Notícias de IA e infraestrutura
- Inferência de LLMsPublicação
BITCOS reduz o armazenamento de LLMs ternários
Em post publicado em 20 de setembro de 2026, a Intel descreve o BITCOS, método que armazena pesos exatos de LLMs ternários a 1,485 bits por peso e relata ganhos de throughput de decode.
- CUDA e programação de GPUArtigo
Tensor Memory no Blackwell e a acumulação de matmul
O post descreve como a Tensor Memory da arquitetura Blackwell, um espaço separado de 256 KB por SM, passa a armazenar resultados de Tensor Cores e reduz, segundo o autor, a emissão de matmul de 128 threads para uma.
- Voz: TTS e ASRProjeto
Breeze TTS 2 abre os pesos do modelo
Em 26 de agosto de 2026, a BreezeBlue anunciou pesos abertos para o Breeze TTS 2 e afirmou que o modelo lidera uma arena de avaliação de vozes.
- Voz: TTS e ASRPublicação
Breeze TTS 2: voz multilíngue com geração em streaming
A publicação de 25 de agosto de 2026 descreve um modelo de síntese de voz com suporte a 50 idiomas, geração a partir de prompts de texto e saída em streaming.
- Agentes de IAArtigo
BrowserBC converte navegação humana em skills para agentes
Publicado em 7 de julho de 2026, o post descreve o BrowserBC, que transforma traces de navegação humana em cartões de skills reutilizáveis. O texto relata ganhos em sucesso de tarefas, recuperação e generalização entre sites.
- RAG e recuperação de contextoPesquisa
Busca local-first: retrieval com dados sensíveis
Paper publicado em 30 de junho de 2026 propõe um framework para projetar sistemas de recuperação de informação com foco em privacidade, usando índices, modelos e inferência nos dispositivos dos usuários.
- Agentes de IAPublicação
Busca local híbrida para agentes: o que o zg oferece
Em 2 de setembro de 2026, a equipe Zvec da Alibaba anunciou o zg, ferramenta de busca local que combina busca semântica, BM25, busca híbrida e rg, com suporte a agentes populares.
- Agentes de IAProjeto
Buzz publica especificação para memória de agentes
Em 28 de julho de 2026, o Buzz publicou a especificação NIP-AE para seu recurso de memória, com o objetivo de facilitar implementação e interoperabilidade.
- C e C++Publicação
C++26 padroniza Hazard Pointers para código concorrente
Publicado em 30 de junho de 2026, o post afirma que C++26 padroniza Hazard Pointers para adiar a exclusão de nós até que leitores concorrentes terminem de usá-los.
- C e C++Pesquisa
C*: aproximando programação e verificação em C
Artigo datado de 8 de setembro de 2026 apresenta C*, uma abordagem para aproximar a programação convencional em C da verificação formal.
- Atenção e arquitetura de modelosPublicação
Cache de 64 tokens para atenção linear: o que avaliar
Uma postagem sobre HOLA, publicada em 5 de julho de 2026, descreve uma métrica de surpresa sem parâmetros e um cache de 64 tokens para reduzir o esquecimento catastrófico em modelos com atenção linear.
- Inferência de LLMsVídeo
Cache e atenção: otimização de inferência
Post datado de 1º de outubro de 2026 relata técnicas de atenção e redução de KV cache em um modelo de linguagem, com possíveis implicações para custos de inferência.
- Inferência de LLMsPesquisa
Camadas de treinamento em tempo de teste para sequências
Artigo publicado em 24 de setembro de 2026 apresenta camadas de modelagem de sequências com complexidade linear e estados ocultos atualizados por aprendizado autossupervisionado.
- Atenção e arquitetura de modelosPesquisa
Camadas esparsas e looping na escala de modelos de linguagem
Artigo publicado em 26 de setembro de 2026 compara Transformers padrão e Mixture-of-Experts, com e sem looping, e aponta vantagem de escala para modelos Looped-MoE.
- RAG e recuperação de contextoPesquisa
CAMI avalia índices para RAG sob orçamento limitado
Publicado em 30 de junho de 2026, o artigo CAMI propõe selecionar índices de enriquecimento semântico para pipelines de ingestão considerando objetivos de recuperação e custo computacional.
- SegurançaArtigo
Chaves de cliente TLS protegidas por TPM em Go
Artigo de 7 de setembro de 2026 explica como usar em Go um certificado de cliente cuja chave privada permanece em um TPM e aborda o custo por handshake.
- Treino e fine-tuningArtigo
Classificação de documentos em larga escala com poucos exemplos
Post publicado em 10 de setembro de 2026 descreve um fluxo que rotulou 200 exemplos com um agente e classificou 191.724 documentos por cerca de US$ 0,70 em computação de inferência.
- OCR e IA para documentosProjeto
Classificador de páginas fiscais: 261 formulários avaliados
Um repositório no GitHub descreve um classificador open source de páginas de documentos fiscais e reporta 100% de acurácia estrita em 261 formulários do IRS, por cerca de US$ 0,001 por página.
- RAG e recuperação de contextoPesquisa
CMDR avalia busca multimodal entre páginas de documentos
Publicado em 8 de julho de 2026, o artigo apresenta o CMDR e o CMDR-Bench para recuperar páginas relevantes em documentos multimodais, incluindo consultas que dependem de contexto entre páginas.
- Voz: TTS e ASRProjeto
CocktailASR-1 transcreve uma voz selecionada em áudio sobreposto
Publicado pela Xiaomi em 16 de setembro de 2026, o CocktailASR-1 usa voiceprints de referência para transcrever um falante escolhido em áudio misto. A publicação informa suporte a inglês e chinês.
- Aprendizado por reforçoPublicação
CodeMidas cria tarefas de treinamento de RL a partir de código
Em um post datado de 21 de setembro de 2026, a Xiaomi descreve o CodeMidas, que usa agentes para gerar 5.545 tarefas executáveis em 23 linguagens a partir de bases de código open source.
- Aprendizado por reforçoPesquisa
CodeMidas propõe gerar tarefas de RL a partir de código
Em 21 de setembro de 2026, a CodeMidas apresentou um pipeline que converte funcionalidades de projetos open source em ambientes executáveis de aprendizado por reforço para programação.
- Agentes de IAPublicação
Código iterativo melhora previsões científicas
Estudo publicado na Nature avaliou combinações de métodos de previsão em seis áreas: 24 de 55 combinações superaram os dois métodos que lhes deram origem.
- Inferência de LLMsProjeto
Colibri transmite experts de MoE do disco para inferência local
Um engine de inferência escrito em C puro carrega experts de modelos MoE a partir do disco, uma abordagem para avaliar execução local em hardware com memória limitada.
- Agentes de IAPesquisa
Como agentes podem aprender com traces de interação
Survey publicado em 27 de junho de 2026 aborda como agentes em produção transformam traces de interação em capacidades duráveis, da autoevolução à meta-evolução.
- Voz: TTS e ASRPesquisa
Como ampliar LLMs congelados para compreender áudio
Um paper datado de 28 de setembro de 2026 propõe injetar vetores condicionados por áudio no KV cache de um LLM congelado, sem ajustar os pesos do modelo.
- C e C++Artigo
Como analisar o comportamento do malloc no glibc
A wiki do glibc aborda os detalhes internos do malloc. Publicada em 25 de junho de 2026, a página trata de como o allocator administra alocações de memória.
- Agentes de IAPesquisa
Como avaliar a memória de agentes de IA
Artigo publicado em 26 de junho de 2026 analisa sistemas de memória para agentes e aponta que avaliações existentes costumam tratar a memória como uma caixa-preta.
- CUDA e programação de GPUArtigo
Como avaliar a otimização de kernels GPU por agentes
O TIRx Harness reúne análise de compilador, catálogo de kernels, especificações de hardware e avaliação remota em GPUs para explorar, depurar e otimizar kernels com agentes.
- Atenção e arquitetura de modelosPesquisa
Como avaliar atenção eficiente em modelos híbridos
Publicado em 16 de junho de 2026, o artigo analisa atenção de janela deslizante e mixers recorrentes em modelos de linguagem híbridos, com foco em escalabilidade, mecanismos e decisões de arquitetura.
- Atenção e arquitetura de modelosPesquisa
Como avaliar gargalos na inferência autorregressiva
Um paper da ICLR 2026 aborda um gargalo na decodificação de modelos probabilísticos Transformer. Empresas podem medir o desempenho da inferência e identificar oportunidades de otimização.
- Atenção e arquitetura de modelosArtigo
Como avaliar o acesso de LLMs ao conhecimento em seus parâmetros
Em publicação de 28 de junho de 2026, o blog do Google Research examina como o raciocínio pode ajudar modelos de linguagem a acessar conhecimento armazenado em seus parâmetros. A questão pode orientar testes internos de modelos e prompts.
- Agentes de IAPublicação
Como avaliar recompensas de agentes de programação
Post de 4 de julho de 2026 descreve quatro sinais de recompensa para agentes de programação e aborda falhas e correções que ajudam a detectar reward hacking.
- Inferência de LLMsPublicação
Como avaliar reduções no uso de KV cache
Um post relata uma redução alegada do KV cache de 389.000 para 890 bytes por token em três anos. A afirmação destaca uma oportunidade para medir memória e custo em sistemas com contexto longo.
- Aprendizado por reforçoPesquisa
Como avaliar RL assíncrono no pós-treinamento de agentes
Um post publicado em 9 de julho de 2026 aborda RL assíncrono para pós-treinamento de modelos de linguagem, atualizações conforme chegam rollouts e técnicas de estabilidade.
- Agentes de IAArtigo
Como coding agents aprendem com experiências de desenvolvimento
Publicado em 9 de agosto de 2026, o survey analisa 108 sistemas que usam interações de desenvolvimento para adaptar memória, workflows, ferramentas ou parâmetros do modelo.
- RAG e recuperação de contextoPesquisa
Como comparar abordagens de RAG em dados semiestruturados
Paper publicado em 25 de junho de 2026 apresenta um framework para comparar quatro abordagens de RAG em nove cenários padronizados.
- Aprendizado por reforçoArtigo
Como direcionar o compute de RL para problemas difíceis
Artigo publicado em 18 de setembro de 2026 relata que o método adaptativo Never Give Up amostra até obter sucesso para direcionar compute de treinamento por reforço a problemas mais difíceis em LLMs.
- RAG e recuperação de contextoPesquisa
Como distribuir capacidade em agentes de busca hierárquica
Artigo publicado em 9 de julho de 2026 examina funções de delegação e execução em agentes de busca hierárquica e aponta a decomposição de tarefas como principal gargalo de desempenho.
- Treino e fine-tuningPesquisa
Como distribuir o reinforcement learning entre camadas de LLMs
Preprint publicado em 15 de julho de 2026, investiga como a adaptação por reinforcement learning se distribui entre camadas transformer durante o post-training de LLMs.
arxiv.org
Vamos avaliar seu projeto
Respondo com escopo e proposta.