Notícias de IA e infraestrutura
- Atenção e arquitetura de modelosArtigo
Como estruturar ciclos de autoaperfeiçoamento em IA
Artigo de 13 de setembro de 2026 apresenta uma estrutura para sistemas de IA identificarem limitações, validarem mudanças e preservarem melhorias ao longo de ciclos persistentes.
- OCR e IA para documentosProjeto
Como estruturar testes de OCR para sua empresa
Em post publicado em 25 de julho de 2026, o autor afirma que adicionou o Baidu Unlimited OCR ao mlx-vlm e planeja avaliá-lo com um benchmark de OCR.
- Aprendizado por reforçoDemonstração
Como explorar ambientes de reforço e executar rollouts
Um Space interativo, publicado em 29 de setembro de 2026, permite inspecionar ambientes de aprendizado por reforço e executar rollouts. A abordagem pode inspirar ferramentas internas de avaliação e teste.
- Atenção e arquitetura de modelosPesquisa
Como LLMs representam somas e erros aritméticos
Artigo publicado em 28 de junho de 2026 analisa representações internas durante somas com vários operandos e propõe um modelo geométrico para explicar erros aritméticos.
- Aprendizado por reforçoPublicação
Como medir ganhos de RL em tarefas de engenharia de software
Um post datado de 21 de setembro de 2026 relata que a pontuação do MiMo Pro no benchmark DeepSWE passou de 58,41 para 72,57 após execuções de aprendizado por reforço.
- Aprendizado por reforçoPublicação
Como o RL pode ampliar habilidades aprendidas por SFT
Post de 11 de julho de 2026 apresenta a hipótese de que o RL pode separar componentes úteis do SFT em habilidades reutilizáveis e regras de roteamento.
- Inferência de LLMsPublicação
Como o vLLM agenda requisições e aloca o KV cache
Artigo de 26 de setembro de 2026 acompanha o caminho de uma requisição no vLLM e explica o agendamento por iteração e a alocação de blocos de KV cache.
- C e C++Pesquisa
Como observar o percurso de pacotes no kernel Linux
Publicada em 27 de junho de 2026, a publicação trata do caminho percorrido por pacotes no kernel do Linux e da utilidade desse conhecimento para analisar o comportamento da rede.
- C e C++Publicação
Como organizar e avaliar otimizações de compiladores
Um artigo de Frances Allen, publicado em 1971, cataloga transformações de otimização de compiladores e oferece uma referência para engenheiros que avaliam passes em suas ferramentas.
- C e C++Artigo
Como programas estáticos iniciam no Linux e o que isso muda
Em artigo publicado em 2 de julho de 2026, Eli Bendersky explica como programas linkados estaticamente iniciam no Linux e por que entender esse processo ajuda a raciocinar sobre executáveis e linking.
- Atenção e arquitetura de modelosPesquisa
Como reduzir custo e latência em aplicações com LLMs
Artigo de 10 de julho de 2026 explora alternativas a cadeias longas de raciocínio para equilibrar precisão, contexto, custo computacional e latência.
- Treino e fine-tuningPesquisa
Como reduzir divergências entre treino e inferência em RL para LLMs
Um artigo publicado em 30 de junho de 2026 aborda probabilidades inconsistentes entre engines de treino e inferência e descreve TIS e rejeição de checkpoints quando as recompensas divergem.
- Inferência de LLMsProjeto
Como reproduzir serving multi-GPU e perfil térmico
Um repositório no GitHub, publicado em 30 de julho de 2026, apresenta uma configuração reproduzível de serving do GLM-5.2 EXL3 MTP3 e um perfil térmico para quatro GPUs RTX PRO 6000 Blackwell.
- Treino e fine-tuningArtigo
Como testar a escala de treinamento antes de ampliar GPUs
Em relatório publicado em 5 de outubro de 2026, a Aleph Alpha descreve a escala de um modelo MoE de 30B-A3B, de 16 para 512 GPUs B200, com escalabilidade quase linear e MFU de 35,3%.
- Atenção e arquitetura de modelosPesquisa
Como testar consultas de n-gramas em modelos de linguagem
Uma publicação técnica datada de 25 de agosto de 2026 descreve o Engram, módulo que recupera embeddings de n-gramas e pode transferir sua tabela de consulta para a CPU com pouca lentidão na inferência.
- Treino e fine-tuningPublicação
Como tornar treinamentos de modelos mais observáveis
Em 21 de agosto de 2026, uma publicação sobre Marin descreveu visualizações de dados e métricas de treinamento que podem apoiar a inspeção de modelos.
- CUDA e programação de GPUArtigo
Como uma leitura de memória percorre a RTX 4090
Artigo datado de 13 de agosto de 2026 acompanha uma instrução LDG.E SASS pelas unidades de hardware e pela hierarquia de memória da RTX 4090, incluindo detalhes obtidos por engenharia reversa.
- Agentes de IAPublicação
Como validar resultados gerados por agentes de pesquisa
Paper do arXiv publicado em 1º de setembro de 2026 relata que checar afirmações de manuscritos contra logs de execução reduziu para 4% a taxa de erros graves observada.
- Agentes de IAPesquisa
Como verificar as recompensas de agentes de código
Paper de 11 de julho de 2026 analisa quatro designs de verificação de recompensas e aponta que nenhum resolve sozinho o desafio de avaliar agentes de código com confiabilidade.
- Atenção e arquitetura de modelosPesquisa
Compartilhamento de projeções QKV em Transformers
Artigo publicado em 2 de julho de 2026 avalia variantes que compartilham projeções de atenção e relata que igualar key e value foi excessivo para os LLMs ternários pequenos do autor.
- Treino e fine-tuningPesquisa
Compressão leve reduz vetores em sistemas ColBERT
Publicado em 8 de julho de 2026, o paper descreve um ajuste fino com consciência de pooling e k-means para reduzir vetores de tokens por documento em modelos ColBERT, sem perda de precisão segundo a publicação.
- Inferência de LLMsProjeto
Comunicação de modelos em NPUs Huawei Ascend
A publicação, datada de 30 de setembro de 2026, apresenta uma biblioteca de comunicação de alto desempenho para treinamento e inferência de machine learning em NPUs Huawei Ascend.
- Inferência de LLMsProjeto
Configuração de inferência em dois DGX Sparks
Um pull request datado de 31 de julho de 2026 atualiza o checkpoint padrão e instala o encoder nos dois ranks de uma configuração com dois DGX Sparks.
- HardwarePublicação
Crescent Island é listado com 32 núcleos Xe3P e 480 GB de LP5X
Uma publicação de 24 de agosto de 2026 lista o Intel Crescent Island com 32 núcleos Xe3P, 480 GB de memória LP5X e consumo de 350 W.
- Inferência de LLMsArtigo
Crusoe reporta inferência em 512 GPUs AMD MI355X
Em publicação de 16 de setembro de 2026, a Crusoe relata resultados do MLPerf Inference v6.1: 5,75 milhões de tokens por segundo em gpt-oss-120b e escalabilidade linear sem InfiniBand.
- Atenção e arquitetura de modelosPesquisa
CTM-AI explora uma arquitetura de IA inspirada em consciência
Publicado em 25 de agosto de 2026, o artigo apresenta o projeto inicial CTM-AI, que aplica a Conscious Turing Machine à arquitetura de IA, sem relatar resultados de benchmarks.
- CUDA e programação de GPUPublicação
CUDA C++: execução, memória e correção em GPU
Publicado em 19 de setembro de 2026, o guia de programação CUDA C++ da NVIDIA aborda kernels, threads, memória, sincronização, erros e validação dos resultados da GPU frente à CPU.
- Treino e fine-tuningProjeto
datatrove 0.10.0 executa pipelines em jobs gerenciados
A versão 0.10.0 do datatrove adiciona execução de pipelines em jobs gerenciados, suporte a buckets de armazenamento como pastas de dados e preservação de saídas de reasoning em resultados de inference.
- HardwarePublicação
Dell Precision T7910: avaliando uma base usada para multi-GPU
Uma publicação datada de 17 de julho de 2026 lista a configuração do T7910 e destaca slots PCIe, memória ECC e limites de potência como fatores para avaliar computação multi-GPU.
- Atenção e arquitetura de modelosPesquisa
Depth-wise batching em modelos recorrentes: como avaliar
Um post publicado em 2 de setembro de 2026 descreve como sobrepor requisições em diferentes profundidades recorrentes pode melhorar a utilização de modelos com computação adaptativa.
- Atenção e arquitetura de modelosPesquisa
DepthBench propõe avaliar a profundidade computacional em Transformers
Apresentado em 29 de setembro de 2026, o DepthBench compara métodos de fluxo de informação e examina se eles ajudam Transformers mais profundos a aproveitar suas camadas de forma eficaz.
- C e C++Projeto
Depuração de software: uma metodologia aplicável além de Unix e Python
O livro aberto The Art of Debugging está disponível em PDF e EPUB, tem cinco capítulos e aborda Unix, Python e PyTorch. Seu autor afirma que o capítulo sobre metodologia se aplica à depuração de software em geral.
- Treino e fine-tuningPesquisa
Destilação de LLMs black-box com GAD
Artigo datado de 13 de setembro de 2026 apresenta um método on-policy para destilar modelos usando apenas as respostas textuais de um teacher proprietário.
- Atenção e arquitetura de modelosPesquisa
Destilação de Transformers para modelos Mamba
Paper de 29 de setembro de 2026 estuda a transferência de conhecimento de Transformers pré-treinados para modelos de espaço de estados, como o Mamba.
- Treino e fine-tuningPublicação
Destilação on-policy combina modelos especialistas
Um post publicado em 6 de outubro de 2026 descreve MOPD, método que treina um modelo student com rollouts próprios e supervisão de especialistas por domínio.
- Treino e fine-tuningPublicação
Destilação por token combina supervisão de professor e do próprio modelo
Um post de 8 de julho de 2026 descreve um paper sobre destilação on-policy dual, que escolhe dinamicamente a fonte de supervisão para cada token.
- Voz: TTS e ASRPublicação
Diarização de fala: como avaliar a correção de rótulos
Artigo do Google publicado em 4 de outubro de 2026 descreve um modelo de 4 bilhões de parâmetros ajustado para corrigir rótulos de falantes e reduzir erros de diarização por palavra em quatro benchmarks.
- Atenção e arquitetura de modelosPublicação
Diffusing Blame propõe treinar redes sem backpropagation
Postagem publicada em 17 de julho de 2026 descreve um método de roteamento de sinais de erro e relata resultados em reconhecimento de imagens, locomoção e Craftax.
- RAG e recuperação de contextoPesquisa
Diffusion-GR2 acelera reranking com raciocínio
Um post datado de 2 de julho de 2026 relata que o Diffusion-GR2 alcança acurácia de ranking próxima à de um modelo autoregressivo, com decoding 2,4–3,5 vezes mais rápido.
- Atenção e arquitetura de modelosArtigo
Difusão em loop: reutilizar blocos do Transformer
Artigo publicado em 3 de outubro de 2026 descreve um modelo de geração de imagens por texto que reutiliza blocos do Transformer durante a denoising e relata ganhos com mais loops.
arxiv.org
Vamos avaliar seu projeto
Respondo com escopo e proposta.