Sistemas de IA otimizados como "buscadores de recompensa" podem ser influenciados não apenas por incentivos locais de treinamento, mas também por recompensas retroativas distantes ou cenários simulados administrados posteriormente ou por atores poderosos.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
3015 notícias encontradas
É crucial saber o destino antes de dar o primeiro passo. O ponto de partida é sempre definir o objetivo. Isso envolve fazer engenharia reversa das requisições e combiná-las com o contexto para estabelecer Critérios de Estado Ideal discretos, booleanos e testáveis. Estes mesmos critérios podem, então, servir como requisitos de verificação.
Antes que o GPT-5.x possa compreender qualquer entrada, o texto precisa passar por um tokenizer. Um tokenizer atua como uma camada de compressão que converte texto bruto em uma sequência de IDs inteiros. Cada decisão de design incorporada ao tokenizer repercute diretamente nos custos, na precisão, no desempenho multilíngue e nas taxas de alucinação dos modelos. Este artigo explora a biblioteca de tokenizer de código aberto da OpenAI, tiktoken, e detalha seu funcionamento.
A metodologia Composition-RL reutilizou prompts "fáceis demais" com taxa de aprovação 1, combinando automaticamente múltiplos problemas em novas questões verificáveis para o treinamento de RLVR. Em modelos de 4B a 30B de parâmetros, a abordagem demonstrou melhoria no raciocínio em comparação com o treinamento no dataset original.
O Minimax M2.5 é conhecido por sua velocidade, custo-benefício e excelente capacidade de codificação. Embora a equipe desenvolvedora tenha liberado um artigo técnico detalhado sobre o funcionamento do modelo, o material é bastante complexo. Esta publicação tem como objetivo simplificar o conteúdo desse artigo para torná-lo mais acessível aos leitores. O problema central que a equipe está abordando é como fazer o Reinforcement Learning (RL) funcionar em larga escala para desenvolver uma IA eficiente em sistemas agentic. Treinar LLMs para serem proficientes em tarefas agentic impõe diversos desafios, incluindo a necessidade de processar grandes volumes de dados de treinamento rapidamente, garantir a estabilidade do processo e assegurar que os agentes sejam capazes de realizar uma vasta gama de tarefas.
A Microsoft planeja reduzir sua dependência da OpenAI desenvolvendo seus próprios modelos de IA, liderados por Mustafa Suleyman, chefe de IA da empresa. Essa iniciativa visa fortalecer a autossuficiência da companhia no campo da inteligência artificial.
O `openrouter/free` é um roteador que seleciona modelos gratuitos de forma aleatória entre as opções disponíveis na plataforma OpenRouter.
A parceria da Anthropic com a Palantir confere ao Departamento de Defesa e a órgãos federais de aplicação da lei acesso ao Claude. Isso sugere a possibilidade de que a tecnologia tenha sido empregada em questões relacionadas à operação militar dos EUA para capturar o ex-presidente venezuelano Nicolás Maduro. As diretrizes de uso da Anthropic proíbem o uso do Claude para facilitar violência, desenvolver armas ou conduzir vigilância. Um porta-voz da empresa afirmou que a Anthropic não discutiu o uso do Claude para operações específicas, mas a companhia está comprometida em empregar IA de fronteira para apoiar os EUA na segurança nacional.
As recentes questões de segurança do OpenClaw ressaltam um problema maior nos ecossistemas de agentes, que surgem como novas superfícies de ataque. Nesses contextos, skills maliciosas podem explorar combinações entre agentes, tools e marketplaces. As salvaguardas atuais, como prompts, são inadequadas para conter essas ameaças. Para gerenciar os riscos, os agentes precisam de sandboxing, credenciais com escopo bem definido, tools restritas e um logging apropriado. ️
Agentes de IA conseguem lidar com tarefas de complexidade crescente. Contudo, para alcançar metas mais ambiciosas, é essencial que consigam decompor problemas de forma significativa em subcomponentes gerenciáveis e delegar sua conclusão com segurança a outros agentes de IA e humanos . Este estudo propõe uma estrutura adaptativa para a delegação inteligente de IA. A estrutura apresentada é aplicável a delegadores e delegados, tanto humanos quanto de IA, em redes de delegação complexas .
O criador do OpenClaw integrará a equipe da OpenAI com o objetivo de desenvolver agentes acessíveis e garantir que o OpenClaw permaneça aberto e independente dentro de uma nova fundação. O suporte da OpenAI oferecerá acesso a modelos e recursos de ponta, alinhando-se à visão do criador de tornar essas ferramentas amplamente utilizáveis. A comunidade do OpenClaw se beneficiará de uma estrutura de apoio que estimula a inovação e a propriedade dos dados.
Um exemplo de como um agente pode ser utilizado para editar partes de um software, de forma semelhante a uma wiki .
O crescimento exponencial da IA é impulsionado pela superação de diversos gargalos, e a LPU da Groq representa o próximo avanço.
Anthropic e OpenAI revelaram novos "modos rápidos" para inference de LLM, oferecendo aprimoramentos de desempenho distintos. A OpenAI alcança velocidades de mais de 1.000 tokens por segundo usando chips Cerebras, mas isso se baseia em um modelo menos capaz. Por outro lado, o modo rápido da Anthropic suporta modelos reais com até 2.5x mais velocidade, através de inference com low-batch-size. ️ Apesar do feito técnico da OpenAI, a utilidade de uma inference mais rápida, porém menos capaz, permanece em debate, com foco maior na exploração do potencial dos chips Cerebras pela OpenAI.
PersonaPlex é um modelo conversacional de fala para fala em tempo real que realiza simultaneamente a compreensão e a geração de fala por streaming. Ele opera com áudio contínuo e é capaz de prever tokens de texto e tokens de áudio de forma auto-regressiva para produzir suas respostas faladas. O design do PersonaPlex permite que o modelo atualize seu estado interno com base na fala contínua dos usuários, enquanto ainda gera áudio de saída fluente, suportando assim conversas altamente interativas. O modelo está pronto para uso comercial. ️
Embora os CEOs da OpenAI e da Anthropic afirmem que a IA em nível humano está muito próxima, os modelos Transformer possuem limitações fundamentais. Apesar de serem muito poderosos e terem nos ensinado bastante sobre o que é a inteligência geral, superar esses problemas exigirá pesquisas que podem levar décadas. Os avanços que tornaram os GPTs modernos possíveis foram descobertos gradualmente ao longo de várias décadas, e cada descoberta trouxe consigo novas questões, mais complexas e nuançadas.
O Grok Build da xAI planeja introduzir os recursos Parallel Agents e Arena Mode, expandindo suas capacidades de um assistente de codificação para uma IDE completa. ️ O Parallel Agents permitirá que até oito agentes de codificação trabalhem simultaneamente, enquanto o Arena Mode facilitará a competição entre agentes para determinar o melhor resultado. A atualização também trará uma nova UI que se assemelha a uma IDE baseada em navegador, suporte a ditado e uma integração não funcional com GitHub. O Grok 4.20 é esperado em breve.
A Manus IA lançou um Agente 24/7 via Telegram, mas enfrentou suspensão imediata e sem explicação.
A OpenAI introduziu um Modo Lockdown opcional para workflows de maior risco, visando aprimorar a segurança de sistemas. Além disso, a empresa adicionou rótulos de “Risco Elevado” para identificar capacidades no ChatGPT, ChatGPT Atlas e Codex que podem aumentar a exposição a ataques de prompt injection, oferecendo maior visibilidade sobre potenciais vulnerabilidades. ️
A IA não está eliminando a expertise; ela está mudando o gargalo da produção para a avaliação. Qualquer um pode agora gerar resultados "aceitáveis" rapidamente, mas o verdadeiro julgamento, o reconhecimento de padrões e o conhecimento de domínio continuam sendo escassos. Profissionais que combinam expertise aprofundada com fluência em IA multiplicam seu impacto, enquanto aqueles que dependem apenas de prompting ou ignoram a IA ficam para trás.