, e uso impróprio de termos técnicos. ↩

5. Dodge et al. (2019) mostraram que a pontuação de teste isolada não sustenta a comparação entre modelos, e encontraram casos publicados em que a conclusão se inverteria com outro orçamento de busca de hiperparâmetro. ↩

6. Dehghani et al. (2021) mostraram que o desempenho relativo entre métodos muda de forma significativa apenas pela escolha das tarefas de avaliação, em vários subcampos de aprendizado de máquina. ↩

7. Beygelzimer et al. (2023) relatam 23% de discordância entre dois comitês independentes no NeurIPS 2021 e estimam que metade da lista de aceitos mudaria numa nova rodada. ↩

8. Cortes e Lawrence (2021) estimaram que metade da variação nas notas de revisão de 2014 era subjetiva, e não acharam correlação entre nota e citação entre os papers aceitos. ↩

9. Pineau et al. (2020) descrevem o programa de reprodutibilidade do NeurIPS 2019: política de submissão de código, desafio comunitário de reprodução e checklist obrigatória. ↩