#LLM
Cobertura curada sobre «LLM»: lançamentos, pesquisa, benchmarks, código aberto.
Benchmark EvaOmni testa 24 modelos omni: líder atinge 79,4%, mas o grounding fica em 35,1%
O EvaOmni exige que os modelos entreguem a resposta e os intervalos de tempo das evidências. O líder, Gemini3.7-Flash, fez 79,4% de precisão, mas caiu para 12,3% em…
Autoaprendizado recursivo e Fable 5.1: por que a corrida da IA saiu dos debates sobre AGI para a orquestração aplicada
Enquanto a indústria discute definições de AGI, os principais laboratórios fecharam o ciclo de desenvolvimento e colocaram os modelos atuais para criar a próxima…
Vercel lança durable-harness para execução de agentes de IA tolerante a falhas na nuvem
O novo framework open source durable-harness, da Vercel, protege agentes de código contra quedas de servidor e preserva o estado das chamadas sem custos extras de…
ToM2Vec ensina agentes LLM a modelar o parceiro em tokens latentes
Quant-Arena: nenhum dos 9 LLMs superou o mercado A-share em 2024
LASAGNA testou 450 configurações de RAG: os +47% prometidos viraram apenas +17%
RealMe gera vídeo volumétrico em 2K com o mínimo de câmeras por meio de difusão
PACE comprime o estado de LLMs lineares para 4 bits e economiza um terço da memória
O PACE quantiza o estado recorrente de LLMs híbridas para 4 bits sem retreinamento: em modelos de 4B a 35B, ele se iguala ao DAMP de 8 bits usando cerca de 2/3 da…
SERA ensina um planejador VLM a se autoevoluir: robô marca 51,38% no RoboMME
Pesquisadores transformaram um planejador VLM em agente robótico com arcabouço editável. Com autoevolução, o SERA chega a 51,38% de sucesso no RoboMME, contra…
TraceForge treina modelos com os “próprios pensamentos”: +7,1 pontos no MBPP+
Pesquisadores propõem o framework PAPAV: apenas 3 de 64 benchmarks avaliam a verificação
NUS ensinou o modelo a encontrar o que ele mesmo descreveu: gIoU subiu de 57,5% para 68,2%
TenetBench: 11 de 14 configurações de LLM violam códigos de ética profissionais
Mistral apresenta linha Voxtral 3: reconhecimento de 50 idiomas e agentes de voz para o setor corporativo
A francesa Mistral lançou o Voxtral 3, linha de modelos STT e TTS com pipeline de ponta a ponta, latência abaixo de 500 ms e suporte a deploy on-premise.
Cohere ensinou um modelo de 7B a avaliar a própria confiança duas vezes: erro de calibração cai 52,5%
O método CALIBER, da Cohere, ensina um modelo de raciocínio a estimar suas chances antes e depois de resolver. No BigMathDigits, o ECE caiu de 0,059 para 0,028, e o…