A OpenAI está instando a Califórnia e Delaware a investigarem o suposto comportamento anticompetitivo de Elon Musk, ação que precede um julgamento agendado para abril. A empresa busca esclarecer as acusações antes do processo judicial.
Todas as notícias
CEVIU IA
Lançamentos, inovações e pesquisas para profissionais de IA, machine learning e ciência de dados
3078 notícias
A OpenAI anunciou um novo programa de fellowship, com duração de setembro de 2026 a fevereiro de 2027. O programa oferecerá suporte a pesquisadores externos focados em segurança, alinhamento de IA e desafios técnicos relacionados, por meio de mentoria, acesso a compute e bolsas para os participantes.
O Google está desenvolvendo o Jules V2 ("Jitro"), um agente de codificação projetado para gerenciar autonomamente metas de desenvolvimento de alto nível, em vez de tarefas específicas. Lançado via lista de espera, ele busca redefinir o desenvolvimento de software com IA, mudando o foco de comandos baseados em tarefas para resultados orientados por KPIs. Essa abordagem pode beneficiar equipes que lidam com grandes codebases, mas enfrenta desafios relacionados a mudanças imprevisíveis e questões de confiança.
A Meta está próxima de lançar seus novos modelos de IA. A empresa planeja que alguns deles sejam disponibilizados sob uma licença open-source, com foco nos consumidores em vez do mercado corporativo. Este movimento reforça a postura anterior da Meta de abraçar a IA open-source com seus modelos Llama. O CEO Mark Zuckerberg já havia declarado, em um manifesto, a IA open-source como o caminho a seguir. Consequentemente, a empresa adotará uma estratégia híbrida, combinando modelos proprietários e open-source daqui para frente.
A Mercor, uma plataforma de talentos com IA, conecta engenheiros de software, rotuladores de dados para IA e trabalhadores do conhecimento a empresas que buscam mão de obra contratada. Recentemente, a empresa alegou ter sofrido uma violação de dados devido a um ataque à cadeia de suprimentos em um popular pacote open source. Contudo, há diversas razões para questionar essa afirmação. É possível que a alegação de um ataque à cadeia de suprimentos seja uma tentativa de desviar a atenção de falhas de segurança mais profundas e embaraçosas.
A probabilidade de automação completa de P&D de IA até o final de 2028 aumentou quase duas vezes. O desempenho robusto em tarefas de engenharia de software (SWE) que são fáceis e baratas de verificar, e que não demandam novas ideias, permitirá que a IA acelere substancialmente a pesquisa e desenvolvimento em IA. Grande parte do trabalho de P&D em IA envolve esses tipos de tarefas, e a IA pode completá-las de forma significativamente mais barata e rápida do que humanos.
Este post detalha o agent harness, a infraestrutura de software completa que transforma um LLM em um agente orientado a objetivos e que utiliza ferramentas. Os harnesses de produção empregam memória em camadas, loops de verificação, orquestração de subagentes e execução estruturada de ferramentas para evitar perda de contexto, erros e falhas silenciosas. Frameworks como Claude Code, OpenAI Agents SDK e LangGraph demonstram que o design do harness pode, por si só, melhorar o desempenho do agente em mais de 20 posições, tornando-o a camada de engenharia crítica em torno de qualquer LLM.
A OpenAI concluiu uma rodada de investimento de US$ 122 bilhões, com uma avaliação post-money de US$ 852 bilhões no final do mês passado. Desse montante, Amazon, Nvidia e SoftBank foram responsáveis por US$ 110 bilhões, enquanto os US$ 12 bilhões restantes vieram de um grupo mais amplo de investidores institucionais e individuais. Este artigo analisa os detalhes financeiros do acordo.Totalmente à parte dessa rodada, a OpenAI está negociando uma joint venture com várias empresas de private equity, avaliada em aproximadamente US$ 10 bilhões pre-money, com um retorno mínimo garantido de 17,5%, além de acesso antecipado aos modelos da OpenAI antes da disponibilidade geral.
Alucinações de código são, em sua maioria, um problema de dados, causadas por dados de treinamento desatualizados ou fragmentados. A abordagem da Nia monta sites de documentação como virtual filesystems, permitindo que os agentes façam `grep`, `cat` e `tree` nos documentos em tempo real. Isso garante que eles codifiquem contra APIs atuais, e não `embeddings` obsoletos. Este `client-side`, `in-memory shell` funciona com Claude Code, Codex, Copilot, Gemini e OpenCode, oferecendo uma interface universal de baixa latência para agentes navegarem por informações estruturadas sem complexos `tool schemas` ou `container overhead`.
A OpenAI divulgou recentemente propostas de política para um mundo com IA que supera em muito as capacidades humanas. As propostas sugerem a criação de um sistema tributário centrado em IA, um fundo de investimento público focado em IA que poderia distribuir retornos regularmente aos americanos, e outras medidas. A OpenAI adotou a estratégia de IA do Presidente Trump, incluindo sua abordagem de mecanismos de proteção limitados para a indústria, mas ainda deseja cooperar com o resto do mundo na identificação e contenção de sistemas de IA perigosos. A empresa apoia dar ao governo um papel maior na avaliação de modelos.
O Google lançou um aplicativo para iOS que utiliza modelos ASR (Automatic Speech Recognition) on-device para ditado. A ferramenta oferece transcrição ao vivo, remoção de palavras de preenchimento e a opção de edição baseada na nuvem via modelos Gemini.
As lacunas entre as diferentes concepções do termo 'AGI' estão começando a prejudicar nossa capacidade de pensar coletivamente sobre como navegar na transição para um mundo com IA extremamente avançada.
A auto-destilação simples (SSD) é um processo em que modelos são submetidos a fine-tuning utilizando amostras de sua própria saída por meio de fine-tuning supervisionado padrão. Este método oferece uma abordagem complementar pós-treinamento para aprimorar a geração de código por LLMs. A SSD pode melhorar a geração de código em modelos usando apenas as saídas brutas. Este estudo investiga os motivos pelos quais um método tão simples pode ser eficaz.
LLMs frequentemente decidem ações antes de gerar tokens de raciocínio, influenciando sua cadeia de pensamento. Uma linear probe pode decodificar essas decisões a partir de ativações pré-geração com alta precisão.
O desempenho de sistemas com Large Language Models (LLMs) depende não apenas dos pesos do modelo, mas também dos seus harnesses. Meta-Harness é um sistema de outer-loop que busca por código de harness para aplicações de LLM. Seus harnesses superam os melhores desenvolvidos manualmente em benchmarks de codificação agentic, demonstrando como um acesso mais rico a experiências prévias pode viabilizar a engenharia automatizada de harnesses.
Este 'arquivo de ideia', projetado para ser copiado e colado em um agente LLM, apresenta um padrão para a construção de bases de conhecimento usando LLMs. Ele permite que os LLMs construam e mantenham incrementalmente uma wiki persistente, expansível conforme o modelo continua aprendendo. Neste framework, o humano curadoria as fontes, direciona a análise, faz perguntas e processa o significado, enquanto o modelo realiza as outras tarefas. O agente edita com base em conversas, e usuários podem navegar pelas alterações em tempo real.
Ambientes de RL (Reinforcement Learning) funcionam como campos de treinamento para agentes LLM. A distribuição de tarefas é crucial, pois define as habilidades que os agentes desenvolvem, enquanto os harnesses controlam a forma como eles interagem. Verificadores são responsáveis por estabelecer o que é considerado um desempenho 'bom', e tanto o estado quanto a configuração do ambiente são determinantes para o realismo e a eficácia do treinamento.
💡
Marc Andreessen reflete sobre A Morte do Navegador, Pi + OpenClaw e Por Que 'Desta Vez É Diferente'
A IA, resultado de um 'sucesso repentino de 80 anos', não é mais um ciclo de hype, mas a culminação de décadas de pesquisa que levaram a avanços significativos em raciocínio, codificação e agentes com capacidade de autoaperfeiçoamento.
A dependência da Apple do Gemini IA do Google para uma Siri reformulada marca uma mudança estratégica, enquanto a empresa busca compensar seu atraso em IA generativa em comparação com seus pares. Essa parceria levanta preocupações sobre a gestão de dados do usuário, ao mesmo tempo em que destaca a aposta da Apple em capacidades de IA integradas diretamente nos dispositivos. À medida que a tecnologia de IA migra para o dispositivo, a Apple pretende usar seus pontos fortes em design e privacidade para recuperar sua competitividade no cenário da IA.
ActionParty introduz tokens de estado por sujeito com polarização espacial para garantir a atribuição correta de ações a múltiplas entidades em vídeos gerados, resolvendo falhas comuns na vinculação sujeito-ação.
