Compartilho experiências de liderança, arquitetura de software, automações, integrações e cultura técnica aberta. Tenho projetos em meu GitHub sobre SOLID, Node.js, Python, automação, front e back-end.
Se quiser trocar ideia, discutir tecnologia, carreira ou só bater um papo, fique à vontade!
Sinta-se à vontade para conhecer meus repositórios, ver a evolução dos meus projetos e criar conexões. Na comunidade do Discord também promovemos mentorias, pair programming e desafios para crescer junto.
Selecionei as 20 notícias mais relevantes de tecnologia desta semana — curadas e resumidas com IA, direto ao ponto.
Apresenta ReToken, um embedding aprendível que seleciona tokens visuais relevantes de um cache KV pré-preenchido, resolvendo o problema de degradação de performance em contextos visuais longos. Treinado em pequenos datasets de QA sobre imagens, o método oferece ganhos consistentes em benchmarks de imagem e vídeo com redução significativa de overhead computacional.
Ler artigo completoIntroduz uma engine de captura ambiental que transforma ambientes residenciais reais em datasets multimodais capturando simultaneamente percepção em primeira pessoa, movimento de corpo inteiro, manipulação destra, estado de objetos, som e toque. Resolve o gargalo fundamental de dados para treinar modelos de inteligência encarnada com a experiência completa de percepção-ação.
Ler artigo completoPropõe um modelo do mundo físico construído em torno de 'linguagem física', uma representação discreta compacta de transições de estado. Em vez de prever vídeos futuros em espaço de pixels, aprende estrutura preditiva abstrata similarmente ao como humanos organizam conhecimento em linguagem natural para raciocínio explícito.
Ler artigo completoFramework que acopla segurança baseada em barreiras (CBF) com aprendizado por reforço usando sensores realistas em humanoides, permitindo evasão reflexiva segura baseada apenas em câmera RGB-D na cabeça. Demonstra controle de corpo inteiro com contato zero contra ataques aleatórios de bola, abrindo caminho para robôs humanoides seguros em ambientes dinâmicos.
Ler artigo completoSistema que muda a unidade de busca em literatura de química de 'papers' para 'claims' (afirmações) com proveniência explícita, permitindo busca cross-paper eficiente. Facilita que cientistas e agentes de IA localizem, verifiquem e assemblem respostas específicas espalhadas por múltiplas publicações.
Ler artigo completoFramework sistemático para auditar system prompts em aplicações de IA, preenchendo lacunas críticas de confiança e responsabilidade. Examina como prompts do sistema governam comportamentos de modelos fundacionais, muitas vezes ocultados de usuários e reguladores, criando transparência necessária para governança responsável de IA.
Ler artigo completoBackbone visual de difusão híbrido que processa tokens de texto, imagem e vídeo em stream raster-ordenado, combinando atenção delta-kimi de complexidade O(N) com atenção multi-head latente para suportar resolução alta e vídeos longos. Estabelece receita de escalamento (tipo Chinchilla) para geração visual multimodal eficiente.
Ler artigo completoPropõe padrão de avaliação cruzado para juízes baseados em VLMs que verificam se trajetórias de agentes cumpriem instruções de tarefas. Fundamental para avaliação de computer-using agents em escala, curação de dados e aprendizado por reforço, resolvendo questão central ainda não respondida na área.
Ler artigo completoPipeline de auditoria de cinco fases que identifica e mitiga disparidades em taxas de erro entre subgrupos de pacientes em modelos de risco clínico. Stress-testa componentes de auditoria cobrindo estratificação, medição de disparidade, diagnósticos mecanísticos, mitigação pós-hoc e monitoramento de drift para garantir modelos clínicos verdadeiramente justos.
Ler artigo completoFramework que ensina modelos multimodais a reconhecer quando ferramentas visuais são realmente necessárias, evitando chamadas desnecessárias de tools. Introduz dimensões de Mode Adaptiveness e Tool Effect, melhorando taxa de sucesso de MLLMs em tarefas complexas sem overhead computacional excessivo.
Ler artigo completoSistema que transforma pull requests mesclados em tarefas verificadas e executáveis em revisões modernas de repositórios, expandindo suprimento de dados para treinar e avaliar agentes de código. Resolve gargalo crítico escalando dados de treinamento alinhando evidência histórica com código evoluído e verificações confiáveis.
Ler artigo completoAbordagem contrafactual para distinguir quais correções next-token em destilação on-policy são suportadas por evidência visual versus priors linguísticos. Introduz Visual Attribution Distillation, resolvendo problema fundamental de efeitos mistos em destilação multimodal de conhecimento visual fino.
Ler artigo completoFramework que estima sensibilidade heterogênea de componentes de Vision Transformers à quantização, alocando precisões mistas (mixed-bit-widths) de forma eficiente. Melhora taxas de compressão em PTQ ultrapassando métodos de bit-width uniforme, fundamental para deployar ViTs em dispositivos com restrições de recurso.
Ler artigo completoIdentifica que destilação on-policy vanilla é ponto β=1 em família mais ampla de otimização de política, tornando β controlável em vez de fixo. Melhora confiabilidade e estabilidade de OPSD para modelos de raciocínio de linguagem através de framework robusto com engineering reduzido.
Ler artigo completoAproveita priors semânticos e estruturais de modelos 3D discriminativos (foundation models) para reduzir custo computacional de geração 3D de alta fidelidade. Através de alinhamento de objetivo recíproco, reduz significativamente escala de modelo e dados necessários mantendo qualidade de geração.
Ler artigo completoMétodo que desacopla raciocínio multi-hop de matching fine-grained em retrieval-augmented generation multimodal usando grafos de dois níveis. Resolve problema de explosão de grafo ao incorporar features visuais e captura explicitamente relacionamentos cross-modais e cross-documentos.
Ler artigo completoDemonstra empiricamente que simplesmente amostrar a mesma pergunta múltiplas vezes e selecionar resposta mais frequente supera métodos sofisticados de auto-crítica e reflexão quando controlado por custo total de tokens. Resultado importante para practitioners ao decidir estratégias de prompting eficientes.
Ler artigo completoGitHub lança suporte nativo para pull requests empilhados, permitindo gerenciar séries de mudanças relacionadas como unidade coesa. Feature transformadora para fluxos de desenvolvimento complexos, melhorando revisão de código e colaboração em projetos grandes.
Ler artigo completoDeepMind apresenta Gemini Robotics 2 que traz capacidades avançadas de compreensão visual, orquestração de tarefas e colaboração multi-robô. Representa avanço significativo em robótica moderna, permitindo robôs generalist resolverem tarefas complexas do mundo real com raciocínio visual robusto.
Ler artigo completoNetflix explora abordagem nativa de LLM para sistema de recomendação, integrando modelos de linguagem diretamente em pipeline de recomendação. Representa mudança paradigmática em como recomendadores processam contexto e geram recomendações personalizadas em escala.
Ler artigo completoReceba as próximas toda semana direto no seu e-mail. Grátis, sem spam.