Publicações
Produzimos auditorias independentes e métricas públicas para avaliar transparência, risco e vieses de modelos de inteligência artificial em contexto brasileiro. Aqui ficam os relatórios técnicos resultantes desse trabalho.
Um aluno não corrige a própria prova
Rodrigo Cavalcanti • Setembro, 2026
Benchmarks públicos podem deixar de medir capacidade quando seus itens se tornam alvo de treinamento. O artigo discute por que testes privados, combinados a metodologias abertas, reduzem a contaminação e preservam a validade de avaliações independentes.
Errar ou omitir-se? Equidade aparente por omissão quando modelos de linguagem decidem sob estigma
Rodrigo Cavalcanti • Julho, 2026
Este trabalho avalia como sete modelos de inteligência artificial respondem cada um a 7.626 situações cotidianas pontuadas (de um instrumento de 7.653 prompts com 27 controles neutros) envolvendo pessoas marcadas por estigmas sociais. A análise distingue prudência, recusa sistemática e reprodução de viés. Os resultados mostram que modelos aparentemente seguros podem apenas evitar decisões, e que o desempenho varia conforme o tipo de estigma e o contexto apresentado.
A versão viva e contínua com mais de 15 modelos avaliados, está disponível na seção Avalia.