A Anthropic defende que a precisão em analytics self-service com LLMs é, antes de tudo, um problema de contexto, governança e verificação, não apenas de geração de SQL. Para isso, são essenciais datasets canônicos, metadados robustos e camadas semânticas bem estruturadas. Os maiores ganhos vieram da redução de ambiguidade, prevenção de obsolescência, melhoria no retrieval e validação contínua via avaliações offline, ablações, linhagem de dados e loops de correção.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
222 notícias encontradas
Temperature Scaling é a técnica mais simples para calibrar LLMs. Platt Scaling entrega eficiência e velocidade, mas pode perder precisão. Já a Isotonic Regression é mais flexível e precisa com grandes volumes de dados, porém apresenta risco de overfitting em conjuntos menores. Para avaliar os resultados, as referências são Expected Calibration Error (ECE), diagramas de confiabilidade e o Brier score.
Wes McKinney alerta: vibe coding é perigoso quando envolve prompts one-shot, falta de revisão e deploy às cegas. A alternativa está na engenharia com agentes, desde que haja envolvimento humano profundo em especificações, arquitetura, testes e revisão. O workflow proposto usa IA como acelerador, preservando o julgamento de engenharia com ferramentas como Superpowers e Roborev, rastreamento de tokens e práticas rigorosas de manutenção para garantir responsabilidade dos agentes ao longo do tempo.
A Netflix desenvolveu uma funcionalidade de particionamento dinâmico no Cassandra para lidar com partições extensas em workloads de séries temporais, como histórico de visualização, métricas e eventos. Em vez de depender de buckets estáticos ou ajustes manuais, o sistema detecta partições muito grandes ou sobrecarregadas em tempo de execução e as divide automaticamente em partes menores, preservando a compatibilidade de consultas e a consistência dos dados.
No ecossistema de mensageria, há duas abordagens distintas de paralelismo: o paralelismo visível no broker, que aumenta partições ou consumidores para escalar o processamento de forma explícita; e o paralelismo local no cliente, que utiliza tarefas assíncronas, virtual threads ou filas internas dentro de um número menor de consumidores. A escolha entre as estratégias impacta diretamente a arquitetura do pipeline e o desempenho do sistema.
O PostgreSQL 19 Beta 1 chegou para avaliação antes do lançamento oficial. As novidades incluem autoscaling de async I/O, autovacuum paralelo, inserções mais rápidas em foreign-key, consultas de grafo via SQL/PGQ, melhorias de observabilidade, replicação lógica sem reinicialização, certificados TLS por SNI, ativação de checksum em tempo real, compressão LZ4 como padrão no TOAST e remoção da autenticação RADIUS.
Executivos estão cortando o uso do Tableau não por superioridade técnica de concorrentes, mas por enxergar a ferramenta como cara e subvalorizada. A recomendação estratégica é preservar métricas críticas exclusivas de BI, avaliar plataformas mais baratas ou consolidadas e aproveitar o momento de migração para reposicionar o valor do BI em um cenário cada vez mais orientado por IA.
O Apache Arrow Flight combina Arrow e gRPC para transferir grandes volumes de dados colunares com transferência zero-copy. Os servidores transmitem Arrow RecordBatches diretamente, suportam leituras paralelas entre múltiplos endpoints e funcionam como base para serviços de dados personalizados de alta performance, ideal para pipelines que exigem velocidade e eficiência na camada de transporte.
O coração do Apache Spark está em um modelo simples, mas pouco compreendido: transformações são operações lazy e imutáveis sobre DataFrames que constroem um DAG (grafo acíclico dirigido), enquanto as ações são o gatilho que dispara a execução real distribuída entre os executors. Entender essa distinção é o que separa quem usa o Spark de quem realmente o domina.
O MongoDB consegue executar lógica transacional de baixa latência sem recorrer a stored procedures. A combinação de transações ACID, bulkWrite, validação de esquema, índices e atualizações via pipeline resolve casos complexos diretamente no banco. Um exemplo prático demonstra o processamento de pagamentos, com verificação de cartões, checagem de fornecedores, controle de limites de crédito, prevenção de duplicidade e registro em ledger.
O OpenTelemetry apresentou a iniciativa Blueprints, voltada a simplificar a implementação de observability com padrões consolidados e implementações de referência. A iniciativa cobre os principais pilares do ecossistema: Kubernetes, infraestrutura, aplicações e plataformas centralizadas de telemetria, reduzindo a curva de adoção para equipes de engenharia.
O dbt Core v2.0 alpha abre o código do runtime baseado em Rust do Fusion engine sob a licença Apache 2.0. A atualização unifica Core e Fusion em uma base compartilhada, entregando parsing mais rápido, suporte a artefatos em Parquet, documentação local aprimorada, instalação simplificada e especificação de linguagem mais rigorosa. O Fusion segue como CLI gratuita recomendada para a maioria dos usuários, enquanto o Core v2 serve times que exigem código totalmente aberto ou builds OSS customizados.
A Databricks refuta oito mitos comuns sobre layout de dados em lakehouses modernos, defendendo que o Liquid Clustering supera o particionamento tradicional estilo Hive. Ao contrário da abordagem rígida, o Liquid Clustering organiza dados de forma dinâmica com chaves de agrupamento que evoluem no tempo, suporta concorrência em nível de linha, operações baseadas em metadados e integração nativa com diferentes formatos de tabela abertos.
O QueryFlux é um proxy SQL open-source escrito em Rust que roteia consultas de forma inteligente entre engines como Trino, Spark, DuckDB, Snowflake, Athena e Flink, usando tabelas Iceberg compartilhadas. A ferramenta cuida de tradução de protocolos, conversão de dialetos via SQLGlot, roteamento baseado em custo, controle de concorrência e failover automático com base na saúde das instâncias.
A Zepto desenvolveu um modelo de contexto de carrinho que trata compras como sentenças, usando um modelo de linguagem mascarado baseado em Transformer para inferir a intenção do usuário em tempo real. Treinado com padrões históricos de carrinhos, incluindo sinais temporais, geográficos e de produto , , além de mascaramento de frequência inversa para itens de cauda longa, o sistema prevê com precisão quais produtos o usuário provavelmente adicionará a seguir.
Depois de rodar oito casos de uso em produção, o Ray Data saiu na frente do Daft pela maior estabilidade e resiliência em escala, especialmente em operações complexas de inferência com LLMs. O Daft, porém, não fica sem crédito: leva vantagem em primitivas multimodais nativas e oferece sintaxe mais limpa em diversas operações.
Com o prazo do EU AI Act se aproximando, equipes de dados e engenharia precisam implementar padrões sólidos de identidade, políticas e auditoria em seus agentes de IA. O foco está no princípio de privilégio mínimo aplicado às chamadas entre agentes, garantindo que cada componente acesse apenas o que precisa, com rastreabilidade completa para fins de conformidade regulatória.
O Pluto 1.0 marca a maturidade do ambiente de notebooks para a linguagem Julia. A versão estável traz avanços em reprodutibilidade, reatividade e compartilhamento de código, além de melhorias em acessibilidade, suporte educacional, documentação aprimorada e novas ferramentas de edição, consolidando o Pluto como referência para ciência de dados e computação científica no ecossistema Julia.
🛠
DltHub lança toolkit de qualidade de dados com verificações baseadas em schema e correção automática
O dltHub apresenta uma versão prévia do seu toolkit de qualidade de dados para IA, com decoradores persistentes baseados em metadados. A solução foi projetada para falhar rapidamente (fail-fast) e realizar roteamento automático de remediações diretamente nos pipelines dlt, trazendo mais controle e confiabilidade ao fluxo de dados.
Agentes de IA estão gerando volumes crescentes de consultas pequenas e intermitentes, tornando o custo de um único data warehouse cada vez mais difícil de controlar. O roteamento por múltiplas engines surge como solução: cada consulta é direcionada ao motor mais adequado, reduzindo despesas sem quebrar os fluxos de trabalho já estabelecidos.