Como ajustar um modelo de busca: o método da NVIDIA em um dia
A NVIDIA lançou um guia prático para ajustar um modelo de embeddings a um domínio específico em apenas um dia e com uma única GPU. O pipeline dispensa rotulagem manual de dados: um LLM gera as perguntas, depois o sistema seleciona hard negatives e treina o modelo com consultas multi-hop. Em testes na documentação da NVIDIA, o ganho em Recall@10 e NDCG@10 passou de 10%, e todo o ciclo para um corpus pequeno cabe em algumas horas.
Processado por IA de Hugging Face Blog; editado por Hamidun News
A NVIDIA publicou um método para ajustar, em poucas horas, um modelo de busca aos seus próprios documentos, sem rotulagem manual de dados.
Como ajustar um modelo de busca sem rotular dados?
É preciso partir do modelo base Llama-Nemotron-Embed-1B-v2, gerar pares sintéticos de pergunta e documento a partir dos seus próprios documentos (manuais, contratos, logs), ajustá-lo com exemplos negativos difíceis e verificar se a busca melhorou.
- 1 de nov. de 2026Camada de proteção MoneyGate barrou os 42 pedidos fraudulentos feitos a IAs locais
- 31 de out. de 2026Gateway de LLM open source KTMS 1.0 conecta GPUs próprias à nuvem e sobrevive a falhas
- 31 de out. de 2026LTX-2.5 de 22 bilhões de parâmetros roda em RTX 3080 de 10 GB, mas leva 5 minutos por plano
- 29 de out. de 2026T-Tech cria o método LIMe, que treina modelos de linguagem com 15% menos computação
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.