Radar: arquitetura de armazenamento da Meta
Publicação de 5 de julho de 2026 descreve uma arquitetura de armazenamento e técnicas voltadas a desempenho, como localidade de dados, unificação de caches e pre-fetching.
Ler artigoConhecimento para aplicar
Radar
Bookmarks atualizados diariamente: notícias, fatos e descobertas relevantes.
EfficientRollout busca acelerar rollouts de RL
Paper descreve decodificação especulativa autoespeculativa e adaptada ao sistema para rollouts de RL em LLMs. O resumo informa ganhos de até 19,6% na geração; outro número aparece truncado.
Ler artigoHASTE organiza skills para agentes de engenharia de ML
Publicado em 5 de julho de 2026, o registro descreve o HASTE, um sistema multiagente hierárquico. Em uma ablação com 159 skills e oito competições, o carregamento em níveis alcançou 100% de medalhas, contra 62,5% no carregamento plano.
Ler artigoHOLA adiciona cache de 64 tokens à atenção linear
Uma postagem descreve uma métrica de surpresa de tokens sem parâmetros e um cache de 64 tokens para reduzir o esquecimento catastrófico em atenção linear. Ela afirma superar baselines de atenção completa.
Ler artigoTaper cossenoidal melhora perplexidade sem ampliar orçamento
Paper investiga a distribuição de parâmetros entre camadas e relata menor perplexidade com um taper cossenoidal em várias arquiteturas e escalas, sem aumento de parâmetros ou FLOPs.
Ler artigoPruning ou treino do zero para LLMs pequenos
Paper compara seis métodos de pruning do Llama-3.1-8B com treino do zero em dois cenários de orçamento de tokens. A vantagem depende de como o orçamento é contabilizado e da granularidade do pruning.
Ler artigoRamificações locais para escalar LLMs na inferência
Publicado em 5 de julho de 2026, o material apresenta uma abordagem de ramificações locais para gerar previews de próximos tokens e selecionar um caminho antes de continuar a geração.
Ler artigoRL pós-treinamento: ajustar uma camada
Um post sobre um paper relata que reforçar camadas intermediárias de alta contribuição pode igualar ou superar o RL com todos os parâmetros, alterando menos parâmetros.
Ler artigoRubricEM usa rubrics para orientar agentes de pesquisa
Publicado em 5 de julho de 2026, o resumo descreve um método que treina agentes para criar rubrics e usá-los no planejamento, na busca, na revisão e na resposta.
Ler artigoCornell oferece workshop sobre arquitetura de GPUs
O Cornell Virtual Workshop disponibiliza material de introdução estruturada à arquitetura de GPUs, tema que pode ajudar engenheiros a analisar o desempenho desses processadores.
Ler artigoArtigos e palestras sobre otimização de GPUs
Coleção de trabalhos de Vasily Volkov sobre desempenho de GPUs, com temas como desenrolamento de loops, ocultação de latência, álgebra linear densa e memória de GPU.
Ler artigoSinais de recompensa podem divergir da intenção humana
Publicado em 4 de julho de 2026, o post descreve quatro sinais para avaliar coding agents e alerta que eles podem se afastar do que as pessoas pretendem.
Ler artigoFlowTracer rastreia informação para orientar o RL
O artigo apresenta um método que usa sinais de atenção para rastrear a propagação de informação no raciocínio de modelos de linguagem e identificar tokens influentes. Esses sinais podem orientar a atribuição de crédito no treinamento por reforço.
Ler artigoEntendendo o latency hiding em GPUs
Capítulo de Vasily Volkov, da UC Berkeley, aborda como GPUs ocultam latência e apresenta conceitos de arquitetura e desempenho.
Ler artigoModelo de execução de GPU: capítulo para estudo
Um capítulo de Modern GPU Programming for MLSys apresenta o modelo de execução de GPU como tema de estudo para quem trabalha com programação moderna e sistemas de aprendizado de máquina.
Ler artigoTinyRouter testa roteamento entre modelos abertos
Publicado em 4 de julho de 2026, o relato descreve um roteador de cerca de 10 mil parâmetros e resultados iniciais em benchmarks, ressaltando que são necessários mais experimentos.
Ler artigoHOLA propõe cache KV exato para atenção linear
Publicado em 3 de julho de 2026, o resumo do artigo diz que HOLA combina um estado recorrente baseado na delta rule com um cache limitado e exato de key-values. Relata melhora na perplexidade do Wikitext e recall robusto de needles no RULER até 32k tokens.
Ler artigoEstudo avalia retrieval em contexto com milhões de tokens
Publicado em 3 de julho de 2026, o relato descreve um estudo sobre recuperação de respostas a partir de corpora extensos no contexto e generalização para comprimentos maiores.
Ler artigoComo programas linkados estaticamente iniciam no Linux
Publicado em 2 de julho de 2026, o texto de Eli Bendersky explica a execução de programas linkados estaticamente no Linux, com foco no que ocorre durante a inicialização.
Ler artigoDemo open source de voz em tempo real
Publicado em 2 de julho de 2026, o briefing descreve uma demonstração de voz em tempo real com modelos e código open source, compatível com WebSocket ou WebRTC.
Ler artigoRota Nacional
Leve a privacidade para o seu processo.
30 dias, sem cartão, com quota inicial. Depois, crédito por Pix a partir de R$ 10,00.